AI, matematičke zablude i granice ljudskog razuma
Trenutak kada je veštačka inteligencija uzdrmala svet čiste matematike
Objave kompanije OpenAI o tome da su njihovi napredni sistemi veštačke inteligencije navodno ponudili rešenje za Navije-Stoksovu jednačinu — jednu od sedam čuvenih Milenijumskih zagonetki — kao i da su u svega nekoliko dana savladali oko 700 otvorenih matematičkih problema (uključujući složene hipoteze Pola Erdeša i Vladimira Arnolda), izazvale su nemerljiv potres u naučnoj zajednici. Ovaj iznenadni kvantitativni skok AI sistema na nivo koji prevazilazi tradicionalno doktorsko znanje otvorio je fundamentalna pitanja: da li smo svedoci trenutka u kom mašine preuzimaju poslednji bastion ljudske apstrakcije?
Da bismo razumeli prave kognitivne i filozofske razmere ovog tehnološkog proboja, temu sagledavamo kroz perspektivu dr Darka Milinkovića, redovnog profesora Matematičkog fakulteta u Beogradu i međunarodno priznatog stručnjaka za simpletičku topologiju.
Glavna dilema koju ovaj preokret nameće prevazilazi prostu brzinu računanja i pretraživanja prostora stanja: Da li rešavanje kompleksnih problema od strane veštačke inteligencije označava kraj ljudske matematike kakvu poznajemo, ili ulazimo u novu eru razumevanja gde su ljudske zablude, intuicija i dokolica važniji nego ikada pre?
Od Hilberta do Milenijumskih problema: Kako je klasifikovano matematičko traganje
Da bi se shvatio stvarni domet savremenih AI dostignuća, neophodno je osvrnuti se na istorijski okvir u kome matematičari definisanju i razvrstavaju sopstvena traganja.
Hilbertovi problemi protiv Milenijumskih problema
Na Drugom međunarodnom kongresu matematičara u Parizu 1900. godine, čuveni nemački matematičar David Hilbert izložio je listu od 23 problema koja su odražavala duh tog vremena i imala zadatak da usmere razvoj matematike u 20. veku. Stupanjem u novi vek, Klejov matematički institut (Clay Mathematics Institute) je 2000. godine formulisao 7 "Milenijumskih problema" (Millennium Prize Problems), ponudivši nagradu od milion dolara za zvanično rešenje svakog od njih.
Za razliku od mnogih Hilbertovih zagonetki, Milenijumski problemi predstavljaju izuzetno duboke teorijske izazove koji su oblikovali čitave poddiscipline. Do danas je zvanično rešen samo jedan — Poenkareova hipoteza, koju je početkom 2000-ih savladao ruski matematičar Grigori Perelman (koji je potom dokazao svoju doslednost odbivši i novčanu nagradu i prestižnu Filsovu medalju).
Međutim, Klejov institut ne nagrađuje samo ovih sedam problema; on kontinuirano prepoznaje suštinske naučne proboje. Izuzetno važan primer sa naših prostora jeste prof. dr Vlada Marković, nekadašnji đak Beogradskog univerziteta i doktorand prof. Miodraga Mateljevića. Marković je 2012. godine, zajedno sa američkim matematičarem Džeremijem Kanom (Jeremy Kahn), dobio prestižnu Klejovu nagradu (Clay Research Award) za epohalan prodor u trodimenzionalnoj hiperboličkoj geometriji. Ovaj podatak podseća da vrhunska apstraktna matematika nije privcontent samo nepristupačnih svetskih centara, već tradicija duboko ukorenjena i u našoj sredini.
Didonova klasifikacija matematičkih problema
Kako bismo procenili težinu problema koje mašina danas pokušava da reši, dragocena je podela koju je ustanovio francuski matematičar Žan de Didone (Jean Dieudonné), jedan od osnivača uticajne grupe "Burbaki":
|
Klasa problema
|
Opis i dublji značaj u nauci
|
|
1. Problemi bez poente
|
Postave se i reše (ili ostanu nerešeni), ali ne ostavljaju nikakav trag niti izazivaju potrese u matematičkom tkivu.
|
|
2. Problemi koji ne prevazilaze sebe
|
Važni su isključivo kao činjenica; njihovo rešenje zauzima određeno mesto u analima, ali ne otvara nove naučne puteve.
|
|
3. Problemi koji rađaju metod
|
Rešavanje ovih izazova stvara nove analitičke ili geometrijske alate primenljive u naizgled sasvim nepovezanim oblastima (npr. klasifikacija konusnih preseka).
|
|
4. Problemi koji rađaju teoriju
|
Najređa i najznačajnija grupa. Rešavanje ovih problema zahteva građenje čitavih novih matematičkih grana. U ovu grupu spada i 7 Milenijumskih problema.
|
Platonizam protiv Aristotelizma u matematici
U osnovi tumačenja onoga što veštačka inteligencija zapravo radi leži drevna filozofska dilema: da li matematiku izmišljamo ili je otkrivamo?
- Aristotelovski stav: Matematika je ljudski konstrukt, formalni jezik koji stvaramo kako bismo opisali svet oko sebe.
- Platonistički stav: Kako ističe profesor Milinković (i sam deklarisani platonista), matematika već postoji u prirodi i u ontološkoj strukturi univerzuma, a zadatak matematičara jeste da njene zakone postepeno otkriva i osvetljava.
Slučaj Navije-Stoksa i Arnoldovih hipoteza: Kada AI pronađe kontraprimer
Da bismo uočili ključnu razliku u načinu na koji problemu pristupaju mašinski algoritam i ljudski um, valja uporediti dva nedavna AI dostignuća.
Navije-Stoksova jednačina (Navier-Stokes) Ova parcijalna diferencijalna jednačina predstavlja temelj mehanike fluida — ona opisuje kretanje vode u okeanima, vazdušnih struja u atmosferi ili turbulencija oko krila aviona. Otvoreno milenijumsko pitanje glasi: Da li jednačina sa potpuno glatkim (kontinuiranim) početnim uslovima može u konačnom vremenu razviti ne-glatka rešenja (singularitete)? Prevedeno na svakodnevni jezik: da li iz potpuno mirne i stabilne situacije u fluidu matematički zakonito i neumitno može nastati nekontrolisana turbulencija?
Kontroverza oko vlasništva nad istinom: Povodom objave OpenAI-ja da je njihov sistem pronašao ne-glatko rešenje, u naučnoj javnosti uočeno je da su matematičari Martin de Hop (Martin de Hoop) i Danijel Jing (Daniel Jing) svega 24 sata ranije korak po korak radili na istom problemu primenjujući AI alate. Iz platonističke perspektive prof. Milinkovića, matematika ne pripada pojedincima već prirodi, ali ovaj slučaj otvara krupna etička pitanja o autorstvu i načinu na koji algoritam akumulira ljudski trud.
Opovrgavanje Arnoldovih hipoteza i paradoks ljudske "greške"
Pored Navije-Stoksa, veštačka inteligencija je uspešno opovrgla i niz hipoteza koje je 1985. godine postavio čuveni ruski matematičar Vladimir Arnold. Arnoldove hipoteze odnosile su se na broj periodičnih orbita u hamiltonovskim sistemima (odnosno na pitanje pod kojim uslovima se složeni mehanički sistem uvek vraća u svoje početno stanje). Te smele pretpostavke činile su temelj na kom je izgrađena čitava jedna savremena oblast — simpletička topologija.
Veštačka inteligencija je ovim hipotezama prišla logičkom brutalnošću: pronašla je kontraprimer i time dokazala da je Arnoldova tvrdnja u svom opštem obliku netačna.
Da li je Arnold pogrešio i protraćio vreme generacijama matematičara? Upravo ovde izranja centralni paradoks ljudskog razuma. Da je mašina 1985. godine odmah ponudila kontraprimer i opovrgla Arnolda, oblast simpletičke topologije izvesno nikada ne bi ni nastala! Ljudska "greška", smela pretpostavka i višedecenijsko nastojanje stotina naučnika da tu pretpostavku dokažu stvorili su fascinantnu novu granu matematike. Mašinski račun je ponudio tačan odgovor, ali ne poseduje intuiciju koja rađa novu teoriju iz sopstvene zablude.
Promena paradigme: Zašto su zablude i dokolica pokretači nauke
Puka činjenica da je veštačka inteligencija u stanju da munjevito pronađe kontraprimer ili izračuna ekstremne parametre ne objašnjava sam mehanizam razvitka naučne misli.
Intelektualni skokovi retko su plod pravolinijskog prikupljanja činjenica. U svom klasičnom delu Struktura naučnih revolucija, filozof Tomas Kun (Thomas Kuhn) pravi suštinsku razliku između "normalne nauke" — koja predstavlja kvantitativno akumuliranje znanja unutar važeće dogme — i "naučnih revolucija". Revolucije ne nastaju glatkim proširenjem starih uvidā, već tek onda kada paradigma zapadne u duboku krizu pod teretom kontradikcija, primoravajući nas da iz korena promenimo ugao posmatranja.
Istorija matematike svedoči o tome da su zablude i nesavršene intuicije bile glavno gorivo naučnih revolucija. Gotfrid Vilhelm Lajbnic (Gottfried Wilhelm Leibniz), satvorac diferencijalnog računa, u ranoj fazi je pogrešno definisao formulu za diferencijal proizvoda funkcija. Međutim, ta ga zabluda nije blokirala; preispitivanje sopstvene greške vodilo ga je ka dubljem razumevanju analitičkih struktura. Vekovima pre njega, Zenonov paradoks o Ahilu i kornjači ogolio je krizu poimanja beskonačno malih veličina, prisiljavajući antički um da načini prve korake ka teoriji graničnih vrednosti. Slično tome, veliki Ogesten-Luj Koši (Augustin-Louis Cauchy) pravio je sistematske greške verujući da je beskonačni zbir neprekidnih funkcija uvek neprekidna funkcija — zabluda iz koje se, kroz razrešenje krize, rodio ključni koncept uniformne konvergencije.
Ovu preku potrebu za pesničkim prestupom u nauci sažeo je sam Vladimir Arnold izuzetnom mislicom:
"Dokazi u matematici nemaju veću ulogu nego što je ima pravopis u poeziji."
Kao što vrhunski pesnik namerno krši gramatička pravila da bi dosegao novu estetsku dimenziju, tako i matematičar formuliše smelu, potencijalno netačnu hipotezu kako bi osvetlio nepoznati fenomen. Rigorozni dokaz je tek naknadna verifikacija — pravopis koji potvrđuje da je stih pravilno zapisan, ali ne i sam stih.
Ovdje dolazimo do drugog neophodnog uslova za rađanje novih ideja: koncepta dokolice. U delu Dokolica kao osnova kulture, nemački filozof Jozef Piper (Josef Pieper) upozorava da društvo koje čoveka vrednuje isključivo kroz merljivi učinak proizvodi samo hiper-produkciju u okviru već postojeće paradigme. Dokolica u Piperovom tumačenju nije pasivno lenčarenje niti odmor radi veće produktivnosti; to je stanje slobodne, nemotivisane, dečije igre i postavljanja pitanja izvan zadatog utilitarnog okvira. Dokolica je misao vođena čistom radoznalošću, bez ambicije za trenutnim rezultatom. Veštačka inteligencija po svojoj funkcionalnoj arhitekturi ne može imati dokolicu — ona uvek radi po zadatku, u okviru definisanih optimizatorskih funkcija i ulaznih podataka.
Efekat delfskog proročišta (The Oracle Effect) i lekcije iz šahovske table
Kada algoritam izbaci matematički tačnu tvrdnju, ali bez objašnjenja koje je ljudskom umu prohodno i razumljivo, nastupa pojava poznata kao Efekat delfskog proročišta (The Oracle Effect).
Četiri rizika gubljenja postupka
Dok je svetskoj matematičkoj zajednici bilo potrebno pune četiri godine da proveri i verifikuje Perelmanov rad na Poenkareovoj hipotezi, AI generiše na stotine "rešenja" u roku od nekoliko dana. Razdvajanje krajnjeg rezultata od razumevanja postupka nosi sa sobom četiri ozbiljna kognitivna rizika:
- Nemogućnost provere tačnosti:Izostanak ljudske verifikacije nad milionskim linijama algoritamskih izvođenja.
- Neupoznatost sa štetnim posledicama:Nemogućnost uočavanja nuzefekata pri primeni takvog rešenja u inženjerstvu ili fizici.
- Nemogućnost izvlačenja opštih principa:Gubljenje šanse da se iz postupka rešavanja jednog problema sintetiše nova opšta teorija primenljiva u drugim naukama.
- Gubitak sposobnosti postavljanja problema:Pasivno prihvatanje odgovora vodi ka odumiranju veštine da sami uočavamo krize i postavljamo nova pitanja.
Lekcije iz šahovske table i analogija Prinston–Beograd
Slična kognitivna drama već se odigrala u svetu šaha kada je računarski sistem Deep Blue 1997. godine savladao Garija Kasparova. Kada su mašine postale nepobedive, strahovalo se da će interesovanje za šah potpuno zamreti. Dogodilo se, međutim, upravo suprotno.
Kasparov je uočio fascinantan fenomen na takozvanim "kiborg turnirima", gde je igračima bilo dozvoljeno korišćenje računara. Pokazalo se da spoj osrednjeg šahiste i osrednje mašine redovno pobeđuje kako vrhunskog velemajstora koji igra sam, tako i moćnu mašinu kojom upravlja slab vozač. Ljudska intuicija u usmeravanju pretrage, u kombinaciji sa mašinskom kalkulacijom, stvarala je novu, višu sintezu.
Profesor Milinković povlači direktnu paralelu između šaha i budućnosti matematike, ističući proces demokratizacije nauke. U tradicionalnom naučnom modelu, matematičar koji sedi na Prinstonu ili Oksfordu — u svakodnevnom neposrednom kontaktu sa autorima vodećih teorija — nalazi se u ogromnoj prednosti u odnosu na istraživača koji radi u Beogradu ili nekoj manjoj sredini. Veštačka inteligencija deluje kao moćan izjednačivač: ona brisanjem geografskih i statusnih barijera omogućava matematičaru u Beogradu da dobije vrhunskog "sparing partnera" i dobaci do dubine razumevanja koja je ranije bila rezervisana samo za odabrane centre.
Kubrik protiv Godara: Koga se zapravo plašimo?
Antropološki strah od tehnologije u vizuelnoj kulturi 20. veka najjasnije se račva kroz dva filmska remek-dela koja nude suprotstavljene vizije naše kognitivne budućnosti.
S jedne strane stoji ikonografija Stenlija Kubrika i njegovog filma 2001: Odiseja u svemiru. To je strah od tehnološkog singulariteta — scenarija u kom mašina (superračunar HAL 9000) stiče sopstvenu svest, preuzima kontrolu i postaje pretnja po biologiju čoveka. Ipak, u toj viziji čovek (astronaut Dejvid Bouman) i dalje poseduje arhetipsku snagu: on može fizički da ode u utrobu računara i isključi njegove memorijske module.
Znatno dublju i suptilniju opasnost oslikava Žan-Lik Godar u svom noar ostvarenju Alfavil. Ovde strah nije usmeren na mogućnost da mašina postane kao čovek, već na zastrašujuću mogućnost da čovek postane kao mašina. U Alfavilu, pod diktatom računara Alfa 60, čitavo društvo počinje da razmišlja algoritamski, šablonski, lišeno emocija i pesničkog prestupa. Kada moćni kompjuter tokom ispitivanja upita detektiva Lemija Krena šta je to što održava svemir u životu, detektiv kratko odgovara: "Poezija", na šta kompjuter odgovara da ne razume pojam i da će se detektiv dezintegrisati ako nastavi da daje nelogične odgovore.
Kako profesor Milinković upozorava, stvarna pretnja savremenom društvu ne leži u Kubrikovskom scenariju pobune mašina, već u Godarovskom scenariju: u neprimetnom kognitivnom delegiranju (cognitive offloading), gde čovek, oslanjajući se u svemu na gotove algoritamske odgovore, zaboravlja kako se autentično razmišlja, gubeći sopstvenu individualnost, maštu i estetski kriterijum.
Zaključak: Budućnost matematike u rukama čoveka
Savremena nauka već dugo pati od onoga što je španski filozof Hose Ortega i Gaset (Ortega y Gasset) u Pobuni masanazvao "varvarizmom specijalizacije" — pojave u kojoj naučnici, zatvoreni u usko stručne oblasti, više ne govore istim jezikom i gube uvid u celinu. Veštačka inteligencija tu može odigrati ulogu neprocenjivog kvantitativnog mosta, prevodeći koncepte i povezujući podatke iz udaljenih disciplina koje ljudski um pojedinca ne stiže da obradi.
Međutim, prodor AI sistema dovodi i samu akademiju do duboke strukturne krize. Na međunarodnim naučnim forumima već se postavljaju otvorena pitanja: Kako će izgledati doktorske studije kada veštačka inteligencija bude u stanju da rutinski rešava standardne doktorske zadatke? Kako će se dodeljivati grantovi i vršiti izbori u profesorska zvanja kada pisanje naučnih radova postane delimično automatizovano?
Odgovor prof. Milinkovića na ove izazove odiše snažnim antropološkim optimizmom. Tehnološki pritisak ogoliće i potisnuti birokratsku otuđenost naučnika zatvorenih po kabinetima. Kada rutina postane vlasništvo mašina, primarnu i najvišu vrednost ponovo će dobiti živa ljudska reč, lični kontakt, neposredna debata i druženje naučnika.
Podela uloga u budućnosti nauke stoga mora ostati jasna:
- Veštačkoj inteligenciji pripada rutinski račun, pretraživanje gole baze podataka i optimizacija unutar već zadate paradigme.
- Čoveku ostaje ono najvažnije i mašinski nedostižno — postavljanje novih pitanja, stvaranje "konstruktivnih zabluda" iz kojih niče nova intuicija, hrabrost za promenu paradigme i živa reč koja prenosi iskustvo.
Tehnologiju uvek možemo isključiti kada primetimo da nas ugrožava, baš kao što je Dejvid Bouman isključio HAL-a. Međutim, od presudne je važnosti da u tom procesu ne izgubimo unutrašnju potrebu za stvaranjem i igrom. Jer, u konačnom zbiru, cilj matematike i nauke uopšte nije samo razumeti nešto, nego razumeti kako razumemo.

