Dolga desetletja je umetna inteligenca (UI) spominjala na muhastega zvezdnika: blestela je v nadzorovanih laboratorijskih pogojih, nato pa poniknila v dolge, hladne »tehnološke zime«, ko so obljube o mislečih strojih trčile ob zid realnosti. Toda to nihanje je preteklost. Danes se ne sprašujemo več, ali bo umetna inteligenca delovala, temveč kako globoko bo zarezala v tkivo naše civilizacije.
Najbolj presenetljiva fronta te revolucije se ne odpira v tovarnah ali pri pisanju e-pošte, temveč v najbolj abstraktni in hermetični izmed vseh znanosti — matematiki. Modeli strojnega učenja, ki poganjajo sodobno umetno inteligenco, so začeli dokazovati izvirne matematične izreke. S tem so podrli nevidni zid in nas prisilili, da na novo ovrednotimo ne le način raziskovanja, ampak tudi samo definicijo človeške genialnosti, je te dni pisal španski časnik El Pais.
Diamant proti verjetnosti
Da bi razumeli potresne sunke v svetu števil, moramo razumeti zgodovinski prepad med matematiko in računalništvom. Klasično računalništvo je otrok matematične logike. Zraslo je na plečih velikanov, kot so Alonzo Church, Alan Turing in John von Neumann. Njihov svet je binaren, natančen in neizprosen.
Umetna inteligenca pa ima drugačen rodovnik. Njeni temelji so v statistiki – v vedi, ki se ukvarja z negotovostjo, šumom in verjetnostjo. Če je klasična matematika po besedah filozofa Johna Locka zgrajena na dokazih, ki so »trdi in jasni kot diamanti«, je strojno učenje zgrajeno na kompromisu. Njegov cilj ni popolna resnica, temveč »dovolj dobra« napoved sredi kaosa podatkov.
Prav zato je dolgo veljalo, da so vrata matematike za umetno inteligenco zaprta. Kako bi lahko sistem, ki občasno »halucinira« dejstva, sodeloval v disciplini, kjer ena sama napaka poruši celotno zgradbo?
Silicijevi vajenci postajajo mojstri
V zadnjih letih se je zgodil nepričakovan preobrat. Raziskovalci so ugotovili, da lahko globoko učenje pospeši prepoznavanje vzorcev hitreje kot kateri koli človek. Čeprav ti sistemi v svojem bistvu ne »razumejo« aritmetike in se zanašajo na korelacijo namesto na vzročnost, so postali nepogrešljivi pri generiranju domnev in čiščenju idej.
Pravi preboj pa je prinesla integracija jezikovnih modelov z orodji za preverjanje dokazov, kot je Lean. Gre za programsko opremo, ki matematiko prevede v kodo in jo preveri korak za korakom. Umetna inteligenca zdaj predlaga rešitve in ustvarja verige logičnega sklepanja, ki jih nato Lean neusmiljeno preveri. To je ustvarilo hibridni sistem: ustvarjalnost stroja, ki je nagnjen k napakam, nadzoruje neizprosna logika programske opreme.
Vprašanje, ki zdaj visi v zraku, je vznemirljivo in hkrati strašljivo: ali smo priča rojstvu »silicijevih Einsteinov«? Bodo ti sistemi sposobni generirati ideje, ki bodo presegle človeško dojemanje, ali pa bodo ostali le izjemno hitri pomočniki, ujeti v meje tistega, kar smo jih naučili mi?
Konec dobe »človeških računalnikov«
Film Hidden Figures (Prikrite številke) nas je spomnil na čas, ko je beseda računalnik označevala poklic, ki so ga opravljali ljudje. Tehnologija je te ljudi osvobodila težaškega računanja. Generativna umetna inteligenca zdaj obljublja podobno osvoboditev za sodobne matematike.
Rutinske naloge, površinske ideje in ponavljajoči se izvajanji postajajo stvar preteklosti. Tehnologija matematiku ponuja najdragocenejši vir: čas za globok razmislek. Vloga človeka se pomika od izvajalca k dirigentu. Ključne postajajo veščine, ki jih je (zaenkrat) najtežje programirati: intuicija, vizija in sposobnost ločevanja bistvenega od nepomembnega.
To sovpada z modelom pridobivanja veščin bratov Dreyfus, ki ločuje novinca od eksperta. Novinec sledi pravilom, ekspert uporablja intuicijo in kontekst. Umetna inteligenca bo ekspertu dala krila in multiplicirala njegov doseg. Za novinca pa predstavlja nevarnost – brez temeljnega razumevanja bo orodje ojačalo njegov »šum« in ga pripeljalo do napačnih zaključkov.
Matematika kot laboratorij prihodnosti
Paradoksalno je, da matematika ne bo samo pasivna prejemnica te tehnologije, ampak njen najboljši poligon. Tako kot sta šah in igra Go služila za treniranje zgodnjih algoritmov, jasna struktura matematike zdaj služi kot telovadnica za razvijanje naprednejše umetne inteligence. Iz tega dialoga bi se lahko rodili sistemi, ki so bolj transparentni in zanesljivi – sistemi, ki nam bodo končno znali razložiti, kako so prišli do rešitve.
To pa zahteva radikalen zasuk v šolstvu. Tradicionalni izobraževalni modeli, ki so se zadovoljili s tem, da so učence naučili osnovnih postopkov (kompetenc), so zastareli. V svetu, kjer stroj reši integral v milisekundi, mora biti cilj poučevanja nekaj drugega: bližnjica do pristnega razumevanja in vzgoja intuicije, ki bo sposobna voditi stroj, namesto da bi stroj vodil nas.
Revolucija je tu. Ne prihaja z ropotom tovarn, temveč s tišino misli, ki jo zdaj, prvič v zgodovini, delimo z nečloveško inteligenco.
