OpenAI-jeva najava rješenja jednog od najtežih problema u matematici uzbunila je mnoge stručnjake: ova tehnološka utrka mogla bi oštetiti sam način na koji se proizvodi naučno znanje.

Brzina kojom kompanije za umjetnu inteligenciju (AI) rješavaju neke od najtežih matematičkih problema je i zapanjujuća i zabrinjavajuća. Objava OpenAI-ja da je pronašao  rješenje za Navier-Stokesov problem, jedan od šest problema Milenijske nagrade, izazvala je nervozu i glasine unutar matematičke zajednice. Na društvenim mrežama se govori da su ista kompanija i njezin konkurent, Anthropic, blizu rješavanja drugih izazova. Kao presedan, u maju je OpenAI chatbot  opovrgnuo 80 godina staru pretpostavku mađarskog matematičara Paula Erdősa.

Svi ovi podvizi, uključujući i Navier-Stokesov, čekaju potvrdu. Posljednji put – i zasad jedini put – kada je jedan od Milenijskih problema riješen, to je učinilo ljudsko biće okruženo aurom genijalnosti. Između 2002. i 2003. ruski matematičar Grigorij Perelman dokazao je Poincaréovu hipotezu, nakon što je godinama radio u potpunoj izolaciji. Nasuprot tome, OpenAI je rasporedio 10000 agenata umjetne inteligencije koji su razmijenili 2,7 miliona poruka. Trebalo je samo 88 sati, ali je koštalo nekoliko miliona dolara.

Perelman je odbio Fieldsovu medalju i znatnu novčanu nagradu Clay Instituta jer je radije pripisao zasluge svojim prethodnicima; tehnološka kompanija, s druge strane, požurila je s rezultatima kako bi stekla prednost i prikrila rad konkurencije i dvojice španjolskih matematičara koji su već neko vrijeme napredovali u rješavanju problema.

“Imam Luisa”

„Mi ne koristimo umjetnu inteligenciju; naša je olovka i papir“, priznao je španjolski matematičar Diego Córdoba  (ICMAT) za elDiario.es. On i njegov suradnik Luis Martínez-Zoroa  (CUNEF) slijede Perelmanovu staru školu ručnog rada, ali svjesni su da su anomalija u svojoj disciplini i da se svijet promijenio u posljednje tri godine. „Kad me ljudi pitaju: Radiš natječući se s ljudima u ChatGPT-u, s OpenAI-jem, s Claudeom, šta imaš? Kažem im: Imam Luisa“, šali se.

Suočen sa skandalom ovog nepoštivanja, OpenAI je retrospektivno u svoje rezultate uključio referencu na rad španjolskog tima, ali njihova objava nije izazvala uzbunu, ni zbog ove geste ni zato što su strojevi nadmašili ljude, kao u legendarnom dvoboju Kasparov-Deep Blue. Pravi problem je što su kompanije ušle u utrku u kojoj je sve dopušteno, s potencijalno štetnim posljedicama: počele su raditi punom parom kada su saznale da je konkurencija blizu rješenja problema, a postoji sumnja da su iskoristile informacije koje je drugi tim matematičara unio u svoj AI alat kako bi stekle prednost.

Terence Tao, jedan od onih iznimnih ljudskih bića sposobnih probiti matematičke barijere, vrlo je jasno to izrazio ove sedmice u New Scientistu : „Znanost ne bi trebala ovako funkcionirati.“

Za Taoa, način na koji se ovi nalazi objavljuju i „bacaju“ u matematičku zajednicu mogao bi naštetiti tom području. Po njegovom mišljenju, to je utrka koja ne koristi nikome (osim marketinškim odjelima kompanija za umjetnu inteligenciju) i stvara usko grlo, jer nema dovoljno vremena za apsorpciju rezultata, njihovo potpuno razumijevanje i podučavanje učenika. „Te kompanije bacaju hrpe sirovog mesa na naš seoski stol, govoreći: ‘Evo, riješio sam vaš problem s hranom.’ A onda jednostavno odu“, kaže Tao.

Najveći problem s proždrljivom umjetnom inteligencijom, gdje matematičari i znanstvenici iz drugih područja hrane svoje rezultate, nije zamagljivanje autorstva – teškoća u spoznaji ko je otkrivač ili kome treba odati zasluge – već erozija povjerenja. Ako se proširi praksa koju smo vidjeli s Navier-Stokesovim algoritmom, matematičari će prestati objavljivati ​​svoje rezultate, bojeći se da će ih drugi unijeti u stroj i završiti svoj rad snažnijim algoritmima. To, upozorava Tao, ugrozit će otvorenu i kolaborativnu kulturu te potisnuti istraživanje u podzemlje. „Saznanje da neko radi na problemu sada je vrijedna informacija“, kaže.

Terence Tao i 14 drugih dobitnika Fieldsove medalje objavili su ovog petka manifest u kojem pozivaju na korištenje umjetne inteligencije kako bi se očuvalo ljudsko razumijevanje i transparentnost u matematičkim istraživanjima. Prethodno je Leidenska deklaracija, objavljena 2. juna 2016., koju je podržala Međunarodna matematička unija (IMU), upozorila na potencijalne probleme s umjetnom inteligencijom, poput gubitka pripisivanja izvornim autorima i rastućeg utjecaja velikih tehnoloških tvrtki na istraživačke programe. Naglašavala je da cilj matematike nije samo stvaranje teorema, već i “generiranje ljudskog razumijevanja”.

Uvodnik u časopisu PLOS Biology, autorica Renee Hoch i Joanne Clarke iz juna 2025., upozorio je da korištenje generativne umjetne inteligencije za prijedloge, rukopise i druge projekte može ugroziti povjerljivost i intelektualno vlasništvo. „Sa svim podacima koje dijelite na osobnom računu, možete pretpostaviti da se mogu koristiti za obuku novih sustava“, rekao je za The New York Times Aneesh Muppidi, istraživač umjetne inteligencije na Sveučilištu Stanford. Ali ova je situacija privremena. „Ovo će biti problem sljedećih šest mjeseci ili godinu dana“, duhovito primjećuje Sanjeev Arora sa Sveučilišta Princeton. „Nakon toga, ljudska kompetencija možda više neće biti vrijedna razmatranja.“

Veliki nadzornik

Previranja uzrokovana pojavom ovih proždrljivih umjetnih inteligencija proširila su se na ostatak znanosti. Nedavna studija, u kojoj su sudjelovali stručnjaci za javne politike iz Europske komisije, istražila je kako umjetna inteligencija prijeti “samim temeljima znanstvenog razumijevanja” i dovodi u pitanje što znači “biti znanstvenik”. Ova svemoćna tehnologija mogla bi spasiti znanost od stagnacije produktivnosti posljednjih desetljeća, ali također nosi rizik ograničavanja znanstvenog napretka, upozoravaju.

Osim što se koristi za prijevare – za hranjenje farmi papira ili plagiranje tuđeg rada – umjetna inteligencija postala je prisutna u svim fazama procesa: od formuliranja hipoteze do objavljivanja i recenzije. Na individualnoj razini, povećava produktivnost znanstvenika u usporedbi s onima koji nastavljaju s tradicionalnim metodama. Oni koji koriste umjetnu inteligenciju, prema nedavnoj studiji u časopisu Nature, objavljuju tri puta više članaka, dobivaju gotovo pet puta više citata i postaju voditelji istraživačkih projekata 1,37 godina ranije. S druge strane, usvajanje umjetne inteligencije smanjuje kolektivni volumen proučavanih znanstvenih tema i sužava fokus istraživača, stvarajući paradoks: „Širenje utjecaja pojedinačnih znanstvenika, ali smanjenje opsega kolektivne znanosti.“

U analizi koju je ove sedmice objavio Science Media Center, Lluis Montoliu, stručnjak za bioetiku u Nacionalnom centru za biotehnologiju (CNB-CSIC), naglasio je opasnost da umjetna inteligencija postane primarni nadzornik znanstvenog rada. „Više od polovice recenzija radova nisu proveli ljudi, već sustavi umjetne inteligencije“, upozorava. To može dovesti do sustavne pristranosti, budući da je umjetna inteligencija manje vješta u generiranju uistinu revolucionarnih ideja i kažnjava inovativne prijedloge. To bi moglo značiti da bi članke poput razvoja CRISPR tehnike, koja je Jennifer Doudna i Emmanuelle Charpentier donijela Nobelovu nagradu za kemiju, „umjetna inteligencija blokirala jer su bili previše revolucionarni i neočekivani“, ističe.

„Automatizacija istraživanja mogla bi proizvesti kratkoročnu učinkovitost u smislu rezultata po cijenu dugoročnog kolapsa, jer istraživači više ne bi mogli poticati proizvodnju znanja izvan novih granica“, piše Henrik Skaug Sætra u drugom članku . Akhil Bhardwaj, istraživač na Sveučilištu u Bathu, identificira opasnost od prepuštanja logike otkrića vanjskim suradnicima i prepuštanja u ruke umjetne inteligencije te ukazuje na jedan od problema: idealizirali smo trenutke „eureke“, a korištenje umjetne inteligencije za stvaranje hipoteza i teorija prijeti da će znanosti oduzeti dio tog „romantizma“. Bismo li dobili isto zadovoljstvo kada bismo znali da je trenutak u kojem se žarulja upalila uzrokovan generativnom umjetnom inteligencijom? pita se.

Unatoč demonstracijama umjetne inteligencije, čini se da nešto sprječava znanstvenu zajednicu da prihvati da bi mogla biti jednako briljantna, ili čak briljantnija od velikih znanstvenih ličnosti. Znanstvenik i znanstveni komunikator Philip Ball nedavno je u časopisu Nature pregledao neke od nedavnih eksperimenata s “povijesnim” jezičnim modelima stvorenim kako bi se testiralo može li umjetna inteligencija ponovno otkriti Einsteinovu teoriju opće relativnosti ako bi joj se dale iste informacije koje je imao u to vrijeme. Mnogi stručnjaci, poput istraživača Toma Zahavyja, vjeruju da stroju nedostaje korak, jer se oslanja na induktivno zaključivanje – akumulaciju i statističko usrednjavanje podataka – a ne na kreativni skok koji izmišlja potpuno novi uzrok iz anomalija ili oskudnih podataka. I dalje obožavamo naše Perelmane olovke i papira, ali jesmo li doista sigurni da sljedeća generacija strojeva neće biti sposobna napraviti te skokove?

Prema crnoj rupi?

Na horizontu se nazire uistinu zastrašujuća mogućnost koju je Arora istaknuo: da će umjetna inteligencija početi samostalno provoditi znanost i više nas uopće neće trebati. „U ne tako dalekoj budućnosti mogla bi se pojaviti treća faza u kojoj autonomni sustavi umjetne inteligencije provode vlastita istraživanja i generiraju znanje bez ljudskog nadzora ili kontrole“, primjećuju David B. Resnik, Mohammad Hosseini i Rico Hauswald u drugom nedavnom članku. To dovodi do drugog scenarija koji su neki nazvali problemom „crne kutije“: istraživanja generirana umjetnom inteligencijom mogu ostati izvan ljudskog shvaćanja i možda nećemo znati krajnje uzroke rezultata.

„Koje znanje posjeduje dijagnostički sustav koji, na temelju gomile podataka, daje rezultat, ali čije temeljne principe ne možemo dešifrirati?“ pita  Joaquín Sevilla, fizičar i profesor na Javnom sveučilištu Navarre (UPNA) i stručnjak za sustav objavljivanja. „Neuronske mreže ponekad daju spektakularne praktične rezultate, ali bez ikakve metakognicije: ne znaju kako znaju. Nemoguće je znanje koje koriste za generiranje svojih rezultata pretvoriti u format koji je smislen ljudima.“

U nadolazećim sedmicama ili mjesecima, stotine matematičara morat će posvetiti ogroman trud razotkrivanju i reviziji zamršenog predloženog rješenja OpenAI-a za Navier-Stokesov problem, pokušavajući prevesti gustu logiku kojom strojevi rade na jezik ljudskog razuma. Možda će doći dan kada ćemo znati što je tačno, ali razlozi ostaju nedostižni. Ako umjetna inteligencija proizvodi besprijekorne dijagnoze ili teoreme, ali ne može objasniti kako je do njih došla, znanost riskira ulazak u opasnu crnu rupu znanja: scenarij u kojem ćemo zauvijek izgubiti ljudsku sposobnost da razumijemo zašto se stvari događaju.

Izvor: El Diario