Κατά τη διάρκεια της Διεθνούς Μαθηματικής Ολυμπιάδας το 2024, γίναμε μάρτυρες μιας σημαντικής ανακάλυψης όταν δύο μοντέλα Τεχνητής Νοημοσύνης Google DeepMind αντιμετώπισαν επιτυχώς μαθηματικά προβλήματα, ένα κατόρθωμα που προηγουμένως είχε διαφύγει από τα μοντέλα τεχνητής νοημοσύνης όσον αφορά τη λογική συλλογιστική. Είναι ενδιαφέρον ότι την ίδια στιγμή, Chatbots όπως το ChatGPT του Open AI επέδειξαν την ικανότητά τους να συνθέτουν ποίηση, να συνοψίζουν βιβλία και να παρέχουν απαντήσεις με ευχέρεια συγκρίσιμη με αυτή των ανθρώπων. Αυτό εγείρει το ερώτημα: γιατί η Τεχνητή Νοημοσύνη μπορεί να διαπρέψει στη δημιουργική γραφή, αλλά να παλεύει με την επίλυση μαθηματικών προβλημάτων; Σύμφωνα με τους ειδικούς, η απάντηση βρίσκεται στο γεγονός ότι τα συστήματα AI βασίζονται σε υπολογισμούς που βασίζονται σε πιθανότητες και όχι σε αυστηρούς κανόνες. Ενώ αυτά τα συστήματα μπορούν να εκτελούν μαθηματικές πράξεις με βάση τις αποκτηθείσες γνώσεις τους, τα αποτελέσματα μπορεί να ποικίλλουν και ενδεχομένως να είναι λανθασμένα.
Σύμφωνα με τον Christian Hammond, καθηγητή επιστήμης υπολογιστών και ερευνητή τεχνητής νοημοσύνης στο Πανεπιστήμιο Northwestern, τα chatbot AI αντιμετωπίζουν δυσκολίες όσον αφορά τα μαθηματικά, επειδή δεν ήταν αρχικά προγραμματισμένα για τέτοιες εργασίες. Οι υπολογιστές είναι γνωστοί για την αμείλικτη ταχύτητα και την ακρίβειά τους από τότε που πρωτοεμφανίστηκαν τη δεκαετία του 1940, ξεπερνώντας τις ανθρώπινες δυνατότητες. Ως αποτέλεσμα, αυτό αντιπροσωπεύει μια σημαντική απόκλιση από το παραδοσιακό τοπίο της τεχνολογίας των πληροφοριών.
Πάνω από δέκα χρόνια πριν, εμφανίστηκε μια επαναστατική μέθοδος που αψηφούσε τα συμβατικά όρια και αποδείχθηκε εξαιρετικά προσοδοφόρα. Η βάση αυτής της πρωτοποριακής τεχνολογίας, γνωστής ως νευρωνικό δίκτυο, είναι εμπνευσμένη από τις περίπλοκες λειτουργίες του ανθρώπινου εγκεφάλου. Σε αντίθεση με τον παραδοσιακό προγραμματισμό, αυτή η μορφή τεχνητής νοημοσύνης δεν βασίζεται σε άκαμπτες οδηγίες, αλλά αντίθετα αποκτά γνώση μέσω εκτεταμένης ανάλυσης τεράστιων συνόλων δεδομένων. Αφομοιώνοντας άφθονες ποσότητες πληροφοριών, δημιουργεί γλώσσα προβλέποντας την πιο πιθανή λέξη ή φράση που θα ακολουθήσει, αντικατοπτρίζοντας τις γνωστικές διαδικασίες των ανθρώπινων όντων.
Υπήρξαν περιπτώσεις όπου τα chatbot τεχνητής νοημοσύνης δυσκολεύτηκαν με βασικά μαθηματικά προβλήματα που περιλαμβάνουν πολλαπλά βήματα για επίλυση, μια ανησυχία που έχει εγείρει οι επικριτές της βιομηχανίας τεχνολογίας. Ένα τέτοιο παράδειγμα επισημάνθηκε από την Kristen DiCerbo, την Chief Learning Officer στο Khan Academy, έναν μη κερδοσκοπικό οργανισμό που διερευνά τη χρήση ενός chatbot AI ως βοηθός διδασκαλίας. Κατά τη διάρκεια ενός πρόσφατου συνεδρίου, ο Δρ. DiCerbo αναφέρθηκε στο θέμα της ακρίβειας των μαθηματικών και αναγνώρισε ότι είναι ένα πρόβλημα που πολλοί δάσκαλοι γνωρίζουν.
Η Khan Academy εφάρμοσε πρόσφατα μια σημαντική τροποποίηση στο A.I της. βοηθός διδασκαλίας, γνωστός ως Khanmigo. Αντί να βασίζεται στην τεχνητή νοημοσύνη για την επίλυση μαθηματικών προβλημάτων, ο “βοηθός” χρησιμοποιεί τώρα ένα πρόγραμμα αριθμομηχανής για να χειριστεί τους μαθηματικούς υπολογισμούς. Ο Δρ DiCerbo εξέφρασε αισιοδοξία για τις δυνατότητες των chatbots στην εκπαίδευση και τόνισε τη χρήση εξειδικευμένων εργαλείων που έχουν σχεδιαστεί ειδικά για μαθηματικές εργασίες.
Σύμφωνα με το OpenAI, τα μαθηματικά είναι ένα ερευνητικό πεδίο που αποκτά σημασία και οι επιστήμονές τους προχωρούν σταθερά σε αυτόν τον τομέα. Το OpenAI δήλωσε ότι η τελευταία επανάληψη του GPT έδειξε ένα εντυπωσιακό ποσοστό ακρίβειας σχεδόν 64 % όταν επιφορτίστηκε με την επίλυση μιας τεράστιας σειράς προβλημάτων που απαιτούν τόσο οπτική αντίληψη όσο και μαθηματικό συλλογισμό.
Η απροσδόκητη επιτυχία της τεχνολογίας στον τομέα των μαθηματικών οδήγησε σε διχασμό μεταξύ των ειδικών, με δύο αντίπαλα στρατόπεδα να αναδύονται για τον πιο αποτελεσματικό τρόπο για περαιτέρω πρόοδο στον τομέα.
1.Στη Silicon Valley, η επικρατούσα πεποίθηση είναι ότι η τεχνητή γενική νοημοσύνη (A.G.I.), η οποία περιλαμβάνει την ικανότητα ενός υπολογιστή να εκτελεί εργασίες ισοδύναμες με αυτές του ανθρώπινου εγκεφάλου, μπορεί να επιτευχθεί μόνο μέσω της χρήσης προηγμένων νευρωνικών δικτύων που ονομάζονται μεγάλα γλωσσικά μοντέλα. Αυτά τα μοντέλα είναι η κινητήρια δύναμη πίσω από τα chatbot τεχνητής νοημοσύνης και θεωρούνται ως η κύρια οδός για σταθερές προόδους σε αυτόν τον τομέα.
2. Ωστόσο, υπάρχουν άτομα που εκφράζουν αμφιβολίες σχετικά με την επάρκεια της ενίσχυσης εκτενών γλωσσικών μοντέλων με πρόσθετα δεδομένα και υπολογιστική ισχύ.
Σύμφωνα με τον Δρ Yann LeCan, τον κορυφαίο επιστήμονα της τεχνητής νοημοσύνης στο Meta, τα μεγάλα γλωσσικά μοντέλα διαθέτουν ελάχιστη κατανόηση της λογικής και παρουσιάζουν ελλείψεις τόσο στη λογική σκέψη όσο και στην κοινή λογική. Για να αντιμετωπιστεί αυτός ο περιορισμός, ο Δρ. LeCan τονίζει την ανάγκη για μια πιο ολοκληρωμένη στρατηγική γνωστή ως “world modeling”. Αυτό συνεπάγεται την ανάπτυξη συστημάτων που μπορούν να αποκτήσουν γνώση για τη λειτουργία του κόσμου με τρόπο παρόμοιο με τον άνθρωπο. Ο Δρ LeCan εκτιμά ότι η επίτευξη αυτού του στόχου μπορεί να απαιτήσει περίπου δέκα χρόνια.
Ο Κερκ Σνάιντερ, καθηγητής μαθηματικών σε λύκειο της Νέας Υόρκης, λέει ότι θεωρεί αναπόφευκτη την εισβολή των chatbot στην εκπαίδευση. Ο ίδιος μάλιστα θεωρεί πως παρότι οι διευθυντές των σχολείων θα προσπαθήσουν να τα απαγορεύσουν, οι μαθητές θα τα χρησιμοποιούν.
