În viziunea fondatorului Sifted, o companie media susținută de FT care acoperă start-up-urile europene
După cum știm acum, modelele generative de inteligență artificială, cum ar fi ChatGPT și DALL-E, se pricep foarte bine la inventarea de lucruri. În cea mai mare parte, aceasta este o distracție inofensivă, generând versuri false ale lui Beyoncé sau o pictură falsă a lui Raphael cu o Madonna și un copil care mănâncă pizza. Uneori, însă, această capacitate de a „halucina” fapte generează dezinformare și falsuri profunde.
În mod ideal, ne dorim ca mașinile să inventeze lucruri care sunt fiabile, nu doar plauzibile, și să extindă gama de înțelegere umană. Putem folosi modele de învățare automată pentru a genera idei cu adevărat noi în domenii dificile, inclusiv în matematică și știință, și pentru a îmbogăți creativitatea umană? Începe să se întrevadă acest lucru.
Mai întâi, însă, ar trebui să definim creativitatea. Margaret Boden, profesor de cercetare la Universitatea Sussex, are trei clasificări utile: combinativă, exploratorie și transformațională. Creativitatea poate consta în combinarea unor combinații improbabile de idei familiare (gândiți-vă la imaginile poetice) sau în explorarea unor noi spații conceptuale (gândiți-vă la jazz) – cele mai comune forme, sugerează ea. Mașinile se pricep destul de bine la aceste sarcini de recunoaștere și replicare a tiparelor, după cum au demonstrat modelele generative de inteligență artificială.
Dar cel mai evaziv și, probabil, cel mai valoros tip de creativitate este cel transformațional: generarea de idei sau concepte neimaginate anterior. „Revendicarea supremă a creativității AI ar fi un program care ar genera idei noi care inițial ne-ar lăsa perplecși sau chiar ne-ar respinge, dar care ar fi capabil să ne convingă că acestea sunt într-adevăr valoroase”, a scris Boden într-un articol publicat în 1998.
De atunci, creativitatea mașinilor a eșuat în testul lui Boden. Dar, la o discuție recentă găzduită de Institutul de Științe Matematice din Londra, cercetătorii au subliniat modul în care modelele de învățare automată încep să remodeleze matematica prin generarea de noi conjecturi importante, care ulterior s-au dovedit a fi adevărate, în domenii precum teoria nodurilor. „Domeniul se află într-un punct de inflexiune delicios: posibilitățile au fost dovedite, dar nu a fost încă explorat pe deplin”, a declarat un participant.
Matematica poate fi un teren de testare deosebit de bun pentru creativitatea mașinilor transformaționale. ChatGPT este o mașină de corelație lingvistică impresionantă, care prezice care sunt probabilitățile statistice ale următoarelor cuvinte din orice propoziție. Cu toate acestea, alte tipuri de modele de învățare automată pot fi antrenate pentru a genera rezultate mai substanțiale și mai demonstrabile. „Nu există coincidențe în matematica pură. Ori este adevărat, ori nu este adevărat”, după cum a remarcat un participant.
Potrivit lui Alex Davies, liderul fondator al inițiativei AI for Maths la DeepMind, deținută de Alphabet, compania mamă a Google, modelele de învățare automată pot ajuta la abordarea a trei bariere în calea creativității: plictiseala, rușinea și viziunea. Inteligența artificială poate îndeplini sarcini plictisitoare și repetitive. De asemenea, nu le este rușine să genereze rezultate aparent stupide, dar ocazional inspirate, pe care oamenii ar putea fi prea rușinați să le difuzeze.
Dar cel mai intrigant aspect este viziunea. Promisiunea este că instrumentele de învățare automată pot explora probleme matematice în dimensiuni pe care oamenii nu le înțeleg pe deplin. În prezent, Davies spune că experții lucrează cu sisteme de învățare automată pentru a-și ghida intuiția către rezultate creative, dar anticipează progrese suplimentare. „Cred că, în cele din urmă, vom vedea cum învățarea automată va avea un impact transformațional în matematică”, îmi spune el.
Toate acestea sună foarte teoretic. DeepMind a folosit deja modele de învățare automată pentru a prezice structurile 3D a peste 200 de milioane de proteine. „Este un fel de deblocare a explorării științifice la viteză digitală”, a declarat Demis Hassabis, cofondator al DeepMind. Ce înseamnă acest lucru în practică astăzi? Cercetătorii folosesc aceste modele pentru a ajuta la crearea de proteine complet noi și pentru a emite ipoteze pentru noi materiale pentru baterii. De asemenea, le folosesc pentru a concepe medicamente antivirale.
Pentru moment, companiile din acest sector rămân în mare parte „mașini de optimizare financiară”, folosind modele de învățare automată pentru a eficientiza procesele și a maximiza câștigurile, spune Martin Reeves, coautor al cărții The Imagination Machine. Dar el sugerează că acestea vor trebui să devină din ce în ce mai mult „mașini de imaginație” care pot folosi modelele de învățare automată pentru a stimula creativitatea și a dezvolta noi produse și servicii. „Mai mult decât un vizionar sau un poet, companiile își imaginează lucruri care nu există încă. Avem nevoie de această imaginație mai mult ca niciodată pentru a face față unor probleme precum schimbările climatice”, spune el.
Artistul Pablo Picasso, un exemplu de creativitate umană, are reputația de a fi spus că „computerele sunt inutile, ele pot doar să-ți dea răspunsuri”. Viața va deveni mai interesantă pe măsură ce ne vor ajuta să formulăm întrebări originale.
Sursa – www.ft.com
