Математическая проблема, которая оставалась нерешенной в течение 87 лет, получила неожиданный исход: искусственный интеллект помог исследователю обнаружить контрпример, способный опровергнуть одну из наиболее известных гипотез в этой области.
Математическая проблема, которая оставалась нерешенной в течение 87 лет, получила неожиданный исход: искусственный интеллект помог исследователю обнаружить контрпример, способный опровергнуть одну из наиболее известных гипотез в этой области.
По данным New Scientist, открытие, сделанное математиком Левентом Альпёге, может стать самым сложным случаем, разрешенным при значительном участии ИИ в математике. Альпёге, исследователь Гарвардского университета, опубликовал 19 июля в социальной сети X контрпример, состоящий всего из 216 символов, который противоречит так называемой гипотезе Джекобиана.
Эта гипотеза была сформулирована математиком Оттом-Хейнрихом Келлером в 1939 году и предполагала, что определенный тип математической функции должен работать и в обратном направлении. Проблема десятилетиями не находила окончательного ответа и в 1998 году вошла в список из 18 крупных математических задач для XXI века, составленный Стивеном Смелом.
В своей публикации Альпёге сообщил, что использовал помощь своего «близкого друга Fable», предположительно, отсылку к модели ИИ Claude Fable 5 от Anthropic. Исследователь также поблагодарил систему за работу, выполненную во время финального матча Чемпионата мира. Эксперты отмечают, что этот результат расширяет роль ИИ в математических исследованиях.
Абишек Саха, исследователь в области математики из Queen Mary University of London, заявил, что, вероятно, это самая крупная гипотеза, в которой ИИ сыграл значительную роль в доказательстве или опровержении. Он подчеркнул, что это очень важно, поскольку ИИ добился заметного прогресса за последний год. Саха отметил, что опубликованный контрпример прост для проверки, и многие математики уже подтвердили его достоверность. Однако остается важным понять, каким путем ИИ пришел к решению.
Среди моментов, привлекших внимание, были: длительность нерешенности гипотезы (87 лет), минимальный размер контрпримера (216 символов), опровержение гипотезы при определенных условиях, а также тот факт, что процесс, использованный ИИ, еще не был полностью объяснен. Исследователь отметил, что открытие стало неожиданностью, поскольку многие ученые считали гипотезу интуитивно верной, и они пытались ее доказать, а не опровергнуть.
Несмотря на значимость открытия, оно не закрывает всех вопросов, связанных с гипотезой Джекобиана. Контрпример Альпёге опровергает гипотезу в случае трех переменных, но эквивалентная версия, касающаяся только двух переменных, все еще может оставаться верной, оставляя часть проблемы открытой. Этот прорыв также вновь поднял дискуссию о пределах возможностей искусственного интеллекта в математике. Крисс Боуман-Скаргилл из Йоркского университета считает, что технология продемонстрировала способность находить решения в сложных задачах, но это не означает, что человеческая креативность утратила свое значение.
Он приводит в пример Последнюю теорему Ферма, решенную Эндрю Вайлсом в 1994 году, как пример достижения, которое потребовало гораздо большего, чем просто конечный ответ, а именно создания новых математических теорий на протяжении многих лет работы. Иван Фесенко из Westlake University полагает, что все более совершенные модели ИИ изменят математические исследования в ближайшие годы, потенциально трансформируя способы разработки новых знаний и открывая новую фазу научного познания.
Отправляя резюме и адаптируя документы для разных возможностей, кандидаты могут заметить, что получаемые ответы часто схожи. Исследование, проведенное Стэнфордским университетом, предполагает, что это сходство может быть не совпадением.
Исследователи проанализировали миллионы заявок и пришли к выводу, что различные компании могут использовать системы искусственного интеллекта, которые воспроизводят одни и те же критерии принятия и отбраковки. Исследование под названием «Алгоритмические монокультуры в найме» изучило около 4 миллионов заявок, поданных более чем 3,4 миллионами человек в 156 компаний из 11 секторов экономики.
Ключевым выявленным фактором было то, что все эти организации использовали алгоритмы, предоставленные одним и тем же поставщиком. Эта деталь позволила выявить явление, называемое «алгоритмической монокультурой», термин, заимствованный из сельского хозяйства, где обширные территории посвящены одному типу посевов. Когда многие компании принимают аналогичные инструменты, возрастает вероятность того, что они будут оценивать соискателей, по сути, по одной и той же логике, что относится как к успехам, так и к недостаткам, присущим моделям.
Другое важное открытие касается схожих профилей кандидатов. Согласно исследованию, люди с аналогичными характеристиками, как правило, получают последовательную оценку, даже претендуя на вакансии в разных корпорациях. Основные результаты показывают, что примерно 10% кандидатов, участвующих в четырех отборах, отклоняются во всех них. Кроме того, около 4% тех, кто подает заявки на десять вакансий, сталкиваются с десятью последовательными отказами.
Отказы происходят чаще, чем ожидалось при независимом принятии решений. Примечательно, что многие резюме отсеиваются еще до того, как их рассмотрит человек-рекрутер. Чтобы подтвердить, был ли это поведение случайным, исследователи сравнили данные с теоретической базой и предыдущими исследованиями о найме без алгоритмической централизации, показав, что последовательные отказы отражают общий паттерн между различными процессами отбора.
Согласно проведенным симуляциям, продолжение отправки резюме все еще выгодно. Исследование показывает, что увеличение объема заявок повышает шансы получить возможность, хотя эта выгода снижается, когда компании используют идентичные системы. В сценарии, где решения автономны, около десяти заявок будет достаточно для достижения высокой вероятности получения хотя бы одной положительной рекомендации. Однако, когда процессы опосредованы централизованными платформами, это число возрастает примерно до 25 заявок, чтобы гарантировать вероятность в 99,9%.
Авторы также предупреждают о концентрации рынка технологий, ориентированного на подбор персонала. Поскольку немногие поставщики обслуживают множество компаний, любые существующие предубеждения или ограничения могут быстро распространиться. Более того, низкая прозрачность этих платформ затрудняет проведение независимых исследований и усложняет понимание того, как такие инструменты влияют на доступ к работе, при этом для многих кандидатов весь этот процесс происходит без ведома того, что алгоритм провел первый анализ резюме.
