Gdy zastanawiamy się nad postępami w badaniach nad sztuczną inteligencją (AI), nasuwa się naturalne pytanie o to, które z dwóch słów w terminie „sztuczna inteligencja” lepiej oddaje aktualny stan prac. Bo choć już w 1997 r. algorytm Deep Blue pokonał szachowego mistrza Garriego Kasparowa, to kolejny przełomowy krok „myślącej” maszyny dokonał się dopiero w 2016 r. – mistrz świata w grze go, Lee Sudol, uległ algorytmowi AlphaGo. Jak algorytmy AI radziłyby sobie w rozwiązywaniu licealnych zadań z matematyki iinformatyki?

Zespół informatyków z Open AI, Uniwersytetu Cambridge oraz Politechniki Paryskiej stworzył algorytm, który ma rozwiązywać zadania z matematyki na poziomie licealnej olimpiady. Praca nad nim nie należała do łatwych, bo choć matematyka jest nauką formalną, to wymaga operowania na symbolach, planowania i kreatywności – i takie umiejętności musiał także zdobyć program. Ponadto potencjalnych sposobów rozwiązania zadań jest nieskończenie wiele. Naukowcy zaproponowali rozwiązanie, w którym algorytm „przyswaja” wiedzę poprzez rozwiązywanie coraz trudniejszych zadań, wykorzystując uczenie się ze wzmocnieniem (sprytna metoda prób i błędów). Tak rozwijany algorytm rozwiązał dwa zadania z międzynarodowej olimpiady. To więcej, niż zdołałby dokonać przeciętny mieszkaniec globu, lecz na tle olimpijczyków nie robi wrażenia.
Z kolei grupa informatyków z DeepMind stworzyła program AlphaCode, który jest w stanie wykonywać zadania z programowania na poziomie konkursowym, czyli takim, który wymaga znajdowania nowych rozwiązań. AlphaCode musiał uporać się z trzema wyzwaniami: zrozumieć zadanie (komputer to nie człowiek, musi słowa przetłumaczyć na zrozumiały dla siebie język), rozwiązać je (przedstawić wynik w postaci kodu), a wynik musiał być w praktyce wykonalny (np. czas obliczeniowy potrzebny do uzyskania odpowiedzi musiał być odpowiednio krótki). Testując swój pomysł na platformie konkursowej Codeforces, AlphaCode uzyskał wynik mniej więcej w połowie stawki 5 tys. doświadczonych uczestników.
Oba z opisywanych badań mają wspólny mianownik: bazują na matematycznej analizie języka naturalnego – w tym przypadku na wykorzystaniu mechanizmów tłumaczenia abstrakcyjnych problemów na język zrozumiały dla komputera. Zarówno z matematyki, jak i z informatyki sztuczna inteligencja w porównaniu z laikami jest prymusem, ale lepsi licealiści wciąż biją ją na głowę.
W przyszłości systemy AI z pewnością będą stanowiły nieocenioną pomoc, ale prawdziwej sztucznej inteligencji, posiadającej wszystkie atrybuty dostępne umysłowi ludzkiemu, nie widać jeszcze na horyzoncie. Dotychczasowe problemy stawiane komputerowi są precyzyjnie zdefiniowane oraz wymagają szybkiego sprawdzania metodą prób i błędów różnych rozwiązań. Mimo to nie pokonują dobrych licealistów. A przecież nie mówimy nawet o interdyscyplinarności, kreatywności i abstrakcyjnym myśleniu ekspertów. ©℗