L'intelligenza artificiale supera ancora una volta l'uomo

Pushmeet Kohli, responsabile dell'intelligenza artificiale scientifica di Google DeepMind, in un colloquio con il Guardian ha dichiarato: “Quando abbiamo iniziato il progetto, non c'era alcun segno che l'intelligenza artificiale avrebbe prodotto qualcosa di veramente nuovo”, aggiungendo: “Per quanto ne sappiamo, è la prima volta che viene fatta una scoperta scientifica reale e inedita utilizzando un modello linguistico di grandi dimensioni”.

Secondo gli ingegneri del dipartimento di intelligenza artificiale di Google, un chatbot appare ormai come una delle menti più brillanti nel campo della combinatoria, un'area della matematica che può risultare estenuante e frustrante. Inizialmente, l'obiettivo era solo quello di creare una prova di concetto; la vera svolta è stata un nuovo algoritmo che il team ha chiamato FunSearch. Tuttavia, l'IA non si è accontentata di essere una prova di concetto e ha proseguito, trovando soluzioni a problemi irrisolti molto migliori di quelle trovate in precedenza.

Alhussein Fawzi e Bernardino Romera Paredes hanno scritto in un post sul blog di DeepMind: “FunSearch ha scoperto nuove soluzioni per il problema del limite superiore, un problema aperto da tempo in matematica”, proseguendo: “Il problema consisteva nel trovare il più grande insieme di punti (chiamato insieme limite) in una griglia ad alta dimensione in cui non si trovassero tre punti su una linea”.

A questo punto, fare un esempio può essere utile. Nel gioco Set, vengono distribuite 12 carte, ognuna contrassegnata da una combinazione unica di forma, colore, ombreggiatura e numero. I giocatori mirano quindi a trovare un set di tre carte in cui ciascuna di queste caratteristiche sia completamente diversa o identica tra loro. Ad esempio, un gruppo composto da una carta con un rombo rosso, una carta con due rombi a righe blu e una terza con tre rombi verdi vuoti forma un set, perché in tutte sono presenti dei rombi. Tuttavia, a parte il fatto che sono rombi, i colori, le ombreggiature e il numero su ciascuna di esse sono diversi.

Se nessuno riesce a trovare uno di questi set con le 12 carte sul tavolo, il che è certamente possibile, vengono distribuite altre carte finché non se ne trova uno. I matematici hanno deciso di chiedersi quante carte possano essere distribuite prima che appaia un set, o, nel linguaggio matematico, qual è la dimensione massima di un set in Z34.

In realtà, questo problema specifico è stato risolto nel 1971 e la risposta era 20. Tuttavia, quando si tratta di insiemi più grandi, le cose diventano molto più difficili. Come tristemente comune nella combinatoria, il numero di potenziali soluzioni aumenta incredibilmente in fretta e, solo arrivando a otto caratteristiche, bisogna confrontarsi con combinazioni come 31.600 potenziali “carte”.

Non sorprende che gli esseri umani non siano ancora riusciti a risolvere questo problema. Forse ancora più importante della domanda sul perché dovremmo provare una cosa del genere, non è nemmeno chiaro come dovremmo provarci. I matematici non sono riusciti a trovare un consenso nemmeno sul modo migliore per affrontare il problema del limite superiore per n = 8, figuriamoci trovare la risposta.

Ecco perché il fatto che l'intelligenza artificiale di Google sembri aver risolto questo problema con un limite di 512 dimensioni, finora sconosciuto, diventa un risultato molto notevole.

Kohli, in un colloquio con Nature, ha affermato: “Questa è la prima volta che viene dimostrato che un sistema basato su modelli linguistici può andare oltre ciò che è noto ai matematici e agli informatici”, aggiungendo: “Non è solo nuovo, ma è anche più efficace di qualsiasi altra cosa esistente oggi”.

Sebbene i risultati delle scoperte di DeepMind siano incredibili, i matematici probabilmente non devono ancora preoccuparsi per la sicurezza del proprio posto di lavoro. Per ora, FunSearch è limitato a problemi che soddisfano determinati criteri. Affinché possa risolvere i problemi, questi devono poter essere valutati e classificati in modo semplice ed efficiente, e deve seguire lo stesso trucco di “riempimento del codice mancante” che il team ha utilizzato nei problemi di set di copertura e di impacchettamento di scatole. I ricercatori sottolineano, ad esempio, che generare prove sarebbe attualmente troppo difficile per l'intelligenza artificiale, perché non si possono classificare tali cose in un modo che abbia senso per un computer.

Tuttavia, il fatto che un enigma di cui non si trovava risposta da tempo sia stato risolto è un altro esempio di ciò che l'intelligenza artificiale può fare e della sua potenza.

Lo studio è stato pubblicato sulla rivista Nature.