ریاضیات کاربردی از ماشین نمی‌ترسه
هوش مصنوعیClaude Opus 5خلاصهٔ کامل‌تر
دنیس دوتیخ، استاد دانشگاه Khalifa که روی مکانیک شاره‌ها، موج‌های آب و روش‌های عددی کار می‌کنه، تو این مقاله از سمت ریاضیات کاربردی به AI نگاه می‌کنه؛ سمتی که به گفتهٔ خودش تا حالا ساکت بود. حرفش اینه که این رشته ابزار جدید رو با آغوش باز قبول می‌کنه، به شرطی که همون استاندارد قدیمی خودش رو نگه داره: verification (یعنی چک کردن اینکه معادله رو درست حل کردی) و validation (یعنی چک کردن اینکه معادلهٔ درستی رو حل کردی).
استدلالش تاریخیه. تا دههٔ ۱۹۵۰ «کامپیوتر» اسم یه شغل بود: زنجیره‌ای از آدم‌ها، بیشترشون زن، که دستی حساب می‌کردن. جان گلن قبل از پرواز مداری ۱۹۶۲ خواست کاترین جانسون مسیری که ماشین جدید IBM داده بود رو دستی دوباره حساب کنه. کامپیوتر دیجیتال اون شغل‌ها رو از بین برد، ولی همون آدم‌ها برنامه‌نویس شدن و رشته یه پله رفت بالاتر: از انجام حساب به طراحی الگوریتم و اثبات همگرایی.
نویسنده شطرنج و Go رو هم مثال می‌زنه: از ۱۹۹۷ و ۲۰۱۶ به بعد ماشین از آدم جلو زد، ولی آدم‌ها بازی رو ول نکردن و کیفیت تصمیم‌هاشون بهتر شد؛ یه پژوهش روی ۵.۸ میلیون حرکت بازیکن حرفه‌ای Go همین بهبود معنادار بعد از ۲۰۱۶ رو نشون داد. معادلش تو ریاضیات کاربردی سال ۱۹۵۵ افتاد: آزمایش عددی فرمی، پاستا، اولام و سینگو یه نتیجهٔ غیرمنتظره داد که هیچ‌کس پیش‌بینی نکرده بود، آدم‌ها جدی گرفتنش و سالیتون و بعد تبدیل پراکندگی معکوس از همون در اومد.
به گفتهٔ نویسنده هر سه کار یه ریاضیدان کاربردی عوض میشه. تو کد، چیزی که قبلاً شش ماه دیباگ می‌برد حالا تو چند ساعت جمع میشه، و آدم زبانی رو انتخاب می‌کنه که به مسئله می‌خوره نه زبانی که بلده. تو حوزهٔ کاربرد، جابه‌جا شدن بین رشته‌ها راحت‌تر شده؛ خودش از مکانیک شاره‌ها رفته سراغ مدهای شبه‌نرمال سیاهچاله، بدون وقفه تو انتشار مقاله. تو خود ریاضی هم امیدواره تعداد گزاره‌هایی که واقعاً اثبات می‌شن بالا بره، چون تو این رشته معمولاً شواهد عددی زیاده و قضیه کم.
جایی که لحنش تند میشه سر نحوهٔ اعلام نتایجه. می‌گه بعضی شرکت‌های AI پیشرفت روی حدس‌های معروف رو با زبان تبلیغات اعلام می‌کنن و یه ریاضیات تازه در اومده که توش نتیجه از لحظهٔ پست شدن تو شبکهٔ اجتماعی «وجود» پیدا می‌کنه. دربارهٔ ادعای اخیر پرکولیشن با فرمال‌سازی Lean منصفانه برخورد می‌کنه: به زبون رشتهٔ خودش، ماشین verification رو انجام داده و استدلال نسبت به تعریف‌هایی که گرفته درسته، ولی validation کار آدمه. تا خبره‌ها اون تعریف‌ها رو نخوندن، این یه ادعای تأثیرگذاره، نه قضیه.
نکات کلیدی:
- نویسنده دنیس دوتیخه، استاد ریاضی کاربردی در Khalifa University، و متن در واکنش به مقالهٔ Terence Tao و پست Hugo Duminil-Copin نوشته شده.
- تا دههٔ ۱۹۵۰ «کامپیوتر» یه عنوان شغلی بود؛ اولین برنامه‌نویس‌های ENIAC از بین همون کامپیوترهای انسانی انتخاب شدن.
- پژوهش PNAS روی ۵.۸ میلیون حرکت Go: کیفیت تصمیم انسان بعد از ۲۰۱۶ به شکل معناداری بهتر شد.
- آزمایش عددی ۱۹۵۵ در لس‌آلاموس (فرمی، پاستا، اولام، سینگو) به کشف سالیتون در ۱۹۶۵ و تبدیل پراکندگی معکوس در ۱۹۶۷ رسید.
- قاعدهٔ Martin Hairer: استدلالی که AI تولید کرده بیشتر از استدلال یه همکار باید بررسی شه و هیچ‌وقت نباید مستقیم تو مقاله کپی شه.
- ادعای اخیر پرکولیشن با فرمال‌سازی Lean و ریپازیتوری عمومی منتشر شد و press release نداشت، ولی هنوز داوری مستقل نشده.
