QUBO iz prirodnog jezika: AI koji prevodi "hoću najbolje" u matematiku

Dvije stvari koje nitko ne voli: matematičare koji tvrde da je sve optimizacija, i ljude koji tvrde da se sve može prevesti na prirodni jezik. Negdje između te dvije tvrdnje leži papir koji upravo opisuje kako bi jezični model mogao prevoditi opis problema na hrvatskom — ili bilo kojem drugom jeziku — u QUBO formulaciju. Kvadratno neograničenu binarnu optimizaciju. Zvuči kao nešto što bi student treće godine matematike objasnio na salveti i onda tri sata crtao po ploči.

A zapravo je to jedno od rijetkih mjesta u cijelom AI cirkusu gdje se radi nešto što ima smisla.

QUBO, za one koji su preskočili taj dio fakulteta ili ga nisu imali, jest način da se problem kombinatorne optimizacije zapiše kao kvadratna funkcija binarnih varijabli. Svaka varijabla je nula ili jedinica. Cilj je minimizirati izraz. Zvuči jednostavno. Nije. Jer kad pokušaš stvarni problem — raspored smjena u bolnici, rutiranje dostavnih vozila, raspoređivanje zadataka po procesorima, optimizaciju portfelja, bilo što što uključuje diskretne odluke — pretvoriti u taj format, otkriješ da pola vremena ne trošiš na rješavanje problema, nego na njegovo prevođenje u jezik koji rješavač razumije.

To je kao da imaš genijalnog majstora koji zna popraviti bilo koji motor, ali razumije isključivo upute napisane u obliku soneta. Ti imaš motor. Imaš problem. Imaš alat. Ali između tebe i alata stoji prijevod.

I tu nastupa papir. Automatizirano generiranje QUBO formulacija iz prirodnog jezika. Prijevod s ljudskog na matematički. Dosad je to bio posao doktoranada koji tri mjeseca bulji u ploču, pokušava shvatiti što točno "ravnomjerno rasporedi smjene, ali ne u petak jer je Ivana na godišnjem, i pazi da noćna ne bude dva dana zaredom" znači u terminima binarnih varijabli, kaznenih članova i ograničenja, i onda na kraju shvati da je zaboravio jedan constraint pa sve radi ispočetka.

Ako je vjerovati sažetku, problem je konkretan: identificirati binarne varijable, ograničenja, funkciju cilja, kaznene članove i skaliranje. Pet stvari. Zvuči kao pet stvari. U praksi, pet načina da zajebeš stvar tako da rješenje bude tehnički ispravno i praktično besmisleno.

Ono što je zanimljivo nije sama ideja — ideja je očita, svatko tko je radio s LLM-ovima u zadnje dvije godine zna da je prevođenje strukturiranih opisa u formalne zapise točno ono za što su ti modeli dobri — nego činjenica da je to sada dovoljno ozbiljno da završi na arXivu. Prije tri godine to bi bila zabavna demonstracija na konferenciji. Danas je istraživački rad. Sutra će biti feature u nekom SaaS proizvodu koji će prodavati "AI-powered optimization as a service" za 49 dolara mjesečno, a za godinu dana će to biti u Excelu, skriveno iza gumba "Optimize" koji nitko neće razumjeti.

I tu je prava priča. Ne u QUBO-u. U tome što se cijeli jedan sloj stručnosti — onaj koji je zahtijevao da netko zna i kombinatoriku i formalne metode i specifičnosti pojedinog rješavača — upravo pretvara u međukorak. U prijevod. U nešto što se može automatizirati, jer je u konačnici pravilo. A pravila, kad ih dovoljno puta vidiš, model nauči.

To ne znači da optimizacijski stručnjaci mogu ići doma. Znači da će njihov posao biti provjera, a ne proizvodnja. Što je, iskreno, i bolje za sve. Jer nitko ne uživa u tri mjeseca prevođenja zahtjeva u matematiku. To je posao koji je postojao isključivo zato što nije bilo alternative. Alternative su sad tu.

Ali ima kvaka. I kvaka je velika.

Kad model prevodi prirodni jezik u formalni zapis, on ne razumije problem. On prepoznaje uzorke. Ako mu kažeš "rasporedi smjene tako da bude pošteno", on će proizvesti nešto što izgleda kao formalizacija pojma "pošteno". Ali "pošteno" nije matematički pojam. To je društveni konstrukt koji se mijenja od odjela do odjela, od bolnice do bolnice, od države do države. Model će ga prevesti u neku formulu. Ta formula će biti jedna od mnogih mogućih. I nitko — apsolutno nitko — neće provjeriti je li to ona prava, jer rezultat će izgledati kao da je došao iz crne kutije koja zna.

To je isti problem kao i sa svim ostalim LLM primjenama u područjima gdje su posljedice stvarne. Ne u tome što model griješi. U tome što model griješi tiho, samouvjereno, i u formatu koji izgleda kao da je prošao kroz stručnu provjeru.

Zamisli bolnicu koja koristi ovakav sustav za raspoređivanje smjena medicinskih sestara. Model pročita zahtjeve, generira QUBO, solver ga riješi, raspored izađe. Nitko ne provjerava QUBO jer nitko u bolnici ne zna što je QUBO. Provjeravaju raspored. A raspored izgleda u redu — dok ne shvatiš da je model "pošteno" preveo kao "minimalna varijanca u broju noćnih smjena po osobi", a sindikat je "pošteno" definirao kao "nitko ne radi više od dvije noćne zaredom, i to se ne krši ni pod koju cijenu". Dvije različite stvari. Ista riječ. Rezultat: raspored koji matematički savršeno zadovoljava pogrešan kriterij.

To nije bug. To je feature. Samo što nitko nije pročitao dokumentaciju.

Slično je s financijama. Optimizacija portfelja je klasičan QUBO problem. Ako modelu kažeš "minimiziraj rizik uz ciljani povrat", on će to prevesti. Ali "rizik" u Markowitzevom smislu nije "rizik" u smislu u kojem ga ti osjećaš kad ti trećinu mirovine drži u nečemu što je jučer palo 12 posto. Model će optimizirati ono što si rekao. Ne ono što si mislio.

I tu dolazimo do najzanimljivijeg dijela. Ovakvi alati ne uklanjaju potrebu za stručnjakom. Oni je premještaju. Stručnjak više ne piše formulaciju — stručnjak provjerava je li formulacija ono što je korisnik htio. A to je teži posao, jer zahtijeva razumijevanje i domene i formalizacije, i još sposobnost da objasniš korisniku gdje je njegov zahtjev bio dvosmislen. Sposobnost koju, budimo iskreni, većina ljudi u techu nema.

Ako je AI toliko pametan da prevede "rasporedi smjene pošteno" u QUBO, zašto onda ne može pitati "što točno misliš pod pošteno, jer postoje najmanje četiri matematički različite definicije i svaka daje drugačiji raspored"? Može. Ali neće, jer je istreniran da bude koristan, a ne dosadan. A pitati korisnika da razjasni vlastite zahtjeve je, u svijetu AI proizvoda, definirano kao dosadno.

To je pravi problem cijelog ovog smjera. Ne tehnologija. Tehnologija je impresivna. Problem je što se tehnologija prodaje kao rješenje za nešto što nije tehnički problem. "Kako prevesti zahtjev u formulu" je tehnički problem. "Što korisnik stvarno želi" nije. I nikakav transformer to neće riješiti, jer to nije problem prevođenja. To je problem komunikacije. A komunikacija je, zadnjih trideset godina u IT-u, uporno tretirana kao nešto što se rješava boljim UI-om.

Nije. Nikad nije bilo.

Ali dobro, budimo fer. Ovaj papir ne obećava rješenje za komunikaciju. Obećava rješenje za prevođenje. I to je ono što stvarno radi. Ako uspije — a vjerojatno hoće, u nekoj verziji, za neku klasu problema — to je stvarno korak naprijed. Ljudi koji danas provode tjedne prevodeći poslovne zahtjeve u QUBO moći će to raditi u satima. Ljudi koji to nikad nisu mogli raditi jer nisu imali formalno obrazovanje moći će pristupiti alatima koji su dosad bili zatvoreni iza zida matematike.

To je dobra stvar. Stvarno je dobra stvar. Samo što dolazi s računom koji nitko neće platiti do trenutka kad shvati da je platio.

QUBO nije egzotičan. Nije ni nov. Postoji od osamdesetih, u raznim oblicima, pod raznim imenima. Ono što je novo je da se sada pojavljuje u kontekstu kvantnih i kvantno-inspiriranih rješavača, što znači da postoji cijela industrija koja ima financijski interes da QUBO postane standardni način zapisivanja optimizacijskih problema. Jer ako je QUBO standard, onda svatko tko ima kvantni ili hibridni rješavač može tvrditi da rješava tvoj problem. A ako je prevođenje u QUBO automatizirano, onda je barijera ulaska za korisnike minimalna.

To je poslovni model. Nije znanstveni. Znanstveni dio je zanimljiv, ali poslovni dio je ono što pokreće stvari.

I zato ćemo u sljedećih dvije do tri godine vidjeti eksploziju alata koji svi rade istu stvar: uzmeš opis problema na engleskom, dobiješ QUBO, pošalješ ga u rješavač, dobiješ rješenje. Neki od tih alata će biti dobri. Većina neće. Svi će tvrditi da su enterprise-grade. Nitko neće objasniti što to znači.

A onda će netko, negdje, u nekoj firmi, pokrenuti optimizaciju koja će vratiti rješenje koje izgleda sjajno, biti implementirano, i za šest mjeseci uzrokovati problem koji nitko neće moći objasniti jer nitko neće znati što je model zapravo optimizirao. Jer ono što je model optimizirao bilo je ono što je pisalo u zahtjevu. A ono što je pisalo u zahtjevu bilo je ono što je netko napisao u pet minuta između dva sastanka.

To nije problem QUBO-a. To je problem ljudi. I kao i obično, tehnologija će ubrzati proces, ne popraviti ga.

S druge strane, ako ćemo iskreno, alternativa je da i dalje imamo doktorande koji tri mjeseca prevode zahtjeve u matematiku, i to je također problem, samo sporiji. Ubrzavanje loše definirane stvari nije rješenje, ali je barem brže loše. A u svijetu u kojem svi trče, brže loše pobjeđuje sporije dobro. To nije lijepo. To je istina.

Izvor: arxiv.org