Sedamsto matematičkih dokaza u jednom danu i tri povučena sljedećeg jutra jer je netko zamijenio plus s minusom

To je rečenica koju bi svaki matematičar trebao pročitati dva puta. Prvi put da se nasmije. Drugi put da shvati da se ne radi o šali, nego o stanju struke koje je došlo po njih, tiho, u noći, preko API-ja, s fakturom koju nitko nije potpisao.

OpenAI je isporučio više od sedamsto generiranih matematičkih rukopisa odjednom. Ne jedan. Ne pet. Sedamsto. Kao da je netko otvorio ventil na cisterni i pustio da se sadržaj prelije preko cijelog polja umjesto da ga pažljivo dozira po recenzentskim procedurama koje su za takvu količinu bile projektirane negdje u pedesetima, kad je čovjek s olovkom bio jedini alat, a pismo mentoru putovalo tjednima. Sutradan su tri rada povučena. Razlog? Greška u predznaku. Plus. Minus. Dvije crtice na ekranu. Cijeli ponosni korpus, sedamsto radova, srušen zbog nečega što bi srednjoškolac na državnoj maturi iz matematike trebao uhvatiti u prvom pregledu.

Koji kurac.

Ne radi se tu o grešci. Greške se događaju, i ljudi ih rade, i to je normalno. Radi se o tome da je netko odlučio da je brzina važnija od točnosti, da je volumen važniji od provjere, i da je polje koje se stoljećima gradilo na apsolutnom poštovanju dokaza — gdje je svaki korak morao stajati na prethodnom kao cigla na cigli — sada mjesto gdje se izbacuje gradivo kao da je riječ o TikToku, a ne o Zborniku radova. Matematika je, naime, jedna od rijetkih disciplina gdje nema "otprilike", nema "uglavnom", nema "u dobroj vjeri". Ili dokaz drži, ili ne drži. Nema treće opcije. Nema "ali kontekst". Nema "ali namjera autora je bila dobra". Dvije crtice u krivom smjeru i cijela zgrada pada. To nije strogost radi strogosti — to je definicija same stvari.

Sad zamisli kako to izgleda iz fotelje urednika nekog matematičkog časopisa koji je jučer dobio sedamsto prijava. Ne sedamsto tijekom godine. Sedamsto u jednom danu. Recenzentski sustav, onaj isti koji se oslanja na neplaćene recenzente koji rade poslije svog redovnog posla, jer akademska zajednica još uvijek funkcionira na dobroj volji i kavi, odjednom dobije teret koji fizički ne može apsorbirati. To nije "povećan interes za polje". To je DDoS napad na ljudsku pažnju, maskiran u doprinos znanosti. I to je ono što struka sada pokušava imenovati, jer imenovanje je prvi korak prema obrani.

Udruga za ljudsku matematiku poziva na bojkot. Zvuči dramatično dok ne shvatiš da je to jedini jezik koji ovakva situacija razumije. Ne možeš pregovarati s API-jem. Ne možeš poslati pritužbu algoritmu. Možeš samo reći: nećemo recenzirati, nećemo citirati, nećemo sudjelovati u cirkusu. I to je, u svijetu gdje se sve mjeri brojem publikacija i brzinom objave, jedini potez koji ima težinu. Jer ako recenzenti prestanu recenzirati, cijeli sustav stane. A sustav koji stane je sustav koji je prisiljen razgovarati.

Ono što je najzanimljivije u cijeloj priči nije brojka sedamsto. Nije ni povlačenje tri rada. Nego činjenica da su matematičari, ljudi koji su profesionalno opsjednuti dokazivanjem, prvi put u poziciji da moraju dokazivati nešto što se ne može dokazati formalno — da razlikuju ljudski rad od strojnog, i da to razlikovanje ima posljedice. Jer zamisli scenu: dva rada, identične strukture, identične kvalitete, jedan napisao doktorand u trećoj godini, drugi generirao model u tri sekunde. Povjerenstvo ih gleda i ne vidi razliku. Je li razlika uopće postojala? I ako nije, čemu onda cijela institucija akademskog rada, mentorstva, obrane, cijele ceremonije koja je stoljećima postojala da bi se proizvelo upravo to — rad koji drži?

Ako je AI toliko pametan, zašto mu treba sedamsto pokušaja da pogodi gdje ide minus, i zašto mu je potrebno da neki čovjek to sutradan otkrije? To nije retoričko pitanje. To je pitanje koje bi svaki investitor u AI trebao postaviti prije nego potpiše sljedeći ček. Jer sedamsto radova nije dokaz inteligencije. Sedamsto radova je dokaz brzine. A brzina bez točnosti je samo skuplji način da se pogriješi.

I onda dolazi onaj dio koji boli. Terence Tao, čovjek čije ime u matematičkim krugovima funkcionira kao žig kvalitete, upozorava da bi AI mogao preplaviti polje radovima koji su tehnički ispravni, ali konceptualno prazni. To je najgori scenarij, gori od pogrešnog predznaka, jer pogrešan predznak se vidi. Prazan dokaz se ne vidi. Prazan dokaz prolazi recenziju, citira se, ulazi u literaturu, i za deset godina netko gradi na njemu, i onda otkrije da je temelj bio pijesak. Matematika je jedina disciplina gdje se takva greška ne otkriva odmah, nego s odgodom od desetljeća, i to je njezina prednost i njezino prokletstvo istovremeno.

E sad, što je stvarni problem ovdje? Nije OpenAI. Nije ni AI kao takav. Stvarni problem je što je cijela akademska infrastruktura — recenzije, časopisi, konferencije, citatne metrike — izgrađena za svijet u kojem je proizvodnja radova bila skupa. Trošila je godine, trošila je karijere, filtrirala je ljude koji nisu bili dovoljno uporni. Ta skupoća nije bila bug. Bila je feature. Bila je filter. Kad proizvodnja postane besplatna, filter nestaje, a s njim i sve ono što je filter omogućavao — selekciju, povjerenje, hijerarhiju znanja. Ne možeš imati sustav koji se temelji na oskudnosti i onda u njega ubaciti neograničenu ponudu, a da se sustav ne raspadne. To je kao da u vodovod koji je projektiran za kap po kap pustiš Nil.

I tu nema rješenja koje se sviđa svima. Možeš zabraniti AI u akademskom pisanju, ali zabrana je neprovediva — ne možeš dokazati da je tekst generiran, a i da možeš, to je utrka koju gubiš jer detektori ne rade. Možeš uvesti obaveznu deklaraciju, ali deklaracija funkcionira samo kod onih koji žele biti pošteni, a pošteni su ionako već pošteni. Možeš povećati broj recenzenata, ali recenzenti su ljudi, a ljudi imaju granice. Možeš uvesti plaćene recenzije, ali onda matematika postaje polje u kojem sudjeluju samo oni s novcem, što je već ionako problem, samo bi ga ovo pogoršalo. Svako rješenje ima cijenu. Pitanje je samo koju cijenu je struka spremna platiti.

Ono što će se, po svoj prilici, dogoditi jest sljedeće: polje će se podijeliti na dva toka. Jedan će biti brz, jeftin, generiran, i njegova će vrijednost biti u količini, a ne u kvaliteti — i taj će tok funkcionirati kao šum u kojem se pravi signal gubi. Drugi će biti skup, spor, ljudski, i njegova će vrijednost biti upravo u tome što je skup i spor, jer skupoća i sporost su postale signal kvalitete. Ne zato što su inherentno bolje, nego zato što su postale rijetke. I onda će se pojaviti novi oblik prestiža: rad koji je trajao tri godine, koji je prošao kroz pet recenzija, koji je napisao čovjek koji je sjedio u sobi i mislio. Takav rad će vrijediti više nego ikad, jer će biti dokaz da je netko uložio nešto što se ne može kupiti — vrijeme.

A ono što je najsmješnije u cijeloj priči, ako se smijati uopće može, jest to da je matematika oduvijek bila polje u kojem se cijenilo upravo ono što AI ne može proizvesti: intuiciju, pitanje, odabir problema koji je vrijedan rješavanja. Generirati dokaz za već postavljen problem je jedno. Znati KOJI problem postaviti je nešto sasvim drugo. I tu, zasad, nema zamjene. Model može napisati sedamsto dokaza za sedamsto pitanja koja mu netko drugi postavi. Ali ne može odlučiti da je jedno od tih pitanja važno, a ostalih šeststo devedeset devet nije. Ta sposobnost — procijeniti što je vrijedno pažnje — ostaje ljudska, i ostat će ljudska još dugo, jer se ne uči iz podataka. Uči se iz iskustva, iz neuspjeha, iz godina provedenih u tišini razmišljajući o nečemu što nitko drugi ne razumije.

Sedamsto radova. Tri povučena. Dvije crtice. Plus i minus. Toliko je, na kraju, trebalo da se pokaže gdje je granica između brzine i smisla. I ta granica nije negdje u Silicijskoj dolini, u serverima, u modelima. Ta granica je u glavi čovjeka koji zna da dvije crtice nisu iste, i koji će to znati još dugo nakon što svi modeli budu trenirani na svemu što je ikad napisano. Jer znati da plus nije minus nije znanje. To je nešto drugo. Nešto što se ne generira.

Izvor: the-decoder.com