אנתרופיק הגיעה להתקדמות בבעיה מתמטית שנעמדה 150 שנה
אנתרופיק חשפה שמודל AI שלה שעדיין לא פורסם הצליח להשיג התקדמות על הרימן השערה, בעיה מתמטית שניצבה 150 שנים. לא, AI עדיין לא פתרה אותה, אבל הוא הגיע למקום בו לא הגיע אדם.
אנתרופיק חשפה שמודל AI שלה שעדיין לא פורסם הצליח להשיג התקדמות על הרימן השערה, בעיה מתמטית שניצבה 150 שנים. לא, AI עדיין לא פתרה אותה, אבל הוא הגיע למקום בו לא הגיע אדם.
השערה מתמטית יסודית על התפלגות המספרים הראשוניים. היא קשורה למספר כל כך רחוק שמעט מתמטיקאים אפילו יכולים להסביר למה זה משנה.
לא. אך המודל הצליח להשיג התקדמות בדרך אליה, משהו שנחשב קשה מאוד. זה כמו להגיע לפסגה בהר אוורסט, לא לטפס עליו.
שמודלי AI לא עוד רק כלים טיפשים. הם יכולים לפתור בעיות מתמטיות מורכבות, מה שאומר שהם עוד חזקים יותר לטשטוש בעיות ניתוח נתונים, תכנות ותיכנון בארגונים.
הידעת?
הרימן השערה היא בעיה כל כך חשובה שהמכון קליי למתמטיקה הצעיר פרס על פתרונה 1 מיליון דולר, וזה עדיין לא פתור.
לפני שבוע, אנתרופיק (Anthropic) פרסמה מאמר מחקר שעורר דיון: מודל בינה מלאכותית של החברה, שעדיין לא פורסם לציבור, הצליח להשיג התקדמות בהשערת רימן (Riemann Hypothesis).
השערת רימן היא אחת משבע הבעיות הגדולות ביותר במתמטיקה. היא עומדת ללא פתרון מזה 150 שנה, וממש אף מתמטיקאי לא הגיע למקום בו הגיע מודל הבינה המלאכותית.
לא, זה לא אומר שקלוד (Claude) פתר אותה. אבל הוא עשה התקדמות שמעטים חישבו שאפשרית בעזרת מכונות.
לפי הדוח, מודל אנתרופיק הצליח לגזור משפטים חדשים וליישם טכניקות מתמטיות מתקדמות כדי להתקרב לפתרון. גם אם זה לא פתרון שלם, זה משהו שמתמטיקאים מובילים לא הגיעו אליו.
כיצד זה קרה?
המודל לא עשה זאת בדרך מוזרה של "על-אנושית". הוא בעצם:
זה עדיין לא בדיוק כפי שמתמטיקאי עובד, אבל זה בטוח קרוב יותר מכלי עוזר רגיל של בינה מלאכותית.
זה חשוב לשלוש סיבות:
עד לפני שנה, התפיסה הייתה שבינה מלאכותית טובה להקראת מהירות וריכוז מידע. עכשיו ברור שהיא יכולה להתמודד עם בעיות אנליטיות שדורשות חשיבה מורכבת ומתמטית.
מה זה אומר לעסקים? אם יש לכם בעיה בניתוח נתונים, משימות תכנות מורכבות או אפילו אתגרי הנדסה, קלוד (ובקרוב מודלים נוספים) יוכלו להתמודד עם זה בדרך טובה יותר ממה שחשבתם.
אם אתה מנהל בישראל שמחשבת על בינה מלאכותית, השאלה הגדולה היא: אילו חלקי העבודה שלי דורשים ממש חשיבה מתמטית?
התשובה היא יותר מהצפוי. דוחות פיננסיים, בדיקות סטטיסטיות, אופטימיזציה של מחירים, ניתוח שרשראות אספקה, הכל כולל מתמטיקה.
צעד מעשי: בואו נאמר שיש לכם צוות פיננסי שמבלה שעות בעבודת דוח חודשי. במקום לשכור מומחה בינה מלאכותית, תוכלו להשתמש בעוזר כמו סוכן בינה מלאכותית לניתוח נתונים כדי להפעיל את הדוח בדקה אחת. זה כבר מתרחש בחברות שמשתמשות בקלוד עם MCP.
זה אמור להשפיע על תכנון ארגוני שלכם. אם מודל שלא פורסם הצליח לעבור בעיה שנראתה בלתי אפשרית, זה אומר שחייבים כבר לתכנן לעדכן את הצוות שלכם לעבודה עם כלים אלה.
לא צריך מהפכה גדולה. רק שינוי בדרכי העבודה.
פרופ׳ ג'יימס מיינארד (James Maynard) מאוניברסיטת אוקספורד, זוכה מדליית פילדס (פרס הנובל של המתמטיקה), אמר ל-The Verge שהוא בהלם.
הוא גם אמר משהו חשוב: "זה לא אומר שבינה מלאכותית תחליף מתמטיקאים. זה אומר שמתמטיקאים חייבים ללמוד לעבוד עם בינה מלאכותית."
אם זה נכון למתמטיקאים, זה בטוח נכון לצוות שלכם.
השלב הבא של בינה מלאכותית בארגונים לא בעוד שנתיים. זה עכשיו.
התקדמות של אנתרופיק בבעיה מתמטית קשה אומרת משהו פשוט:
אם אתם בישראל וממונים על הטמעת בינה מלאכותית, עכשיו הזמן להעמיק. לא בעוד שנה.
זה מודל שלא פורסם עדיין, אז לא ברור. אבל הביקורת לדברי אנתרופיק מצביעה על שהעבודה הזו נעשתה עם מודל מהדור הבא, חזק מה-Opus 4.8.