Künstliche Intelligenz übertrifft erneut den Menschen

Pushmeet Kohli, Leiter der Abteilung für wissenschaftliche KI bei Google DeepMind, sagte in einem Gespräch mit dem Guardian: „Als wir mit dem Projekt begannen, gab es keinerlei Anzeichen dafür, dass die KI tatsächlich etwas Neues hervorbringen würde.“ Er fügte hinzu: „Soweit wir wissen, ist dies das erste Mal, dass ein großes Sprachmodell eine echte, neue wissenschaftliche Entdeckung macht.“

Nach Angaben der Ingenieure in der KI-Abteilung von Google wirkt ein Chatbot nun wie eines der führenden Köpfe auf dem Gebiet der Kombinatorik, einem Bereich der Mathematik, der oft als mühsam und frustrierend empfunden wird. Ursprünglich war dies nur als Machbarkeitsnachweis gedacht; der eigentliche Durchbruch war ein neuer Algorithmus, den das Team „FunSearch“ nannte. Doch die KI begnügte sich nicht damit, ein Konzeptnachweis zu sein, sondern machte weiter und fand Lösungen für ungelöste Probleme, die weitaus besser waren als alle bisher gefundenen.

Alhussein Fawzi und Bernardino Romera Paredes schrieben in einem Blogbeitrag für DeepMind: „FunSearch hat neue Lösungen für ein seit langem offenes Problem in der Mathematik entdeckt, das sogenannte Problem der oberen Schranken.“ Sie fuhren fort: „Das Problem bestand darin, die größte Menge an Punkten (die sogenannte Grenzmenge) in einem hochdimensionalen Gitter zu finden, bei der keine drei Punkte auf einer Linie liegen.“

An dieser Stelle kann ein Beispiel hilfreich sein. Im Kartenspiel „Set“ werden 12 Karten ausgegeben, von denen jede mit einer einzigartigen Kombination aus Form, Farbe, Schattierung und Anzahl markiert ist. Die Spieler versuchen dann, ein Set aus drei Karten zu finden, bei denen jedes dieser Merkmale entweder völlig unterschiedlich oder identisch ist. Zum Beispiel bildet eine Gruppe aus einer Karte mit einer roten Raute, einer Karte mit zwei blauen gestreiften Rauten und einer dritten Karte mit drei grünen leeren Rauten ein Set, da alle Rauten zeigen. Abgesehen davon, dass es sich um Rauten handelt, unterscheiden sich jedoch die Farben, Schattierungen und die Anzahl auf jeder Karte.

Wenn niemand mit den 12 Karten auf dem Tisch eines dieser Sets finden kann, was durchaus möglich ist, werden weitere Karten ausgelegt, bis ein Set gefunden wird. Mathematiker beschlossen zu fragen, wie viele Karten ausgegeben werden können, bevor ein Set erscheint, oder in der Sprache der Mathematik: Was ist die maximale Größe eines Sets in Z34?

Tatsächlich wurde dieses spezielle Problem 1971 gelöst und die Antwort lautete 20. Doch bei größeren Mengen wird die Sache deutlich schwieriger. Wie in der Kombinatorik leider üblich, steigt die Anzahl der potenziellen Lösungen unglaublich schnell an, und schon bei acht Merkmalen muss man mit Kombinationen von etwa 31.600 potenziellen „Karten“ rechnen.

Es überrascht nicht, dass Menschen dieses Problem bisher nicht lösen konnten. Vielleicht noch wichtiger als die Frage, warum wir so etwas versuchen sollten, ist die Tatsache, dass nicht einmal klar ist, wie wir es versuchen sollten. Mathematiker konnten sich nicht einmal auf den besten Weg einigen, das Problem der oberen Schranken für n = 8 anzugehen, geschweige denn eine Antwort zu finden.

Daher ist es eine bemerkenswerte Leistung, dass die KI von Google dieses Problem nun mit einer bisher unbekannten Schranke von 512 Dimensionen gelöst zu haben scheint.

Kohli sagte in einem Gespräch mit Nature: „Dies ist das erste Mal, dass ein auf LLMs basierendes System zeigt, dass es über das hinausgehen kann, was Mathematikern und Informatikern bekannt ist.“ Er fügte hinzu: „Es ist nicht nur neu, sondern auch effektiver als alles, was heute existiert.“

Obwohl die Ergebnisse der Entdeckungen von DeepMind unglaublich sind, müssen sich Mathematiker wahrscheinlich noch keine Sorgen um ihre Arbeitsplätze machen. FunSearch ist vorerst auf Probleme beschränkt, die bestimmte Kriterien erfüllen. Damit es Probleme lösen kann, müssen diese einfach und effizient bewertet und bepunktet werden können, und es muss denselben Trick des „Ausfüllens von fehlendem Code“ befolgen, den das Team bei Problemen wie dem „Cap Set“ und dem „Bin Packing“ verwendet hat. Die Forscher weisen darauf hin, dass beispielsweise die Erstellung von Beweisen derzeit für eine KI zu schwierig wäre, da man solche Dinge nicht so bewerten kann, dass sie für einen Computer sinnvoll sind.

Dennoch ist die Lösung eines Rätsels, auf dessen Antwort man lange gewartet hat, ein weiteres Beispiel für die Leistungsfähigkeit und die Möglichkeiten der künstlichen Intelligenz.

Die Studie wurde in der Fachzeitschrift Nature veröffentlicht.

Nachrichtenquelle: 12punto