Axiom Math, startup sa sjedištem u Palo Altu, Kalifornija, predstavio je novi besplatni AI alat za matematičare, osmišljen za otkrivanje matematičkih obrazaca koji bi mogli otvoriti rješenja dugotrajnih problema. Alat, nazvan Axplorer, redizajn je postojećeg alata pod nazivom PatternBoost koji je François Charton, sada istraživački znanstvenik u Axiom-u, su-razvio 2024. godine dok je bio u Meti. PatternBoost je radio na superračunalu, dok Axplorer radi na Mac Pro-u. Cilj je omogućiti svima koji mogu instalirati Axplorer na vlastito računalo da imaju pristup moći PatternBoost-a, koji je korišten za rješavanje teškog matematičkog problema poznatog kao Turánov problem s četiri ciklusa. Prošle godine, Agencija za napredne istraživačke projekte obrane SAD-a pokrenula je novu inicijativu pod nazivom expMath—skraćeno od Exponentiating Mathematics—kako bi potaknula matematičare na razvoj i korištenje AI alata. Axiom se vidi kao dio te inicijative.
Prekretnice u matematici imaju ogroman utjecaj na tehnologiju, kaže Charton. U posebnosti, nova matematika je ključna za napredak u računalnim znanostima, od izgradnje AI sljedeće generacije do poboljšanja sigurnosti interneta. Većina uspjeha s AI alatima uključuje pronalaženje rješenja za postojeće probleme. No, pronalaženje rješenja nije jedino što matematičari rade, ističe Carina Hong, osnivačica i CEO Axiom Math-a. Matematika je istraživačka i eksperimentalna, dodaje.
MIT Technology Review razgovarao je s Chartonom i Hong prošlog tjedna o njihovom novom alatu i o tome kako bi AI općenito mogao promijeniti matematiku. U posljednjih nekoliko mjeseci, brojni matematičari koristili su LLM-ove, poput OpenAI-ovog GPT-5, kako bi pronašli rješenja za neriješene probleme, posebno one koje je postavio matematičar 20. stoljeća Paul Erdős. Međutim, Charton je skeptičan prema tim uspjesima. “Postoje mnogi problemi koji su otvoreni jer ih nitko nije proučio, i lako je pronaći nekoliko dragulja koje možete riješiti,” kaže. Usredotočio se na teže izazove—“velike probleme koji su vrlo dobro proučeni i na kojima su radile poznate osobe.” Prošle godine, Axiom Math koristio je drugi alat, nazvan AxiomProver, za pronalaženje rješenja za četiri takva problema u matematici.
Turánov problem s četiri ciklusa koji je PatternBoost riješio je još jedan veliki problem, objašnjava Charton. (Problem je važan u teoriji grafova, grani matematike koja se koristi za analizu složenih mreža kao što su veze na društvenim mrežama, opskrbni lanci i rangiranje pretraživača.) “LLM-ovi su izuzetno dobri ako ono što želite učiniti proizlazi iz nečega što je već učinjeno,” kaže Charton. “To nije iznenađujuće—LLM-ovi su unaprijed obučeni na svim dostupnim podacima. No, mogli bismo reći da su LLM-ovi konzervativni. Pokušavaju ponovno koristiti postojeće stvari.”
