Doufejme, že to bude drhnout
Obsah dostupný jen pro předplatitele.
Přihlásit se můžete
zde.
Pokud nemáte předplatné, nebo vám vypršelo, objednat si ho můžete .

Obsah dostupný jen pro předplatitele.
Předplatné můžete objednat
zde.
Pokud nemáte předplatné, nebo vám vypršelo, objednat si ho můžete zde.
Když jsme tento Salon připravovali, dali jsme mu záměrně provokativní pracovní název „Rekviem za matematiku?“. Navazujeme tím na nedávné průlomy v umělé inteligenci, která, zdá se, už dokáže řešit i velmi obtížné matematické problémy – a její schopnosti se právě v posledních době výrazně posunuly. Terence Tao, držitel prestižní Fieldsovy medaile, jakési matematické Nobelovky, nedávno prohlásil, že jsme svědky „konce romantické éry matematiky, věku hrdinů“, kdy práci osamělých géniů začne nahrazovat mnohem průmyslovější forma oboru podporovaná stroji. Jiní jdou ještě dál a spekulují, zda matematika jako lidská disciplína vůbec přežije.
O její budoucnosti přišli diskutovat Petr Zemánek, docent z Ústavu matematiky a statistiky Přírodovědecké fakulty Masarykovy univerzity, David Stanovský, docent z katedry algebry Matematicko-fyzikální fakulty Univerzity Karlovy, a Marian Kechlibar, vystudovaný matematik a softwarový vývojář, autor série Zapomenuté příběhy a také kolega-komentátor publikující v Echu.
Tento týden jsem viděl obrázek náhrobního kamene s velkým nápisem „Matematika“ a pod ním: „Narození: 6. století př. n. l., Thales z Miletu. Úmrtí: L. P. 2026, umělá inteligence.“ Je matematika jako obor skutečně tak dramaticky ohrožena?
Kechlibar: Ohrožený je spíš tradiční způsob jejího provozování, který je opravdu konzervativní: lidé se scházejí nad problémy a řeší je. Teď budou spíš muset začít chápat, co jim řekne stroj. Ale v zásadě je matematika stále úkol porozumět věcem. My si ji někdy trochu zužujeme na výrobu důkazů – a na to ji pomalu zužuje i systém financování, granty a podobně –, ale ve skutečnosti je její podstatou rozumět abstraktním záležitostem. A to s tím robotem jde možná někdy i líp. Samozřejmě to ale znamená významně změnit způsob, jak se dnes matematika provozuje.
Stanovský: Dostali jsme nový a skvělý výpočetní nástroj, který nám spoustu činností, jež jsme předtím dělali ručně, umožní dělat automaticky, a my na něj budeme moci navázat. Jistě by šlo namítnout, že navázat na to zvládnou stroje taky, ale myslím, že to tak nebude – nebo aspoň ne v nejbližší budoucnosti.
Čili je to taková kyborgská verze, kdy umělá inteligence bude jakási kognitivní protéza.
Kechlibar: Exoskeleton.
Stanovský: To je v něčem pravda, ale takhle ostatně fungují počítače od doby, kdy se k nám poprvé dostaly někdy v sedmdesátých letech. Začaly za nás počítat složité úlohy, numericky řešit parciální diferenciální rovnice, zmizeli lidé s logaritmickým pravítkem, a matematici se tak mohli věnovat sofistikovanější činnosti. Tohle je moje optimistická varianta.
Zemánek: Souhlasím s tím, že matematika jako taková ohrožená není. Ohroženi jsou ale mladí matematici. Když začínají vědecké kariéry, mají obvykle připravený nějaký plán. A teď si představte, že na něčem tři roky děláte, a pak vám to najednou AI lusknutím prstů vyřeší a vaše výsledky jsou pryč. Čili možná začne být problém s tím, jak to začínajícím vědcům nastavit, aby se tomuhle nebezpečí vyhnuli.
A týká se to skutečně pouze juniorů? Z výsledků posledních měsíců mi připadá, že ta technologie už umí řešit i poměrně pokročilé věci.
Zemánek: Samozřejmě nejenom juniorů. Pro starší to může být také problém, ale ti se s tím dokážou vypořádat lépe. Představte si teď tu situaci, kdy společnost OpenAI před pár týdny zveřejnila na GitHubu (cloudová platforma a webová služba pro ukládání, sdílení a správu softwarových projektů – pozn. red.) řešení stovek otevřených problémů. Jistě existují začínající matematici, kteří se některému z nich určitou dobu věnovali a chystali se, že si na něm třeba udělají disertační práci – a najednou je řešení zveřejněné, ten důkaz už existuje.
Kechlibar: Výchova juniorů je určitě problém, i v programování. Já jsem přeběhlík na temnou stranu síly a programuju, i když jsem vystudovaný algebraik. Je vidět, že u vývoje softwaru je úplně jiná kultura. My jsme zvyklí na to, že se něco neustále převrací vzhůru nohama. Před patnácti lety bylo BlackBerry vrcholem smartphonů, dneska už lidé ani nevědí, co to je. Náš barák je přirozeně rozkolísaný, a kdo na to nemá žaludek, ten uteče. Matematika oproti tomu představovala takové solidní budování pyramidy, opravdu velice vytrvalé a dlouhodobé. Ta pyramida se netřásla, měla egyptskou kvalitu. Teď ji ale něco začíná nahlodávat v základech, a to docela rychle. Musíme zjistit, jak vychovávat mladé lidi, aniž bychom jim dávali triviální úkoly. To platí i u softwaru: mladé programátory jste učili na banalitách, na kterých nemohli moc pokazit – ale tyhle banality dneska AI umí dělat líp. Musíme tedy nějak vyřešit, jak nepřijít o další generaci zkušených lidí. Takže tenhle problém předložíme AI a buď nám řekne, jak vychovávat mladé, anebo nám zařídí nesmrtelnost.
Stanovský: Ten stroj se vždycky někde zastaví a v ten okamžik bude pokračovat člověk – anebo nebude pokračovat nikdo. Jisté problémy, které stroje dokážou vyřešit, jsou skutečně impozantní. Ale málokdo mluví o tom, co všechno nevyřešily. Já to samozřejmě testuju na svých věcech. Na některé mi to odpovědět umí, ale na většinu ne, a ani k nim neumí dát žádnou rozumnou myšlenku. Ale to, že něco AI neumí dnes, neznamená, že to příští verze za měsíc umět nebude. A s tím budou bojovat zejména mladí matematici. Když já tři roky nepublikuju článek, v mém kariérním stadiu se nestane téměř nic. Když student tři roky nebude schopen vyprodukovat nic nového, nedostane titul Ph.D. a jeho kariéra v matematice skončila. Tohle je, myslím, hlavní rozdíl. Jinak jsme z odborného hlediska v podstatě ve stejné situaci. Matematika se ale určitě výrazně zrychlí.
Kechlibar: Je fakt, že tříletý studijní plán na postgraduálu pomalu přestává dávat smysl. Nevíte, jak to skončí.
Zemánek: Podobná situace bude ale i s grantovým systémem. Napíšete grant na tři roky s nějakým plánem a pak vám to AI za půl roku rozbije, protože někomu přišel váš problém zajímavý, a tak jej strojově vyřešil. Grantová politika se zřejmě bude muset úplně změnit, nebo aspoň upravit.
Stanovský: Sám jsem teď chtěl sepisovat grant, ale nevím, jak to udělat. Všechno, co jsem tam zamýšlel navrhnout, bych si asi měl nejdřív hodit do nějakého chatbota, jestli se náhodou ty otázky nedají zodpovědět instantně. I kdyby to teď ještě nezvládl, je možné, že než se grant dostane k recenzentovi, budu už, s prominutím, za blbce.
Kechlibar: Svého času existovaly superúspěšné instituce jako Bell Laboratories, jejichž zaměstnanci získali snad devět Nobelových cen. To je neuvěřitelné. Během dvaceti let vyprodukovali všechno možné, včetně programovacího jazyka C. A vesměs říkali: My radši investujeme do lidí než do problémů. To je asi jedna potenciální cesta – spíš vybírat lidi s tím, že v labyrintu problémů budou umět kličkovat. Ale pak přichází otázka, jak zabránit nepotismu a podobným nešvarům. Protože když budete vybírat lidi, tak podle jakých kritérií přesně? V soukromém sektoru si to člověk snáz odůvodní, ale ve státním je to zároveň pozvánka ke zneužívání. S tím bojuje jižní Evropa. Když se podíváte, kolik lidí má na jedné katedře stejné příjmení, bývá jich nápadně mnoho.
Tyhle problémy budou v něčem společné napříč akademickými obory, ale zaměřil bych se specificky na matematiku. Bylo zmíněno, že v ní jde především o porozumění. Snaha kultivovat toto porozumění je v něčem motivačně spojená s velkými problémy. Napadá mě příběh velké Fermatovy věty – několik staletí nevyřešeného problému, na kterém si vylámala zuby spousta slavných jmen, než ho Andrew Wiles v devadesátých letech rozlouskl. Bude ale tahle honba za poznáním fungovat, i když zmizí ta výzva a aspekt tajemství? Když budete vědět, že někde existuje seznam správných odpovědí, bude lidem ještě stát za to hledat cesty, které k nim vedou?
Stanovský: Především nevidím žádnou evidenci toho, že nám problémy dojdou – že v dohledné době získáme nástroj, do kterého zadáme jakoukoli domněnku a do hodiny dostaneme řešení. Osobně nevěřím tomu, že AI bude tyto schopnosti mít v nejbližších letech. Dokonce mám hypotézu, který problém nám vydrží třeba i pět let. A tady bych byl ochoten se i vsadit.
To nám prozraďte. Který?
Stanovský: Je to ten úplně první na seznamu Problémů tisíciletí: P versus NP. Týká se toho, zda existují efektivní algoritmy na řešení jistého typu prohledávacích úloh. Tenhle problém podle mě bude odolávat ještě hodně dlouho, pokud nedojde k nějakému kvalitativnímu posunu v technologii. Je možné, že nemám pravdu, ale zatím nevidím nic, co by tomu nasvědčovalo. Spíš dojde k něčemu jako protřídění matematiky na tu strojově řešitelnou a zbytek. To zabere nějaký čas a spousta lidí z toho bude nešťastných, protože se ukáže, že zrovna jejich problémy stroje zvládnou. Ale jsem optimista a myslím, že o problémy nepřijdeme.
Kechlibar: Zaprvé, Andrew Wiles, hrdina moderní matematiky, to v podstatě dokázal systému navzdory. On tajil, že na velké Fermatově větě pracuje. Byl natolik realista, že věděl, že kdyby přišel ke grantové komisi a řekl: Tady je tři sta let nevyřešený legendární problém a já se do toho pustím, tak mu dají možná tak sušenku a řeknou si, že je to nějaký idiot. Musel vypouštět kousky, ze kterých vůbec nebylo jasné, na čem pracuje. Takže je to svým způsobem trochu obžaloba moderního systému. Druhá věc jsou vyřešené problémy. Jedna z věcí, které současný matematický systém moc nepodporuje, je snaha již dokázaná tvrzení vyřešit jiným způsobem, ačkoli tak můžete postavit mosty mezi různými oblastmi matematiky. Třeba čínská věta o zbytcích má spoustu různých důkazů z úplně různých směrů, z geometrie, teorie čísel nebo analýzy. A je to vlastně fascinující, protože to ukazuje její hloubku. Tohle se ale v současném světě matematiky moc neděje. Když je nějaké tvrzení dokázané, jde na hromadu vyřešených. Mně by se třeba líbilo, kdyby nějaký amatér nebo někdo, kdo už matematiku profesionálně nedělá, vzal významnější tvrzení a s robotem si řekl: A teď to zkusíme dokázat z pohledu komplexní analýzy. Mám za to, že tímto způsobem by se celkově naše porozumění základům zvětšilo.
Zemánek: Mám trochu problém s výrokem, že umělá inteligence „dokazuje“ nějaké matematické tvrzení. Ona ho ve skutečnosti nedokazuje. Je to prostě jenom pravděpodobnostní model, nějak tam skládá slova a nějak mu to vychází díky tomu, jak je naprogramovaný, ale nedokazuje to. A třeba zmíněné problémy pro třetí tisíciletí byly vybrány proto, že jsme se jako obor domnívali, že jejich vyřešení přinese nové a převratné poznatky v teorii, které matematiku obohatí. A to AI zatím neudělala. Má se za to, že našla odpověď na jeden z těch sedmi problémů, týkající se Navierových–Stokesových rovnic, ale z toho důkazu jsme se nic moc nenaučili. Je totiž strašně komplikovaný a nikdo z nás by ho pravděpodobně takovýmto způsobem nesestavil. Takže dobře, můžeme si to odškrtnout, ale nepřineslo to nové poznání. Souhlasím i s tou zmínkou o čínské větě o zbytcích a s tím, že by se měly hledat alternativní důkazy. To je zcela namístě. Vždycky totiž platí, že cesta je cíl. Ono totiž nejde jen o samotný výsledek, ale o tu matematiku kolem a o porozumění tomu, jak se k tomu výsledku dopracovat. To umělá inteligence nenabízí. Ona má obrovské množství znalostí, má toho mnoho načteno, obrovské množství dat a dokáže je poskládat tak, jak toho člověk není schopen. Doby jako za Eulera v osmnáctém století, kdy se matematika dala sepsat do dvou tří knížek, což vám stačilo k tomu, abyste ji mohli posouvat dál, jsou dávno pryč. Dneska je matematika tak obrovská, že ji jeden člověk není schopen pojmout.
Kechlibar: Přesně o tom jsme se s Davidem bavili cestou sem, že Euler byl možná poslední, kdo znal celou matematiku. Od té doby už to začalo být vachrlaté, každý měl nějaká prázdná místa. A dneska máte u drtivé většiny věcí prázdné místo a jenom malinký výřez, který znáte a na který se specializujete.
Takže matematika je trochu jako horolezectví, chápu to správně? V tom smyslu, že nezáleží na tom, že tam někdo už předtím byl nebo že víme, že se tam dá dostat, ale je důležité, aby tu cestu absolvoval někdo konkrétní – a konkrétně člověk.
Stanovský: Právě že je to jako horolezectví, takže záleží na tom, jestli už tam někdo byl. Když tu stěnu vylezete podruhé, je to taky dobrý zážitek, ale ocenění nedostanete. To je, myslím, docela dobrý příměr.
Ovšem zřejmě by byl rozdíl, kdyby na vrchol někdo vyletěl helikoptérou.
Stanovský: Přesně tak. Ta otázka je vlastně obecnější: co je vlastně cílem matematiky? Když si nechám odpověď vygenerovat strojem, je to, jako bych tam přiletěl helikoptérou. Potom jistě bude dávat smysl i první výstup a nějaký smysl dají i ty druhé a třetí výstupy, ale v komunitě jsou pochopitelně ceněny o něco méně.
Když už padla otázka, co je cílem matematiky, a zmínili jsme Eulera, všiml jsem si, že se v současné debatě jako příklad často zmiňuje jeho hádanka o mostech v Královci: zda lze přejít všechny mosty, aniž člověk po některém jde dvakrát. Pro praktické účely to byla v zásadě neužitečná otázka, ale později z ní vyrostl celý podobor teorie grafů, který je dnes velice užitečný. Zmiňuje se, že s nástupem strojů můžeme přijít právě o tenhle způsob nenadálého objevování. Je to pro matematiku typické, že je užitečnost až sekundární?
Stanovský: Rozlišoval bych mezi aplikovanou a teoretickou matematikou, protože motivace tam jsou odlišné. Aplikovaní matematici jsou z nástupu AI podstatně nešťastnější – opačně jsou na tom odběratelé jejich práce, protože ji už tolik nepotřebují. Tím mám na mysli třeba fyzika, který potřebuje něco spočítat. Vytvoří matematický model a dřív potřeboval někoho, kdo by mu ho vyřešil. Dnes to s trochou štěstí zvládne pomocí modelů umělé inteligence. V tomto smyslu si můžeme klidně zazpívat rekviem za aplikovanou matematiku. Jistě se najdou problémy, které jsou obtížné, a pochopitelně je tu otázka důvěryhodnosti řešení od AI. Ale v aplikovaném světě se nikdo moc neptá, proč věci fungují. Tam je důležitý výsledek: most spadne, nebo nespadne, letadlo poletí, nebo nepoletí. Teoretická matematika má cíle úplně jiné. Myslím, že obecně se dá říct, že jde o lidské porozumění problematice. Dřív jsme říkali jen „porozumění“, dnes už řekněme „lidské porozumění“. Nás nezajímá, jestli Riemannova hypotéza platí, nebo neplatí – nebo mě aspoň ta odpověď nijak zvlášť nezajímá. Zajímá mě, proč je odpověď taková, jaká je, a proč trvalo 150 nebo 200 let, než jsme na ni přišli. Co je na tom tak složitého, že na to nepřišel Riemann sám? To je pro mě ta zásadní informace.
Zemánek: Já si myslím, že se matematika dostala doprostřed nějakého souboje, kam vlastně vůbec nepatří a kde je úplně nevinně. Společnosti, které vyvíjejí AI, používají matematické problémy jenom jako benchmark toho, jak výkonný jejich model je. Je jim úplně ukradené, jestli ten problém má řešení a jak to řešení vypadá, o to jim vůbec nejde. Chtějí jenom ukázat, co jejich model dokáže. Matematika má bohužel tu nevýhodu, že se dá poměrně dobře algoritmizovat, tak si s ní hrají, ale o ty výsledky jim vůbec nejde.
Kechlibar: Matematici, zvlášť teoretici, jsou vesměs hračičkové. Kdo někdy byl na matfyzu, tak to ví. Spousta zásadních průlomů v minulosti vznikla právě tak, jako když Euler chodil po mostech. Nebo Bernoulli rozvinul kus teorie pravděpodobnosti poté, co nějací dva hazardní hráči museli přerušit hru a přišli za ním s otázkou, s jakou pravděpodobností by vyhrál který z nich a jak si mají rozdělit peníze. A to je právě ono. Ti lidé jsou motivovaní něčím jiným než ty společnosti. Ale dá se na technologický vývoj dívat i pozitivně. Tady se znovu otvírá prostor pro nadšené amatéry, který tu kdysi býval. Někdo jde kolem rybníka a řekne si: Hele, tyhle lekníny se množí strašně rychle, ale žerou je ryby a ty zas napadají paraziti. Jak se tyhle vlivy navzájem započtou? Pokryjí lekníny celý rybník, nebo vymřou? Mám na mysli takovýto druh hračičkování. A teď k tomu budete mít nesmírně silné nástroje. Současné state-of-the-art modely jsou pořád docela drahé, ale open-source modely je následují s odstupem řekněme šesti až deseti měsíců. Blížíme se tedy k době, kdy si někdo opravdu silný model pustí na laptopu. A myslím, že tak vznikne překvapivě mnoho neotřelých teorií a výsledků, které předtím nikoho nenapadly. Přijde na ně třeba nějaký člověk, když se zadívá z okna a bude se mu zdát, že dým z komína stoupá nějak netypicky roztřepaně. Tohle se teď podle mě bude dít.
Zemánek: Když se podíváte na těch několik stovek problémů zveřejněných na GitHubu a na jejich důkazy, tak tam se spojují oblasti, u kterých by nás ani nenapadlo, že by spolu mohly souviset. A z toho se vytvářejí ty důkazy. V tomhle souhlasím, že se můžeme dostat k velmi zajímavým věcem, až si s tím začnou lidé hrát amatérsky.
Nicméně ty vyřešené problémy teď na GitHubu dokázal ten stroj sám o sobě, že?
Stanovský: V podstatě ano a je to na tom vidět.
Kechlibar: Ten robot má zatím nějaká omezení, která časem mít nebude. Musí hodně šetřit tokeny, zdaleka to ještě není optimální, takže místy je až příliš stručný. S tím, jak bude růst paměťový a výpočetní prostor a jak se budou zefektivňovat algoritmy, se bude moct víc rozkošatit.
Zemánek: Otázka také je, za jakou cenu to vyřešili. U Navierových–Stokesových rovnic se počítá s náklady někde mezi 10 až 40 miliony dolarů, přitom odměna za vyřešení je milion dolarů. To je ohromný nepoměr a z pohledu matematiky taková investice vůbec nedává smysl.
Stanovský: Kdyby tolik peněz dali nám, živým matematikům, je otázka, co bychom za ně dokázali. Tolik peněz, kolik oni propálili za týden při finálním pokusu o Navier–Stokese, se do lidského řešení nevrazilo za tři dekády. A navíc není zveřejněné, kolik peněz dali do problémů, které se jim vyřešit nepodařilo. Předpokládá se, že do každého z Millennium Prize Problems investovali zhruba 50 milionů dolarů.
Kechlibar: Tady je výhoda, že existují dostatečně bohaté firmy, které si to můžou dovolit. To, že tohle udělá soukromý sektor, je sice provokativní, ale na druhou stranu je to dobře. Kdyby to mělo schvalovat ministerstvo, pět let se bavíme o tom, jestli to má cenu. Upozornil bych ještě na jednu věc. Od roku 2000 zažíváme menší revoluci v kompletním sekvenování genomů, což je přece jen příbuzná záležitost. Původní Projekt lidského genomu stál asi tři miliardy dolarů a od té doby šla cena o šest řádů dolů. Dnes si v zásadě za třicet tisíc nasekvenujete vlastní genom, snad ještě i levněji. Nevíme, jestli se něco podobného stane v matematice, ale kdyby náklady spadly i tady, aplikovatelnost bude samozřejmě úplně někde jinde.
Stanovský: O tom tedy pochybuju. Možná jednu dvě nuly škrtneme, ale nemyslím si, že by to šlo dál.
Kechlibar: Šest řádů je moc. To bylo v dějinách průmyslové civilizace unikátní. Ale tři by byly už dost.
Stanovský: Navíc tady vidím podstatný rozdíl. Je potřeba si říct, proč to ty firmy dělají. To jsou jejich náklady na marketing. Ony nevrážejí peníze do matematiky, ale do vlastní prezentace. Tohle skončí v okamžiku, kdy nás přesvědčí, že stroje jsou lepší než lidé.
Zemánek: Mě zaujalo, že mezi těmi problémy není žádný, který by se týkal kryptografie. Tyhle otázky oni úplně ignorují.
Stanovský: To určitě spíš tají.
Kechlibar: Podle mě to zatajují. Většina věcí, co jsem kdy naprogramoval, se týkala kryptografie a myslím, že nechtějí vypustit něco katastrofálního.
Tady se bavíme o čem? Ochrana bankovních převodů, vojenské aplikace…
Stanovský: O čemkoli z toho. Veškerá šifrovaná komunikace včetně bank a vojenských záležitostí je založená na tom, že lidé neumějí ty šifry prolomit.
Kechlibar: Řada tajných služeb sbírá zašifrovaná data do foroty pro případ, že se do nich jednoho dne podaří podívat. Některá data mají krátkodobou platnost, řekněme nějaká bezprostřední komunikace. Ale jiná mají důsledky na padesát let dopředu. Nedejbože třeba digitálně podepsaná závěť nějakého miliardáře. Když si někdo naseká deset dalších závětí, zkuste pak posoudit, která byla ta pravá. Tohle je jedno místo, kde to skutečně může destabilizovat reálný svět. Ten zbytek matematiky je v zásadě hraní si v našem abstraktním rybníčku. Ale kryptografie má skutečně důsledky pro životy, svobodu, ekonomiku.
Stanovský: A jsem si skoro jistý, že do toho někdo dává násobně větší peníze než do řešení Navierových–Stokesových rovnic. Ale to se asi nedovíme. Rozhodně ne brzy. A doufám, že se to nedovíme tak, že se prostě ukážou důsledky, aniž bychom věděli, kdo to byl.
Zemánek: Zatím nás od toho chrání jenom to, že k tomu jsou potřeba obrovské výpočetní výkony. Má se za to, že až budou kvantové počítače, mohlo by se některé šifry podařit prolomit. Zatím se to neděje. Tak doufám, že AI nebude tak chytrá, že by to dokázala za nás.
Stanovský: Tady vlastně závisíme na optimismu toho typu, o kterém mluvím já. Protože optimismus Silicon Valley by znamenal, že o kryptografii brzy přijdeme. Tak se ukáže, kdo má pravdu. Můj optimismus, že to bude drhnout, versus optimismus těch společností, které tvrdí, že dřív nebo později vyřeší všechno.
Diskuze k tomuto článku probíhá na partnerském webu Cesta.cz. Zde ji čtete, přispívat a hodnotit můžete po přechodu na Cesta.cz.