Nova studija Google DeepMind-a, pod nazivom „LLMs can’t jump“, autora Toma Zahavy-ja, tvrdi da veliki jezicki modeli (LLM) nikada nece moci da zamene ljudski kreativni genije u nauci.
Tri vrste zakljucivanja
Istrazivanje identifikuje tri kljucna tipa zakljucivanja: indukciju, dedukciju i abdukciju. Vestacka inteligencija je savladala indukciju kroz prepoznavanje statistickih obrazaca, a sistemi poput AlphaProof uspesno koriste dedukciju. Medutim, abdukcija — sposobnost generisanja objasnjenja pri oskudnim podacima — ostaje nedostizna za AI.
Ajnstajnov primer kao dokaz
Paper pobija tvrdnju nemackog naucnika Jürgena Schmidhubera da je naucno otkrice samo napredna kompresija podataka. Kao kontraargument navodi Ajnstajnovu teoriju opste relativnosti: Ajnstajn je razvio revolucionarne ideje bez velikih skupova podataka, koristeci „utelotvorene misaone eksperimente“ — poput zamisljanja pada u zatvorenom liftu. LLM bi mogao da obradi Ajnstajnove matematicke zakljucke, ali nikad ne bi mogao samostalno da dode do originalnih premisa.
Resenje je u fizickom okruzenju
Autori isticu da prosirenje AI infrastrukture vise podatkovnih centara i vece procesorske snage nece resiti ovaj problem. Pravo resenje lezi u razvoju buducih AI arhitektura koje prevazilaze obradu teksta i slika, i koje ce biti sposobne da izvrsavaju utelotvorene simulacije u virtuelnim okruzenjima. Tek tada bi AI mogao da stekne fizicku intuiciju neophodnu za istinska naucna otkrica.
