Waarom AI wiskundigen nog niet zal vervangen – Terence Tao

I'm very curious when you expect AIs that can like actually do frontier math better than the at least as good well as the best human mathematicians. Ik ben erg benieuwd wanneer je verwacht dat AI's zeg maar echt frontier-wiskunde kunnen doen, beter dan — of op zijn minst even goed als — de beste wiskundigen ter wereld. I mean in in some ways they're already doing frontier math Ik bedoel, in zekere zin doen ze al aan frontier-wiskunde that is super intelligent that humans can't do but it's a different frontier from what we're used to. dat superintelligent is en wat mensen niet kunnen, maar het is een ander soort frontier dan wat we gewend zijn. Um I mean you could argue that calculators were doing frontier math Uhm, ik bedoel, je kunt stellen dat rekenmachines al aan frontier-wiskunde deden uh that that humans um could not accomplish but it was but it wasn't you know number crunching it wat mensen niet konden, maar het was — het was gewoon, weet je, cijferkraken um but um uhm, maar uhm but but replacing Terry Tao completely maar Terry Tao volledig vervangen I mean what do you want me for? Ik bedoel, wat wil je me nog voor? Uh I um Uhm, ik— you'll just go on all the podcasts after. je gaat daarna gewoon alle podcasts langs. [laughter] [gelach] I'm not sure we've Ik weet niet zeker of we— it might not be the right question to ask. het is misschien niet de juiste vraag om te stellen. Um Uhm. I think with within a decade a lot of things that mathematicians currently do um what we spend a lot of the bulk of our time doing and a lot of stuff we put in our papers today can be done by AI. Ik denk dat binnen een decennium veel van wat wiskundigen nu doen — wat het grootste deel van onze tijd in beslag neemt, en een heleboel wat we tegenwoordig in onze papers zetten — door AI gedaan kan worden. Um but we will find that that actually wasn't the most important part of what we do. Maar we zullen merken dat dat eigenlijk niet het belangrijkste deel was van wat we doen. Um you know um 100 years ago um a lot of mathematicians were just solving differential equations. Uhm, weet je, 100 jaar geleden waren veel wiskundigen gewoon differentiaalvergelijkingen aan het oplossen. Um like people needed physicists needed some exact solution to to to to some system and and they were just they hired a mathematician labor to go through the calculus and work out the solution to this fluid equation Natuurkundigen hadden een exacte oplossing nodig voor een of ander systeem, en ze huurden wiskundige arbeidskrachten in om de berekeningen door te ploegen en de oplossing voor die vloeistofvergelijking uit te werken. whatever. Wat dan ook. um a lot of what um uh a 19th century mathematician would do um you could make a call to uh Mathematica or or Wolf Alpha or or a computer algebra package or more now more recently NAI and it would just solve the problem you know in a few minutes um but we we moved on we we we worked on different types of problems after that um you know once computers came along you know computers used to be human right people used to laboriously create log tables and and and and and work out primes as scouts did and that has all been outsourced to computers. Veel van wat een wiskundige uit de 19e eeuw deed, kan je nu oplossen met een aanroep naar Mathematica, of Wolf Alpha, of een computeralgebrapakket — of recentelijk een AI — en die lost het probleem in een paar minuten op. Maar we zijn verder gegaan, we zijn andere soorten problemen gaan aanpakken. Toen computers opkwamen — vroeger waren computers mensen, hè, mensen maakten moeizaam logaritmetabellen en rekenden priemgetallen uit — dat is allemaal uitbesteed aan computers. Um but but we we moved on um in genetics you know um to to to sequence the the genome of a single organism that was an entire PhD of a geneticist you know still carefully you know separating all the chromosomes and and and whatever. En in de genetica: het genoom van één organisme sequencen was vroeger de stof voor een heel promotieonderzoek — zorgvuldig chromosomen scheiden en zo. Uhm. Um and now you can just spend $1,000 and send it to a sequencer and and and get it done. Tegenwoordig geef je $1.000 uit, stuur je het naar een sequencer, en het is gedaan. But genetics is not dead as a subject. Maar genetica is niet dood als vakgebied. You you move to a different scale. Je verschuift naar een andere schaal. You know maybe you study whole ecosystems rather than individuals. Misschien bestudeer je hele ecosystemen in plaats van individuen. I I take your point but on the question of well when is most mathematical progress or almost all mathematical progress happening by AI so if you find out oh this year millennium price problem has been solved you would put you know a 95% odds that an AI did it autonomously Ik snap je punt, maar over de vraag wanneer het meeste — of vrijwel alle — wiskundige vooruitgang door AI gemaakt wordt: als je hoort dat dit jaar een Millennium Prize-probleem is opgelost, zou je dan zeggen dat er 95% kans is dat een AI dat autonoom heeft gedaan? surely there will be such a year Er zal zeker zo'n jaar komen. um prIce problem has been solved you would put you know a 95% odds that an AI did it autonomously surely there will be such a year um I guess I mean I I I I do believe that that hybrid um human plus AIs will will dominate mathematics for a lot longer it it's it will depend Uhm — het Millennium Prize-probleem — ik denk dat ik inderdaad geloof dat hybride teams van mensen plus AI’s de wiskunde nog heel lang zullen domineren. Het zal afhangen— it will require some additional breakthroughs be beyond what we already have. er zijn nog aanvullende doorbraken nodig bovenop wat we nu al hebben. Um so it's it's going to be sarcastic. Uhm, het is dus — het gaat stochastisch worden. Um you know I think you know AI currently are very good at certain things but but really terrible at others. Uhm, weet je, ik denk dat AI's momenteel heel goed zijn in bepaalde dingen, maar echt verschrikkelijk slecht in andere. Um and and while you can sort of add more and more frameworks on top to kind of reduce the error rates and and and make them uh uh work with each other a bit more and so forth. En hoewel je steeds meer frameworks op elkaar kunt stapelen om de foutenmarges te verkleinen en ze een beetje beter te laten samenwerken, enzovoort— Um I I um it feels like we are we don't have all the uh the ingredients to like really have a truly satisfactory sort of uh replacement for all intellectual tasks. Uhm, het voelt voor mij alsof we nog niet alle ingrediënten hebben om alle intellectuele taken echt te vervangen. Um it's it is complimentary currently. Het is momenteel complementair. Um it's not not uh um it it is not a replacement. Het is geen vervanging. Um Uhm. but maybe I mean Maar misschien bedoel ik— because current level AIS will accelerate science in so many ways. want AI's op het huidige niveau zullen de wetenschap op zoveel manieren versnellen. Hopefully, you know, I mean, new discoveries, new breakthroughs will happen um more uh more quickly. Hopelijk zullen nieuwe ontdekkingen en nieuwe doorbraken sneller plaatsvinden. I mean um it's possible that also by somehow destroying serendipity, we we actually inhibit certain types of progress. Ik bedoel, het is mogelijk dat we door serendipiteit te vernietigen bepaalde vormen van vooruitgang juist afremmen. Um anything is possible really at this point. Alles is mogelijk op dit punt. I think this u the world is very very unpredictable at this point. Ik denk dat de wereld op dit moment heel erg onvoorspelbaar is. If you enjoyed this clip, you can watch the full episode here and subscribe for more clips. Als je dit fragment leuk vond, kun je de volledige aflevering hier bekijken en je abonneren voor meer clips. Thanks. Bedankt.