Компютърните науки през 2024-та: 7-те революционни постижения на годината

Учените надникнаха в душата на изкуствения интелект, хванаха неуловимия пети бобър за опашката и…

Краят на 2024 г. беше време на несигурност за всички, а теоретичната информатика не остана по-назад. В тази област имаше както големи пробиви и открития, така и сблъсъци с границите на възможното.

Изкуственият интелект, както и преди, не слезе от първите страници на медиите. Изследователите започнаха да разбират какво се случва вътре в „черните кутии“ – невронните мрежи, на базата на които работят чатботове като Bard и ChatGPT. Те успяха да докажат, че тези системи действително разбират данните, с които работят и които създават. Въпреки това има все повече признаци, че напредъкът в областта на изкуствения интелект вече е започнал да се забавя.

В другите области нещата се развиваха по-стабилно. След десетилетия на издирване най-накрая беше хванато за опашката едно мистериозно цифрово същество – петият зает бобър. Не всичко обаче върви гладко: първите опити да се открие неговият наследник – шестият зает бобър, подсказват, че той може би се крие зад непреодолима математическа „ограда“.

През 2024 г. теорията на шумоустойчивото кодиране – математически конструкции, които могат сами да коригират възникналите грешки – направи гръмко изявление. Изследователите за първи път доказаха, че методът за корекция на грешките, без който квантовите компютри са немислими, наистина работи. Според друго откритие обаче някои класически коригиращи шума кодове са по същество неефективни.

Танците с бобри

Задачата за петия зает бобър, наречена така по името на специален вид компютърни програми с дълго време за изпълнение, е тясно свързана с най-дълбоките нерешени въпроси в компютърните науки и математиката.

Става въпрос за машините на Тюринг, най-простите изчислителни устройства, които Алън Тюринг изобретява като модел на универсален компютър. Днес е лесно те да бъдат изпробвани онлайн.

Машината на Тюринг работи по зададени правила. Тя има безкрайна лента с памет, разделена на клетки, и „глава“, която може да чете и записва символи в тези клетки и да се движи наляво или надясно.

Правилата представляват инструкции като „ако в текущата клетка има 0, замени я с 1 и се премести наляво“. Всяко такова действие се брои за една стъпка. Колкото повече правила зададем на машината, толкова по-сложно ще бъде нейното поведение.

Нека си представим, че сме дали на машината определен брой правила и сме я стартирали. Тя ще започне да изпълнява алгоритъма стъпка по стъпка. В определен момент може да зацикли и да работи вечно. Или може да спре, ако попадне в ситуация, за която няма подходящо правило. Загадката „зает бобър“ е следната: ако машината все пак спре, какъв е максималният брой стъпки, които тя може да направи, преди наистина да спре?

Учените вече са намерили отговори за някои по-прости случаи. Ако машината има само едно правило – тя ще спре след максимум една стъпка. Ако има две правила – след шест стъпки, ако има три – след 21 стъпки, ако има четири – след 107 стъпки. Но петият случай бил толкова сложен, че не можеше да се реши в продължение на десетилетия.

Накрая група ентусиасти успя да реши задачата. Те не само намериха отговора – 47 176 870 стъпки – но и доказаха, че не може да има по-голямо число. Въпреки че този проблем едва ли ще намери практическо приложение, неговото решение е истински триумф на човешкия ум над математиката. Но при търсенето на шестото число нещата са доста тъжни: първите опити показват, че то може да се окаже фундаментално непостижимо.

През месец януари се осъществи още едно интересно събитие: любителите на математиката помогнаха да се реши загадката на известната игра „Живот“, измислена от Джон Конуей.

Те търсели повтарящи се комбинации от клетки в нея и открили такива комбинации, които се възпроизвеждат след 19 и след 41 стъпки. По този начин екипът доказа едно удивително свойство на играта: възможно е да се открие модел, който ще се повтори след произволен брой стъпки. Учените наричат това свойство „многопериодичност“.

По-добър живот благодарение на кода

Квантовите компютри отдавна вълнуват умовете на учените, но въпреки дългогодишната работа все още не е възможно да се създаде наистина полезна и ефективна квантова машина. Отчасти причина за това е тяхната природа: тези технологии използват странностите на квантовата механика, т.е. законите, които управляват най-малките взаимодействия във Вселената. Поради това те са силно уязвими към грешките. Преди почти 30 години изследователите показаха, че кубитите, квантовите аналози на компютърните битове, могат да се комбинират така, че да се елиминират „грешките“. Но за да стане това, процентът на грешките на всеки кубит трябва да е под определен праг.

През месец декември екипът на Google за пръв път успя да постигне такава прецизност в работата на системата за корекция на грешки, че вече можем уверено да кажем – тези необичайни машини наистина могат да бъдат създадени. Но това няма да стане много скоро.

Изследователите предложиха и нов подход за борба с грешките, основан на апериодични мозайки – набори от фигури, от които може да се сглоби безкраен модел, който обаче никога няма да се повтори напълно. Както при мозайките, така и при защитните кодове важи същият принцип: изучавайки малък фрагмент, не е възможно да се разбере как е организирана цялата система.

И това не са всичките новини в тази област – човечеството най-накрая измисли устойчиви на шум кодове за обикновените компютри. Техните най-обещаващи варианти винаги са били смущаващо неефективни. Изследователите в продължение на две десетилетия търсеха начин да поправят това, но сега вече имат окончателен отговор: уви, проблемът е нерешим по принцип.

Новините от квантовия свят

Много от най-важните открития през годината помогнаха за по-доброто разбиране на мистериозния свят на квантовата механика с помощта на методите на информатиката. На субатомно ниво взаимодействията между частиците са невероятно сложни и досега учените се затрудняваха да разберат напълно дори най-простите квантови системи. Но четирима информатици създадоха алгоритъм, който може ефективно да опише всеки такъв набор от частици – за първи път в историята на науката. Съчетавайки математическа оптимизация със специална техника, наречена „релаксация“, изследователите се научиха бързо да извеждат хамилтониана – универсално уравнение, което напълно описва поведението на една квантова система. Но този метод работи само при неизменна температура.

Същата група учени направи и друго важно откритие във физиката на микрокосмоса. Те доказаха по математически път, че за всяка система съществува критична точка – температурата, при която връзката между частиците, известна като „заплитане“, се прекъсва напълно.

Други изследователи откриха, че някои проблеми на квантовата физика, като например намирането на локалния енергиен минимум, могат да бъдат сравнително прости за изчислителните машини от следващо поколение.

Нарастващото разбиране на изкуствения интелект

Изкуственият интелект остава може би най-пъстрата и същевременно най-загадъчната област на теоретичната информатика. Тази година OpenAI, създателите на ChatGPT, представиха новата серия чатботове o1, които са невероятно съобразителни. Но въпреки впечатляващите им успехи никой не разбира напълно как работят тези системи, което ги прави уязвими за хакерски атаки и други проблеми.

Най-интересният въпрос е: дали тези модели наистина разбират смисъла на това, което казват, или по същество са просто „стохастични папагали“, които могат само да комбинират по различни начини видяна преди това информация? Последните изследвания са в полза на първия вариант. Екипът на Google DeepMind анализира какви умения дават възможност на LLM да постигат такива впечатляващи резултати и стигна до заключението: не, простото препрочитане на данни не е достатъчно.

„Моделите създават завладяващи текстове, като комбинират своите способности и теми по начини, които почти със сигурност не са присъствали в данните за обучение“, обяснява пионерът в областта на изкуствения интелект Джеф Хинтън, който през 2024 г. получи Нобеловата награда в областта на физиката за работата си в сферата на машинното обучение.

Учените откриха и друг любопитен феномен, наречен „гроукинг“(„grokking„): ако даден модел се обучава по-дълго от обичайното, той изведнъж достига качествено ново ниво на разбиране на задачата.