Математики заявили, що OpenAI не розуміє власного доведення для рівнянь Нав’є—Стокса

На початку вересня компанія представила потенційний розв'язок задачі Нав'є—Стокса обсягом 166 сторінок. OpenAI заявила, що доведення ґрунтується на підході іспанських математиків Дієго Кордоби та Луїса Мартінеса-Зороа.

Тепер кілька груп експертів із цим не погоджуються, повідомляє Scientific American. «Якщо розібратися в деталях, це інший підхід», — каже математик Гонсало Као-Лабора з EPFL. За його словами, схожість є лише поверхневою.

Потенційне доведення написане мовою формальної верифікації Lean, яка перевіряє кожен логічний крок, але сама по собі не робить його зрозумілим для людей. Інститут математики Клея (CMI) перевіряє його від моменту публікації.

До публікації математик Нью-Йоркського університету Трістан Бакмастер звинуватив OpenAI у використанні напрацювань, які він і Ле́вент Альпьоґе з Anthropic створили за допомогою загальнодоступних моделей. OpenAI заперечила це звинувачення, заявивши, що ніколи не використовувала дані Бакмастера. За словами Камілло Де Лелліса з Інституту перспективних досліджень, остаточно відповісти на це, ймовірно, неможливо, оскільки мовні моделі є «чорними скриньками».

На початку жовтня OpenAI оприлюднила ще приблизно 400 результатів, за якими математична спільнота ледве встигає стежити. Публікація їх як неструктурованої добірки на GitHub розлютила багатьох математиків, які вважали, що це здешевлює їхню галузь.

Ніхто не знає, чи справді допомогли 10 000 ШІ-агентів

Є ще дещо, чого OpenAI, схоже, не розуміє у власній роботі. Компанія спрямувала на це завдання значні обчислювальні ресурси, задіявши приблизно 10 000 екземплярів моделей протягом близько 88 годин і використавши 130 мільярдів токенів для розробки потенційного розв'язку задачі Нав'є—Стокса. За словами дослідника OpenAI Ноама Брауна, ніхто насправді не знає, що саме цей величезний рій агентів додав до результату.

Поведінку систем у такому масштабі не досліджували, оскільки проведення систематичних порівняльних тестів із тисячами агентів коштує надто дорого. Ніхто не перевіряв, скільки часу знадобилося б одному агенту для розв'язання тієї самої задачі, і майже неможливо визначити, яку конкретну перевагу дають 10 000 агентів порівняно з 1 000.

Браун вважає, що на мультиагентну конфігурацію припадає менш ніж 10 відсотків успіху. За його словами, ці системи нові й ефектні, тому їм приписують непропорційно велику частку заслуг. Насправді найважливішою є сама базова модель, яка може тривалий час виконувати завдання та працювати паралельно.

Новини про ШІ без ажіотажу — відібрані людьми

Підпишіться на THE DECODER, щоб читати без реклами, отримувати щотижневу розсилку про ШІ, наш ексклюзивний шість разів на рік звіт про передові розробки «AI Radar», повний доступ до архіву та доступ до розділу коментарів.