OpenAI виклала на GitHub 372 математичні доведення, закликавши академічний світ не відставати

OpenAI опублікувала велику колекцію математичних результатів, отриманих внутрішньою моделлю ШІ. Докази оприлюднено на GitHub, а не в академічних журналах; формальна перевірка має зробити рецензування практичнішим.

OpenAI опублікувала 372 нові математичні результати, згенеровані внутрішньою передовою моделлю. Кожен результат має розв’язувати відкриту проблему або суттєво наближати до її розв’язання. Колекція містить удосконалення основних комп’ютерних алгоритмів і досягнення, пов’язані з гіпотезою Рімана.

Компанія розміщує результати в репозиторії GitHub, доповненому журналами змін і цитуваннями. За словами OpenAI, ця сама модель уже розв’язала задачу Нав’є—Стокса, яка протягом кількох тижнів перебуває на етапі формальної перевірки.

OpenAI стверджує, що майже кожен результат отримано за одним запитом до одного ШІ-агента, хоча для деяких знадобилося кілька спроб. Це різко контрастує з розв’язанням задачі Нав’є—Стокса, для якого знадобилася ройова система з 10 000 агентів і мільйони доларів на обчислення. У середньому кожен результат потребував близько трьох годин обчислень у режимі міркування ChatGPT Pro.

Формальна перевірка може послабити вузьке місце в рецензуванні

Багато доказів супроводжуються формалізаціями мовою Lean — мовою програмування, створеною для математичних доказів, які можна перевіряти машиною. Планується додати більше формалізацій. Причина практична: величезний обсяг результатів, згенерованих ШІ, легко може перевантажити спроможність математичної спільноти перевіряти їх вручну.

OpenAI також опублікувала деталі своєї методології, зокрема резюме процесу міркування, статистику щодо кількості проблем, які модель намагалася розв’язати, та оцінки витрат на обчислення.

Традиційні журнали не пристосовані до таких темпів

OpenAI розмістила результати на GitHub, а не в рецензованих журналах. Це демонстративний крок, адже він натякає, що традиційний процес наукової роботи надто повільний для такого обсягу потенційно нових знань.

OpenAI консультувалася з Консультативною групою з математики та штучного інтелекту Інституту перспективних досліджень і приблизно дотримувалася її публічних рекомендацій, оскільки компанія не опублікувала жодних запитів і поділилася лише середніми витратами на обчислення, а не показниками для кожної проблеми. До консультативної групи, серед інших відомих математиків, входить лауреат Філдсівської премії Тімоті Ґоверс.

Компанія також оголосила про плани фінансувати семінари й конференції, присвячені розумінню результатів, створених ШІ. OpenAI визнала, що прагне покращити якість своїх цитувань і подачі матеріалу, та заявила, що працює над відповідальним випуском моделі, аби «безпосередньо надати науковцям передові можливості».

Втім, OpenAI заздалегідь встановила для консультативної групи одну важливу межу: математики можуть радити, як повідомляти про результати, але не можуть впливати на те, чи створюються вони та як швидко.

Математична спільнота розділилася щодо справжнього значення масового виробництва доказів

Формалізації Lean можуть перевірити логічну правильність, але не здатні оцінити математичну значущість або оригінальність результату. OpenAI робить ставку на те, що її результати розширюють межі людських знань. Чи погодиться з цим математична спільнота, залишається відкритим питанням. Поки що реакції варіюються від захоплення до розчарування.

У нещодавньому відкритому листі під назвою «Глибока невідповідність ШІ в математиці» 25 лауреатів Філдсівської премії попередили про глибокий розрив між цілями індустрії ШІ та цілями математики. Вони написали, що розв’язання задач є лише інструментом і замінником справжньої мети — концептуального розуміння та осяяння. На їхню думку, масове виробництво істинних тверджень може знищити сприятливий ґрунт, а не породити нові ідеї. Цей ефект пошириться й на інші галузі.

Ґоверс попереджав, що протягом одного-двох десятиліть математична література може колосально розростися, тоді як не залишиться жодної людської спільноти, яка справді її розумітиме. Лауреат Філдсівської премії Теренс Тао додав, що підготовка молодих математиків має наголошувати на людському аспекті й суворо обмежувати використання інструментів ШІ, щоб зберегти справжнє навчання та розуміння.

Новини про ШІ без хайпу — відібрані людьми

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