Matematikusok szerint az OpenAI sem érti saját Navier-Stokes-bizonyítását
Több matematikus szerint az OpenAI által bemutatott 166 oldalas Navier-Stokes-megoldás eltér a hivatkozott spanyol kutatók módszerétől, miközben az OpenAI sem tudja pontosan, mennyi köze volt az AI-nak az eredményhez.
Az OpenAI szeptember elején jelentette be, hogy egy 166 oldalas potenciális megoldást talált a Navier-Stokes-problémára. A cég azt állította, hogy a bizonyítás Diego Córdoba és Luis Martínez-Zoroa spanyol matematikusok megközelítését követte. Több szakértői csoport azonban vitatja ezt — írja a Scientific American. (The Decoder)
Matematikai szakértői kritikák
„Amikor belemerülünk a részletekbe, más megközelítésről van szó” — mondta Gonzalo Cao-Labora matematikus az EPFL-től. Szerinte a hasonlóságok csak felületesek. A bizonyítást Lean formális nyelven írták, ami emberi olvasásra önmagában nem teszi olvashatóvá. A Clay Mathematics Institute (CMI) vizsgálja az anyagot.
AI-szerep és modellhasználat
Az OpenAI tagadta, hogy Tristan Buckmaster NYU-matematikus és Levent Alpöge, az Anthropic kutatója által nyilvánosan elérhető modellekkel végzett munkát használt volna fel a bizonyításhoz. Camillo De Lellis, az Institute for Advanced Study munkatársa szerint a nyelvi modellek „fekete dobozként” működnek, így a végső válasz valószínűleg lehetetlen.
Az OpenAI október elején további mintegy 400 eredményt tett közzé GitHubon, amit sok matematikus sérelmezett, mondván, ez „olcsóvá teszi a tudományágat”. A cég mintegy 10 000 modellpéldányt használt 88 órán keresztül, 130 milliárd tokent feldolgozva a megoldás kidolgozásához. Noam Brown, az OpenAI kutatója szerint senki sem tudja pontosan, mennyi köze volt az AI-ügynökök tömegének az eredményhez.
A több ezer ügynök együttes viselkedését nem tanulmányozták szisztematikusan, mivel a tesztelés túl költséges. Brown becslése szerint a siker kevesebb mint 10 százaléka tulajdonítható a többügynökös felállásnak. A kutató szerint ezek a rendszerek újak és látványosak, így aránytalanul nagy figyelmet kapnak, míg a lényeg a nagyméretű alapmodell, amely hosszú ideig képes feladatokat végezni és párhuzamosan futni. Noam Brown becslése szerint a siker kevesebb mint 10 százaléka tulajdonítható a többügynökös felállásnak.