Az OpenAI modelljei három nagy tudományos állítást tettek közzé – a szakma dönt az érvényességről

Az OpenAI október 26-án közölte, hogy belső modelljei három olyan eredményt állítottak elő, amelyek a harmonikus analízis, a számítási bonyolultságelmélet és a kvantumterületelmélet nyitott kérdéseihez kapcsolódnak. A bejelentés önmagában nem jelent tudományos elfogadást: a vállalat kifejezetten azt hangsúlyozza, hogy az állításokat független kutatóknak kell értelmezniük és ellenőrizniük.

Három terület, három eredmény

A matematikai eredmény a lokális simítási sejtésre vonatkozik, amelyet Sogge 1991-ben fogalmazott meg, és amely a hullámok fókuszálódásának viselkedését írja le. Az OpenAI szerint a modell minden dimenzióban bizonyítást talált erre a sejtésre, ami egyúttal a Kakeya-sejtés és Stein korlátozási sejtésének megoldását is jelentheti. A nyers AI-kimenetet és a Lean-formalizálást a cég GitHubon tette közzé.

A számítástechnikai eredmény az Exponential Time Hypothesis (ETH) – a logikai kielégíthetőség problémájának számítási bonyolultságára vonatkozó, évtizedek óta széles körben elfogadott feltételezés – állítólagos cáfolata. A bizonyítást Leanben is ellenőrizték. Russell Impagliazzo, Ramamohan Paturi és Ryan Williams vezetésével külső munkacsoport dolgozik az eredmény magyarázatán; Impagliazzo és Paturi az ETH eredeti megfogalmazói 1999-es munkájukban.

A fizikai eredmény matematikailag szigorú létezésbizonyítást ad bizonyos négydimenziós, kölcsönható kvantumterületelméletekre, beleértve a kvantumkromodinamikát (QCD) és a standard modell egyes grand unifikált kiegészítéseit. Az eredmény részét képezi a tiszta Yang–Mills-elmélet létezésének bizonyítása is, amely a Clay Intézet ezermillió dolláros problémáinak egyike. David Gross Nobel-díjas fizikus vezeti a munkát Michael Douglas, Arthur Jaffe, Igor Klebanov és Nikita Nekrasov mellett; a fizikai AI-artefaktumokat egyelőre nem tették nyilvánossá.

„Pásztorok” és nyers kutatási adat

Az OpenAI új kiadási modellje lényegesen eltér a hagyományos tudományos publikációtól. A modellkimeneteket „nyers kutatási adatnak” nevezi, amelyet külső szakértői csoportoknak – a cég szóhasználatában „pásztoroknak” – kell tudományos értelemben feldolgozniuk. Mindhárom területen más stratégiát választottak:

• Matematika: az AI-kimenet azonnal nyilvános, a közösség szabadon dolgozhat rajta.
• Számítástechnika: külső csoport magyarázza az eredményt, miközben a bizonyítás nyilvános a GitHubon.
• Fizika: a csoport saját közleményt készít, mielőtt az AI-anyagok megjelennek.

A folyamat négy elvre épül: átláthatóság, az OpenAI nem követel tudományos érdemjegyet, az értelmező csoportok munkájának elismerése, valamint független, önkéntes részvétel. A cég elismerte, hogy a kezdeti szakértők kiválasztása befolyásolja, ki kapcsolódhat be először – pont ezt kifogásolta az Institute for Advanced Study tanácsadó testülete (AGMAI) október 25-én.

Gyakorlati jelentés és ellenőrzés

Ha a ETH-cáfolat és a többi állítás független ellenőrzés után is helytáll, az alapjaiban formálhatja át, hogyan gondolunk a hatékony számítás határairól és a modern fizika matematikai alapjairól. Az OpenAI szerint a gyakorlati algoritmusfejlesztési következmények további kutatást igényelnek – közvetlen hatás a mindennapi szoftverekre egyelőre nem várható.

Magyarországon a legközelebbi kapcsolódás az akadémiai és kutatói közösséghez kötődik: az eredmények feldolgozása nemzetközi együttműködést, Lean-formalizálásban jártas szakembereket és hosszú ellenőrzési ciklust igényel. A cég 5 millió dolláros támogatást jelentett be a Simons Alapítványnak hasonló célokra.

Korábbi kiadások tanulsága

Nem ez az első nagy volumenű matematikai kiadás az OpenAI-től: október 6-án 721 kéziratot tettek közzé 373 családba rendezve a GitHubon. Korábban a Navier–Stokes-problémához kapcsolódó kommunikáció is vitát váltott ki: az ellenőrzők rámutattak, hogy a Lean-formalizáció a Clay Intézet alternatív (C) és (D) megfogalmazásait igazolta, nem feltétlenül azt az erős állítást, amit a nyilvános kommunikáció sugallhatott. Ez emlékeztet arra, hogy az AI-generált bizonyítások ellenőrzése elengedhetetlen – akárcsak most, a három új eredménynél is.

Részletek az OpenAI hivatalos közleményében és a The Verge összefoglalójában.