Az OpenAI október 6-án, kedden egy nyilvánosan még nem elérhető, belső AI-modellje által írt matematikai tanulmányokat tett közzé: összesen 722 anyagot, 372 eredménycsoportba rendezve, 17 matematikai területről, egy nyilvános GitHub-tárhelyen. Az anyagok a modell fejlesztése során készültek: a cég azután bővítette ki a nyitott kutatási problémákon végzett teszteket, hogy a modell a meglévő matematikai teszteken már a maximumot hozta, és a tesztidőszak alatt nagyjából 4000 problémát kapott meg. Az OpenAI szerint egy-egy eredmény átlagosan nagyjából három órányi ChatGPT Pro-gondolkodásnak megfelelő számítási kapacitást igényelt. A modell nevét a cég nem árulta el, csak annyit közölt, hogy dolgozik annak nyilvános, de felelős kiadásán.

A legnagyobb visszhangot a Riemann-sejtéshez kapcsolódó eredmény kapta. A Riemann-sejtés a prímszámok eloszlásáról szóló, egymillió dolláros jutalommal kiírt probléma, az OpenAI modellje ennek egy gyengébb változatát bizonyította: azt, hogy egy széles függvénycsaládnak, köztük a Riemann-féle zétafüggvénynek egy jól meghatározott tartományban nincs zérushelye. A tanulmányok között szerepel többek közt egy ellenpélda Kaplansky egyik algebrai sejtésére és a Mahler-sejtés bizonyítása is. A csomag ugyanakkor a hátralévő öt millenniumi probléma egyikét sem oldja meg, bár egyes tanulmányok kapcsolódnak hozzájuk. Egy független összesítés szerint a kiadott tanulmányok az 500 legfontosabb matematikai problémából akár 90-re is megoldást kínálhatnak – ez azonban nem az OpenAI hivatalos állítása, és a cég nem közölte, melyek ezek közül a sejtések teljes megoldásai és melyek inkább kisebb technikai előrelépések.

Hogy mennyi igaz az eredményekből, azt még ellenőrizni kell. A bizonyítások egy részét a cég Lean nyelven is közzétette, amellyel számítógép tudja ellenőrizni a levezetés minden lépését: ez a 722 tanulmányból 162 fő eredményére terjed ki, de a leírás maga is figyelmeztet arra, hogy a gépileg nem ellenőrzött eredmények között lehetnek hibásak. Az OpenAI szóvivője a Nature-nek azt írta, hogy az eredmények jelentőségének megítélését a szakmai közösségre bízzák.

Levent Alpöge, az OpenAI-jal versengő Anthropic matematikusa az X-en azt írta, lesznek szomorú történetek, mert egyes matematikusok kutatási projektjeit megelőzhette az OpenAI, de ezt szerinte félre kell tenni: „Nyilvánvalóan ez a matematika történetének legjelentősebb pillanata” – írta. A megszólalás azért is figyelemre méltó, mert Alpöge és Tristan Buckmaster, a New York-i Egyetem matematikusa szeptemberben azzal vádolta az OpenAI-t, hogy tudomást szerzett a Navier–Stokes-egyenletekkel kapcsolatos, publikálatlan munkájukról, ezért a cég gyorsan előállt egy kapcsolódó eredménnyel – ezt az OpenAI tagadta. Mások kevésbé lelkesek: Alvaro Lozano-Robledo, a Connecticuti Egyetem matematikusa azt kifogásolta, hogy miért akar az OpenAI több száz problémát egyszerre megoldani és közzétenni ellenőrizetlenül, Peter Woit, a Columbia Egyetem matematika tanszékének fizikusa pedig egyenesen „slopokalipszisnek” nevezte a kiadványt – vagyis az AI-generált szemét szélsőséges, tudományos formába csomagolt változatának.

A cég szeptember óta próbálja kezelni a matematikus közösség bírálatait. Az OpenAI szeptember 8-án jelentette be a Navier–Stokes-egyenletek megoldását, majd megalakult egy kilenctagú független tanácsadó testület a princetoni Institute for Advanced Study intézetben. Ez a testület szeptember 29-én kiadott ajánlásában arra kérte az AI-cégeket, hogy ne teszteljék fejlett matematikai problémákon a nyilvánosan nem elérhető modelljeiket – az OpenAI most ennek ellenére egy ilyen modell eredményeit tette közzé a saját GitHub-oldalán. A cég azt is bejelentette, hogy workshopokat és konferenciákat finanszíroz az AI által elért eredmények megértésére.

Varga Dániel, a HUN-REN Rényi Alfréd Matematikai Kutatóintézet tudományos főmunkatársa a Qubitnek adott interjújában nemrég úgy fogalmazott: „A matematika nincs bajban, fantasztikus eredmények fognak születni. Abban már kevésbé vagyok optimista, hogy mi, a matematika művelői is jól vészeljük át a drámai változást.” Szerinte a terület abban egyetért, hogy a mostani rendszer, amelyben a matematikusok kiválóságukat bizonyítva nyernek pályázatokat, állásokat és díjakat, alapvető változtatások nélkül nem lesz fenntartható az AI korában.

Kapcsolódó cikkek:

Forrás