- Веха, окутанная спорами: OpenAI утверждает, что решила одну из самых престижных нерешенных математических проблем — существование и гладкость решений уравнений Навье — Стокса, но объявление омрачено обвинениями в том, что компания использовала работу двух исследователей, не указав их заслуг.
- Неудобная новая реальность математики: OpenAI решила за дни то, над чем два человека трудились почти год, задействовав 10 000 одновременных ИИ-агентов и потратив миллионы — ресурсы, недоступные ни одному академическому математику, что ставит острые вопросы о том, кому на самом деле принадлежит будущее математики.
- Что теряется, когда побеждает ИИ: Как предупреждал Теренс Тао, сам по себе ценен сложный, публичный процесс человеческих ошибок и итераций математиков — и когда частные компании решают проблемы втайне, этот генеративный хаос исчезает вместе с ответом.
Проблема Навье — Стокса касается набора уравнений, описывающих течение жидкостей, таких как вода и воздух, во времени. Уравнения широко используются в области гидродинамики и оказались мощными, но физики и математики не до конца их понимали. В частности, до сегодняшнего дня было неизвестно, могут ли уравнения при некоторых условиях выйти из строя и предсказать невозможное состояние — например, бесконечную скорость жидкости.
В понедельник Бакмастер из Нью-Йоркского университета опубликовал доказательство в социальной сети Mastodon, показывающее, что упрощенная версия уравнений Навье — Стокса действительно может выйти из строя — это был важный шаг вперед в решении Проблемы тысячелетия. Он и Алпоге работали над проблемой почти год, используя общедоступные модели как от OpenAI, так и от Anthropic.
Затем сегодня OpenAI представила доказательство того, что полные уравнения Навье — Стокса также могут выйти из строя. Доказательство было получено с использованием внутренней модели, которая значительно превосходит уже впечатляющую модель Astra, выпущенную на прошлой неделе. Компания заявляет, что не планирует претендовать на миллионный приз за решение проблемы.
Эти математические достижения, несомненно, впечатляют, но привлекли гораздо меньше внимания, чем споры об их происхождении. Вместе с доказательством Бакмастер опубликовал документ, подробно описывающий его взаимодействие с сотрудниками OpenAI после того, как он услышал слухи об их работе и связался с одним из них. По его словам, сотрудники OpenAI представили ему два варианта: либо он и Алпоге опубликуют свою работу, а OpenAI опубликует свое решение по Навье — Стоксу на следующий день, либо он сможет работать с OpenAI над статьей по Навье — Стоксу, исключив Алпоге из авторства из-за его связи с Anthropic, главным конкурентом OpenAI.
Бакмастер также написал, что спросил сотрудников, получили ли агенты доступ к расшифровкам его и Алпоге работы с моделями OpenAI, на что они ответили отрицательно; и были ли модели OpenAI обучены на этих расшифровках, на что они не дали ответа. MIT Technology Review связался с Бакмастером для комментариев, но не получил ответа до публикации.
Документ ясно намекает на то, что модели OpenAI каким-то образом использовали работу Бакмастера и Алпоге. Такой сценарий выглядит правдоподобным. Оба доказательства, Бакмастера/Алпоге и OpenAI, используют подход к проблеме Навье — Стокса, разработанный математиками Диего Кордобой и Луисом Мартинесом-Зороа.
По словам Хавьера Гомеса-Серрано, профессора математики Брауновского университета, этот подход был одним из нескольких, которые считались перспективными для решения проблемы Навье — Стокса. Таким образом, хотя совершенно не исключено, что обе команды могли прийти к этому подходу независимо друг от друга, вполне возможно, что работа Бакмастера и Алпоге могла повлиять на OpenAI.
На брифинфинге Марк Чен, директор по исследованиям OpenAI, вновь отрицал, что какие-либо агенты или сотрудники OpenAI получили доступ к расшифровкам Бакмастера и Алпоге — но, учитывая то, что стало известно о взломе Hugging Face, ясно, что OpenAI не всегда полностью осведомлена о действиях своих агентов.
Если модели OpenAI действительно обучались на работе Бакмастера и Алпоге, или если ее агенты каким-то образом получили к ней доступ, то неспособность компании установить истину и должным образом отметить заслуги этих исследователей бросает на нее тень. Но в этой версии истории для математиков может быть небольшой луч надежды, поскольку она предполагает, что тяжелый труд двух людей, один из которых является известным экспертом по Навье — Стоксу, был необходим для способности агентов решить Проблему тысячелетия.
Эксперты давно определили «исследовательский вкус», или способность выбирать перспективные исследовательские вопросы и направления, как главное препятствие для ИИ в науке и математике. Если агенты OpenAI действительно решили следовать подходу Кордобы — Мартинеса-Зороа, потому что Бакмастер и Алпоге сделали то же самое, то человеческий исследовательский вкус сыграл важную роль в успехе OpenAI.
Тем не менее, общая картина здесь отрезвляет. Прогресс, достигнутый Бакмастером и Алпоге за почти год сотрудничества с общедоступными моделями, говорит о многообещающем сотрудничестве человека и ИИ. Но им не удалось достичь полного решения. Тем временем OpenAI методом грубой силы добилась решения за несколько дней, используя внутреннюю модель, и их успешное решение обошлось астрономически дорого: на брифинфинге Бюбек и Чен заявили, что команда смогла решить проблему, только запустив около 10 000 агентов одновременно, что обошлось в миллионы долларов.
За последние несколько месяцев я слышал от нескольких исследователей, что математики впадают в депрессию, и нетрудно понять почему. Математика быстро становится уделом передовых ИИ-компаний с впечатляющими внутренними моделями, деньгами, которые некуда девать, и отсутствием духа сотрудничества. «Решат ли ИИ-компании потратить свои деньги на одно или другое, я действительно не знаю», — говорит Гомес-Серрано. «Ясно лишь то, что очень немногие математики будут иметь ресурсы такого масштаба».
Если OpenAI и Anthropic будут продолжать стремиться к все более впечатляющим математическим наградам, возможно, для математиков-людей за пределами этих компаний не останется открытых проблем, с которыми можно было бы бороться. Это кардинально изменило бы область математики.
На прошлой неделе математик из Калифорнийского университета в Лос-Анджелесе Теренс Тао написал в ветке Mastodon, описывая, насколько важны ошибки, неверные направления и неполные решения для этой области. «В большинстве случаев в чистой математике проблемы ставятся не потому, что мы отчаянно хотим получить их решение само по себе, а потому, что мы знаем из прошлого опыта, что усилия, направленные людьми на решение этих проблем, как правило, стимулируют дальнейшее развитие области», — написал Тао.
«Преждевременное решение проблемы чисто ИИ-методами — особенно без полной прозрачности процесса решения — может исказить этот процесс до такой степени, что он фактически станет чистым убытком для прогресса математики в целом».
Людям может потребоваться больше времени, чем агентам, для решения математических задач, но в процессе они открывают новые математические подходы и идеи, которые могут вдохновить их коллег и даже породить собственные подобласти.
Но когда вместо них эти проблемы решают ИИ-агенты — и когда частные компании скрывают ошибки агентов от общественности — эти преимущества исчезают. Еще предстоит увидеть, что еще исчезнет в этом процессе.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Grace Huckins
