Panelowa dyskusja podkreśla potencjał AI w przyspieszaniu zaawansowanych badań matematycznych, jednak niezweryfikowany, częściowy dowód problemu istnienia i gładkości równań Naviera-Stokesa budzi obawy dotyczące powtarzalności, własności intelektualnej i ekonomicznej opłacalności takich badań napędzanych przez AI.
Ryzyko: Brak niezależnej weryfikacji i powtarzalności może prowadzić do błędnej alokacji kapitału na rzecz niepodważalnych twierdzeń i przeszacowania postępów.
Szansa: Potencjał AI do przyspieszenia badań i rozwoju w różnych dziedzinach, takich jak materiałoznawstwo czy odkrywanie leków, pod warunkiem, że będzie w stanie konsekwentnie rozwiązywać nowe problemy bez ujawniania własności intelektualnej konkurencji.
Analiza ta jest generowana przez pipeline StockScreener — cztery wiodące LLM (Claude, GPT, Gemini, Grok) otrzymują identyczne instrukcje z wbudowaną ochroną przed halucynacjami. Przeczytaj metodologię →
- Opublikowano
OpenAI twierdzi, że w ciągu kilku godzin znalazło rozwiązanie wieloletniego, zaawansowanego problemu matematycznego, wykorzystując nowy model sztucznej inteligencji (AI) i tysiące botów AI.
Twórca ChatGPT poinformował we wtorek, że skupiając grupę około 10 000 agentów AI, czyli botów AI wykonujących zadania w sposób autonomiczny, rozwiązał notorycznie trudny problem matematyczny w zaledwie 88 godzin.
Problem …
Czytaj więcej
- Opublikowano
OpenAI twierdzi, że w ciągu kilku godzin znalazło rozwiązanie wieloletniego, zaawansowanego problemu matematycznego, wykorzystując nowy model sztucznej inteligencji (AI) i tysiące botów AI.
Twórca ChatGPT poinformował we wtorek, że skupiając grupę około 10 000 agentów AI, czyli botów AI wykonujących zadania w sposób autonomiczny, rozwiązał notorycznie trudny problem matematyczny w zaledwie 88 godzin.
Problem ten był częścią równań Naviera-Stokesa, dotyczących przepływu płynów. Przez 90 lat ważne aspekty tych problemów nie miały dowodu, czyli argumentacji leżącej u podstaw poprawnego równania matematycznego.
OpenAI nazwało znalezione rozwiązanie "kamieniem milowym" i dowodem na szybkie postępy narzędzi AI.
Rozwiązanie OpenAI nie zostało jeszcze niezależnie zweryfikowane ani publicznie zaakceptowane przez The Clay Mathematics Institute, amerykańską organizację matematyczną prowadzącą Millennium Prize, która oferuje wysokie nagrody pieniężne za pierwsze rozwiązanie pewnych matematycznych zagadek.
Firma podała, że pod koniec sierpnia rozpoczęła szkolenie nowego modelu, który szybko okazał się biegły w matematyce. Modele AI to programy komputerowe trenowane na ogromnych ilościach danych w celu rozpoznawania i przewidywania wzorców w informacjach.
Chociaż nowy model OpenAI pozostaje narzędziem używanym wyłącznie w firmie, ponieważ jest "znacznie bardziej wydajny" niż ostatnio wydany przez firmę model AI, jego badacze postanowili wykorzystać go do rozwiązania pewnych znaczących, zaawansowanych problemów matematycznych.
OpenAI przyznało, że w zeszłym tygodniu, 1 września, "usłyszało pogłoski o rozwiązaniu dwóch problemów Millennium Prize" i dlatego postanowiło skierować tysiące botów AI, wytrenowanych na nowym wewnętrznym modelu, do pracy nad rozwiązaniem pozostałych problemów.
Do 5 września, czyli około 88 godzin po postawieniu zadania 10 000 botom AI, OpenAI znalazło rozwiązanie problemu znanego jako istnienie i gładkość Naviera-Stokesa.
Problem ten leży u podstaw turbulencji, zjawiska, które nadal nie jest dobrze zrozumiane.
Chociaż boty AI potrzebowały pozornie niewiele czasu na znalezienie rozwiązania, OpenAI podało, że boty wymieniły prawie 3 miliony wiadomości i zużyły 130 miliardów tokenów wyjściowych, czyli pojedynczych linii tekstu i kodu, które model AI generuje w odpowiedziach, tylko w przypadku Naviera-Stokesa.
Taki wysiłek kosztowałby około 10 milionów dolarów (7,3 miliona funtów), bazując na własnych cennikach OpenAI za dane wyjściowe z jego najbardziej zaawansowanych modeli.
Rozwiązanie, które OpenAI twierdzi, że teraz osiągnęło dla problemu istnienia i gładkości Naviera-Stokesa, rozwiązało dwa z czterech stwierdzeń w dowodzie, których wymagał Millennium Prize. Nagroda jest warta 1 milion dolarów dla zwycięzcy.
"Naszym celem przy publikowaniu tego wyniku jest poinformowanie o znaczących postępach naszych modeli AI", stwierdziło OpenAI we wtorek. "Nie zamierzamy ubiegać się o Millennium Prize za ten wynik."
Już teraz twierdzenie firmy budzi pewne kontrowersje.
Tristan Buckmaster, profesor matematyki na New York University, powiedział we wtorek, że on i Levent Alpöge, matematyk pracujący dla konkurenta OpenAI, firmy Anthropic, również pracowali nad rozwiązaniami tego problemu.
Duet ten wykorzystywał w swojej pracy narzędzie OpenAI o nazwie Codex. Jednak Buckmaster stwierdził, że 3 września dowiedział się, że "informacje o naszym postępie zostały przekazane do OpenAI".
Oświadczenie Buckmastera nastąpiło tego samego dnia, ale kilka godzin przed tym, jak OpenAI opublikowało swoją pracę nad Naviera-Stokesa. Twierdził on, że OpenAI nie rozpoczęło pracy nad równaniami Naviera-Stokesa aż "po tym, jak informacje o naszej pracy dotarły do OpenAI". Dołączył tekst z wymienionych e-maili z OpenAI dotyczących pracy i jego pytań o czas i metody firmy.
Buckmaster dodał, że nie przeczytał jeszcze pełnego dowodu OpenAI, ale czuł się zmuszony do publicznego ujawnienia "tego, co mi powiedziano, kiedy i co mi zaproponowano... ponieważ alternatywą jest pozwolenie, aby seria ogłoszeń mówiła coś, co wiem, że jest fałszem".
OpenAI we wtorek pogratulowało "równoczesnej pracy" Buckmastera i Alpöge, nazywając ją "godną uwagi".
Firma stwierdziła, że nie widziała "żadnej z ich prac w żaden sposób, dopóki nie opublikowali jej publicznie" i że żadne dane użytkowników nie zostały wykorzystane w jej pracy nad problemem Naviera-Stokesa.
"Chociaż jest to mało prawdopodobne, nie możemy wykluczyć, że zanonimizowane dane pochodzące z ich korzystania z naszych produktów pomogły ulepszyć nasze modele", dodała firma. "Jednak nasze dowody znacznie się różnią, a nawet dokładne wyniki są inne."
Powiązane tematy
-
Opublikowano 1 dzień temu
-
Opublikowano 12 godzin temu
Dyskusja AI
Cztery wiodące modele AI dyskutują o tym artykule
Opinie wstępne
“Postęp w matematyce wspomagany przez AI jest realny, ale nie jest to jeszcze zweryfikowany, możliwy do opublikowania dowód równań Naviera-Stokesa.”
Brzmi to bardziej jak historia z gatunku science fiction niż rozwiązany problem matematyczny. Najmocniejszym kontrargumentem jest to, że rzekomy wynik dotyczący równań Naviera-Stokesa nie jest zweryfikowanym, recenzowanym dowodem; Nagroda Milenijna wymaga formalnego, weryfikowalnego rozwiązania zaakceptowanego przez Instytut Claya, a nie częściowych wyników czy wewnętrznych notatek. Artykuł wspomina o dwóch z czterech udowodnionych stwierdzeń i opiera się na nieprzejrzystych wewnętrznych narzędziach, bez ujawnienia niezależnej replikacji. Ponadto zbieżność czasowa z rywalami i potencjalne udostępnianie danych rodzi obawy dotyczące powtarzalności/własności intelektualnej. Niemniej jednak, ten epizod podkreśla potencjał AI w przyspieszaniu badań matematycznych na wysokim poziomie i może przesunąć bodźce oraz narzędzia związane z rozwiązywaniem problemów, nawet jeśli nagroda pozostaje odległa.
Twierdzenie może być sygnałem marketingowym lub częściowym wynikiem mającym na celu wywołanie szumu; recenzja koleżeńska mogłaby z łatwością obalić interpretację lub całkowicie unieważnić dowód.
“Przejście od generatywnej AI do autonomicznych agentów naukowych znacząco zwiększa TAM dla infrastruktury o wysokich wymaganiach obliczeniowych, ponieważ rozwiązywanie złożonych systemów fizycznych staje się wydatkiem kapitałowym typu brute-force.”
Ten rozwój oznacza zwrot od AI jako zwykłego narzędzia generatywnego do autonomicznego agenta zdolnego do wspólnego odkrywania naukowego. Jeśli OpenAI uda się skalować to „agentowe” podejście do nauki o materiałach lub odkrywania leków, zyski z efektywności R&D dla firm takich jak Eli Lilly czy NVIDIA (dzięki projektowaniu chipów napędzanemu przez AI) będą ogromne. Jednak koszt 10 milionów dolarów za częściowy dowód podkreśla ekstremalną kapitałochłonność tych „rozumujących” modeli. Obserwujemy przesunięcie w kierunku „obliczeń jako usługi” dla przełomów naukowych, ale tarcia dotyczące własności intelektualnej z badaczami takimi jak Buckmaster sugerują, że przyszłe przełomy mogą utknąć w sporach prawnych i etycznych dotyczących pochodzenia danych i danych wejściowych do trenowania modeli.
Sukces „agentowy” może być mirażem; jeśli model jedynie syntetyzował istniejącą literaturę, zamiast generować nowe matematyczne spostrzeżenia, jest to kosztowny sztuczka niż prawdziwy przełom naukowy.
“Ogłoszenie OpenAI dotyczące równań Naviera-Stokesa myli niepełny postęp matematyczny z możliwościami AI, podczas gdy zarzut Buckmastera sugeruje potencjalne niewłaściwe wykorzystanie danych użytkowników do stworzenia nagłówka — ryzyko zarządcze i reputacyjne dla inwestycji Microsoftu w OpenAI o wartości ponad 13 miliardów dolarów.”
Twierdzenie OpenAI zasługuje na sceptycyzm z trzech powodów. Po pierwsze: rozwiązanie jest niekompletne — udowodniono tylko 2 z 4 wymaganych twierdzeń, więc nazywanie tego „przełomem” to marketing. Po drugie: 10 milionów dolarów na moc obliczeniową za częściowy dowód, który pozostaje niezweryfikowany przez Clay Mathematics Institute, stawia niską poprzeczkę dla „kamienia milowego” — to jeszcze nie jest nauka możliwa do odtworzenia, to komunikat prasowy. Po trzecie, i najbardziej szkodliwe: zarzut Buckmastera, że OpenAI uzyskało dostęp do informacji o jego równoległej pracy za pośrednictwem danych użytkowania Codex, a następnie pospieszyło z publikacją, sugeruje, że oś czasu jest celowo wprowadzająca w błąd. Brak zaprzeczenia ze strony OpenAI („jest mało prawdopodobne, abyśmy mogli wykluczyć, że zanonimizowane dane pomogły”) jest znamienny.
Jeśli to częściowe dowody rzeczywiście przyspieszą badania nad równaniami Naviera-Stokesa, a koszt obliczeniowy będzie trywialny w porównaniu do przychodów OpenAI, szkody reputacyjne wynikające z kontrowersji Buckmastera mogą być przesadzone — konkurenci zawsze twierdzą, że byli blisko pierwsi.
“Niepotwierdzone twierdzenia i kwestionowana metodologia ograniczają jakąkolwiek natychmiastową ponowną wycenę Microsoftu pomimo postępu widocznego w nagłówkach.”
Zgłoszony przez OpenAI częściowy rozwiązanie równań Naviera-Stokesa po 88 godzinach i 3 milionach wiadomości podkreśla potencjał skalowania systemów wieloagentowych w kontekście problemów milenijnych, jednak wynik obejmuje jedynie dwa z czterech wymaganych stwierdzeń i pozostaje niezweryfikowany przez Instytut Claya. Spór dotyczący harmonogramu Buckmaster-Alpöge, w tym rzekome przekazanie informacji 3 września, rodzi istotne pytania dotyczące pochodzenia danych i oryginalności, które artykuł bagatelizuje. Przy szacunkowym koszcie obliczeniowym wynoszącym 10 milionów dolarów, ćwiczenie demonstruje możliwości, ale także ujawnia ryzyko powtarzalności, zanim pojawią się jakiekolwiek komercyjne narzędzia matematyczne. To temperuje narracje o krótkoterminowej monetyzacji niewydanego modelu.
Nawet jeśli obawy dotyczące pochodzenia pozostaną, odrębne dowody i szybkie iteracje nadal sygnalizują prawdziwy skok możliwości, który może przyspieszyć wdrażanie AI w dziedzinach ilościowych, niezależnie od kwalifikowalności do nagrody.
Debata
W odpowiedzi na Gemini
“Niezależna weryfikacja i powtarzalność są prawdziwymi testami; bez oficjalnego poparcia i przejrzystego pochodzenia danych, szum informacyjny może doprowadzić do błędnego wycenienia przełomów matematycznych opartych na AI.”
Jedno pomijane ryzyko: nawet przy przekonującej narracji o „obliczeniach jako usłudze”, szum informacyjny może alokować kapitał do twierdzeń niemożliwych do zweryfikowania. Artykuł traktuje 10 milionów dolarów na obliczenia jako barierę, ale prawdziwym kryterium jest niezależna weryfikacja i powtarzalność; bez poparcia Instytutu Claya, rynki mogą przeceniać postęp i finansować zakłady matematyczne oparte na AI, które nigdy nie dostarczą solidnych dowodów. Ta zmienność może prowadzić do błędnego wycenienia rzeczywistych narzędzi badawczo-rozwojowych dla nauki i błędnej alokacji kapitału do firm goniących za szumem zamiast za weryfikowalnymi wynikami.
W odpowiedzi na Gemini
“Obecny stosunek mocy obliczeniowej do dowodów w badaniach napędzanych przez AI jest ekonomicznie nieuzasadniony i niesie ze sobą zaporowe ryzyko IP dla komercyjnego wdrożenia przez przedsiębiorstwa.”
Gemini, mylisz badania i rozwój (R&D) oparte na "agentach" z komercyjnym zwrotem z inwestycji (ROI). Nawet jeśli to zostanie zastosowane do odkrywania leków, koszt obliczeniowy w wysokości 10 milionów dolarów za częściowy, niezweryfikowany dowód jest ekonomicznie nieopłacalny dla większości firm. Obserwujemy stosunek "obliczeń do dowodu", który jest obecnie absurdalny. Dopóki OpenAI nie udowodni, że ten model potrafi rozwiązywać nowe problemy bez ujawniania własności intelektualnej konkurencji – jak zauważyły Claude i Grok – nie będzie to narzędzie; będzie to kosztowne, obarczone dużą odpowiedzialnością "czarne pudełko", które będzie miało trudności ze zdobyciem zaufania przedsiębiorstw.
W odpowiedzi na ChatGPT
“Koszt 10 mln USD jest "absurdalny" tylko wtedy, gdy ignoruje się prawo Moore'a dla modeli wnioskowania i zakłada brak zysków z powtarzalności.”
ChatGPT oznacza ryzyko błędnej alokacji kapitału, ale pomija odwrotność: jeśli model OpenAI faktycznie rozwiązuje trudne problemy szybciej niż zespoły ludzkie, koszt obliczeniowy w wysokości 10 mln USD staje się trywialny w porównaniu z budżetami na badania i rozwój w sektorach farmaceutycznym i obronnym. Prawdziwe pytanie brzmi nie, czy 10 mln USD to dużo – ale czy model wystarczająco skraca czas potrzebny do rozwiązania problemu, aby uzasadnić jego przyjęcie. Stwierdzenie, że „stosunek obliczeń do dowodu w Gemini jest absurdalny”, zakłada statyczne ceny; jeśli powtarzalność się utrzyma, a koszty spadną o 50% rocznie, w ciągu 24 miesięcy przekształci się to z obciążenia w użyteczność.
W odpowiedzi na Claude
“Opóźnienia w weryfikacji i problemy z IP znacznie opóźnią monetyzację poza 24-miesięcznym horyzontem redukcji kosztów Claude.”
Harmonogram obniżania kosztów przez Claude ignoruje fakt, że weryfikacja przez Clay Institute w przypadku jakiegokolwiek roszczenia Milenijnego rutynowo wymaga wieloletniej niezależnej analizy, a nie 24 miesięcy. Nawet jeśli moc obliczeniowa podwaja się rocznie, spór o własność intelektualną Buckmastera i brak powtarzalności blokują adopcję korporacyjną lub przychody z narzędzi do czasu formalnego przyjęcia. To bezpośrednio przekłada się na ostrzeżenie o błędnej alokacji ChatGPT w przedłużone zamrożenie komercjalizacji, a nie w przesunięcie użyteczności w najbliższym czasie.
Werdykt panelu
NEUTRAL Brak konsensusuPanelowa dyskusja podkreśla potencjał AI w przyspieszaniu zaawansowanych badań matematycznych, jednak niezweryfikowany, częściowy dowód problemu istnienia i gładkości równań Naviera-Stokesa budzi obawy dotyczące powtarzalności, własności intelektualnej i ekonomicznej opłacalności takich badań napędzanych przez AI.
Potencjał AI do przyspieszenia badań i rozwoju w różnych dziedzinach, takich jak materiałoznawstwo czy odkrywanie leków, pod warunkiem, że będzie w stanie konsekwentnie rozwiązywać nowe problemy bez ujawniania własności intelektualnej konkurencji.
Brak niezależnej weryfikacji i powtarzalności może prowadzić do błędnej alokacji kapitału na rzecz niepodważalnych twierdzeń i przeszacowania postępów.
Powiązane Wiadomości
To nie jest porada finansowa. Zawsze przeprowadzaj własne badania.