Az OpenAI három új matematikai, informatikai és fizikai eredményt jelentett be
Az OpenAI három, matematikai, számítástechnikai és fizikai eredményt tett közzé, miközben új együttműködési modellt próbál ki a tudományos közösségekkel. A cég külső szakértőket kért fel az eredmények értelmezésére és ellenőrzésére.
- Az OpenAI három tudományos eredményt jelentett be matematikai, informatikai és fizikai területen.
- A modellek állítólag minden dimenzióban bizonyítást készítettek a lokális simítási sejtésre.
- Az OpenAI szerint rendszere megcáfolta az Exponential Time Hypothesis sejtést.
- A számítástechnikai eredmény természetes nyelvű leírása és Lean-formalizálása elérhető a GitHubon.
- A fizikai eredmény külső kutatócsoport általi feldolgozás alatt áll.
Három eltérő publikációs stratégia
Az OpenAI szerint a modellek által előállított kéziratok önmagukban inkább nyers kutatási adatként értelmezhetők. A tudományos megértés kialakításához ezért külső szakértőket keresett meg, akik kutatócsoportokat szerveznek az eredmények vizsgálatára.
A három bejelentéshez három különböző megközelítést választottak. A matematikai eredménynél nyilvánosságra hozták az AI által készített anyagot, és a kutatókra bízták annak értelmezését. A számítástechnikai eredményhez külső együttműködői csoportot hoztak létre, miközben az AI kimenetét bárki számára hozzáférhetővé tették. A fizikai eredménynél a külső csoport dönt a közzétett anyagokról.
Az együttműködések négy alapelv szerint működnek. Az OpenAI átláthatóságot ígér, a résztvevőknek nem kell titoktartási megállapodást aláírniuk. A cég nem kér tudományos elismerést a belső modelljei által létrehozott felfedezésekért, miközben a csoportokat megilleti az általuk készített magyarázatok és anyagok elismerése. A részvétel önkéntes és nem fizetett, a kutatók pedig saját álláspontjukat képviselik.
A harmonikus analízis és a Kakeya-sejtés
Az első eredmény a hullámok fókuszálódását vizsgáló harmonikus analízishez kapcsolódik. Sogge 1991-ben fogalmazta meg a lokális simítási sejtést, amely szerint a szélsőséges fókuszálódás csak rövid ideig tarthat. A sejtésnek széles körű következményei vannak, többek között maga után vonja a Kakeya-sejtést és Stein korlátozási sejtését.
Az OpenAI közlése szerint modelljei minden dimenzióban bizonyítást készítettek a lokális simítási sejtésre, ezzel pedig a két kapcsolódó sejtést is megoldották. Az új bizonyítás egy új segéd parciális differenciálegyenleten alapul. Az AI-kimenet október 18-án készült el, majd másnap Leanben formalizálták.
A cég közzétette az AI által készített természetes nyelvű leírást és a Lean-bizonyítást nyilvános GitHub-adattárában. A közzétételi stratégiát egy külső szakértő javaslata alapján választották.
Az ETH cáfolata és a kvantumtér-elméleti eredmény
A számítástechnikai együttműködés az Exponential Time Hypothesis, vagyis az ETH vizsgálatára összpontosít. Ez a Boole-formulák kielégíthetőségének számítási komplexitásáról szóló, régóta fennálló sejtés, amely szorosan kapcsolódik a P és NP problémájához. Az ETH-t széles körben igaznak tartották, és több száz tanulmány használt rá épülő feltételes nehézségi eredményeket.
Az OpenAI szerint rendszere megcáfolta az ETH-t, az eredményt pedig később Leanben is ellenőrizték. A természetes nyelvű cáfolat október 16-án készült el, a formalizálás október 17-én történt meg. A munkát Russell Impagliazzo, Ramamohan Paturi és Ryan Williams vezeti. Az OpenAI a nyers eredményeket nyilvánosságra hozta, és vállalta egy, a következményeket vizsgáló konferencia finanszírozását.
A fizikai eredmény matematikailag szigorú létezésbizonyítást céloz olyan, négy dimenzióban értelmezett kölcsönható kvantumtér-elméletekre, amelyek mértékmezőket és fermionokat tartalmaznak. Ezek között szerepel a kvantumszíndinamika, valamint a Standard Modell egyesített kiegészítése. A munka része a tiszta Yang-Mills-elmélet létezésének bizonyítása is. Ezt a csoportot David Gross vezeti Michael Douglas, Arthur Jaffe, Igor Klebanov és Nikita Nekrasov részvételével. Ennél az eredménynél a csoport egyelőre nem teszi közzé az AI által előállított anyagokat, hanem saját feldolgozáson dolgozik.
