Nie minął nawet miesiąc od masowego udostępnienia setek manuskryptów, w których – jak twierdziła – zawarto rozwiązania dawno nierozwiązanych problemów matematycznych, a OpenAI wraca z trzema kolejnymi „przełomowymi” odkryciami w matematyce, informatyce i fizyce. Tym razem firma postanowiła pozwolić zewnętrznym ekspertom – których nazywa „pasterzami” – pokierować wynikami w informatyce i fizyce. W przypadku problemu matematycznego OpenAI twierdzi, że doradzono jej bezpośrednie udostępnienie wyników AI, aby badacze mogli sami opracować własne wyjaśnienia. Bo nic nie mówi „naukowa rzetelność” jak crowdsourcing recenzji naukowej.

Przełom matematyczny, według OpenAI, to dowód „lokalnego wygładzania dla euklidesowego równania falowego”. Dowód wykorzystuje pomocnicze równanie różniczkowe cząstkowe do ustalenia lokalnego wygładzania Sogge’a dla fal w każdym wymiarze przestrzennym co najmniej drugim. Daje także maksymalne i wymiarowe hipotezy Kakeyi oraz sferyczne oszacowania ograniczeń Steina w całym wnętrzu przypuszczalnego zakresu. OpenAI udostępnia wynik modelu bezpośrednio, tak jak zrobiła to w wydaniu z 6 października. Zaledwie kilka miesięcy temu profesor NYU Hong Wang zdobyła prestiżowy Medal Fieldsa przyznawany przez Międzynarodową Unię Matematyczną za rozwiązanie hipotezy Kakeyi w trzech wymiarach. Teraz AI twierdzi, że zrobiła to we wszystkich wymiarach. Nie ma jeszcze informacji, czy medal wiąże się z aktualizacją oprogramowania.

Wynik w informatyce jest jeszcze śmielszy: artykuł zatytułowany „Hipoteza wykładniczego czasu jest fałszywa”. Artykuł przedstawia deterministyczny algorytm, który dokładnie zlicza spełniające przypisania formuł CNF o stałej szerokości w czasie subwykładniczym i przestrzeni wielomianowej. Przypadek 3-SAT obala Hipotezę wykładniczego czasu (ETH). Niezależna grupa robocza informatyków pod przewodnictwem Russella Impagliazzo, Ramamohana Paturiego i Ryana Williamsa zbada i wyjaśni dowód. Na prośbę grupy OpenAI natychmiast udostępnia materiały publicznie, aby inni również mogli je zbadać. Impagliazzo i Paturi byli częścią grupy, która pierwotnie zaproponowała ETH w 1999 roku – więc przynajmniej ktoś w pokoju pamięta, kiedy hipoteza była uważana za prawdziwą.

Informacje fizyczne nie zostały w pełni ujawnione, ale OpenAI opisuje je jako „matematycznie rygorystyczny dowód istnienia pewnych oddziałujących kwantowych teorii pola zawierających pola cechowania i fermiony w czterech wymiarach, w tym chromodynamikę kwantową (QCD) i zunifikowane uzupełnienie Modelu Standardowego fizyki cząstek elementarnych”. David Gross poprowadzi grupę obejmującą Michaela Douglasa, Arthura Jaffe’a, Igora Klebanova i Nikitę Nekrasowa, która będzie „pasterzować” tę pracę. Bo nic nie mówi „jesteśmy pewni” jak wstrzymywanie pełnych szczegółów i wzywanie noblistów.

OpenAI przyznaje, że to podejście może mieć własne problemy. Panel doradców matematycznych AGMAI, który OpenAI powołał, właśnie wczoraj stwierdził, że „zalecamy, aby firmy AI nie przyjmowały” praktyki wyznaczania określonych osób do pierwszego otrzymania wyników, wymieniając nierówny dostęp, pożyczoną reputację i stronniczy wybór jako kilka z problemów. Zamiast tego zalecili, aby w przyszłości laboratoria AI udostępniały wyniki w repozytoriach naukowych, z dowodami sformalizowanymi w Lean, informacjami o tym, jak wybrano problemy, finansowaniem dla osób pracujących nad zrozumieniem wyników i innymi informacjami. Innymi słowy: może nie traktujcie przełomowej nauki jak przedsprzedaży VIP.

Grupa informatyczna zdecydowała się dziś udostępnić opis wyników AI i dowód w Lean na GitHubie. Opublikowali także list otwarty do społeczności z prośbą o opinie na temat tego, jak zbadać roszczenie i jak ustalić normy postępowania z przełomami generowanymi przez AI. List stawia trzy szersze pytania: Jakie oczekiwania powinny rządzić wczesnym dostępem do wyników generowanych przez AI, ujawnianiem konfliktów interesów i wykorzystywaniem niepublikowanych materiałów do późniejszych badań? Jak należy uznawać zarówno nowe odkrycia, jak i pracę polegającą na sprawdzaniu, poprawianiu, upraszczaniu, wyjaśnianiu i rozszerzaniu ich? Jak możemy wspierać stude