În ceea ce poate fi descris doar ca echivalentul academic al aruncării unui pian în capul cuiva și apoi cererea de a recenza partitura, OpenAI a lansat săptămâna aceasta aproape 400 de rezultate matematice generate de AI, răspândite în peste 700 de manuscrise. Reacția comunității matematice a variat de la „uluitor” la „pură nebunie” – și acestea au fost cele politicoase.

Colecția cuprinde combinatorică, mai multe ramuri ale geometriei, teoria numerelor, informatică teoretică, algebră, topologie, probabilitate și mecanică statistică, și fizică matematică. Este atât de vastă încât OpenAI s-a simțit obligată să publice îndrumări despre cum să navighezi în vastul depozit GitHub, ceea ce este puțin ca și cum ai da cuiva o hartă a unei clădiri pe care tocmai ai dat foc.

„Doar parcurgerea întregii liste de rezumate este copleșitoare”, a declarat Álvaro Lozano-Robledo, profesor de matematică la Universitatea din Connecticut. Mai mulți matematicieni au declarat pentru The Verge că simpla parcurgere a cuprinsului și rezumatelor de aproximativ 40 de pagini le-a luat aproape o oră. Pentru cei care țin scorul acasă, asta înseamnă o oră doar pentru a citi meniul.

Printre sutele de manuscrise se strecoară formalizări în Lean, un limbaj de programare și asistent de demonstrație care permite verificarea computațională a rezultatelor. Aceste formalizări s-au dovedit esențiale în evaluarea unor afirmații matematice anterioare ale OpenAI, oferindu-le cercetătorilor încrederea că o afirmație este corectă din punct de vedere logic, chiar dacă nu înțeleg pe deplin argumentul din spate – ceea ce este puțin ca și cum ai avea încredere într-un calculator fără să știi ce este împărțirea.

Dar gradul de verificare a fiecărui rezultat a variat enorm. Pe GitHub, OpenAI a recunoscut că rezultatele sunt „în diferite stadii de verificare” și că „multe, dar nu toate, manuscrisele au fost formalizate”. La momentul scrierii, mai puțin de jumătate dintre manuscrisele din colecție par să fi fost descrise formal. OpenAI a declarat că doar 300 de rezultate principale din 719 manuscrise au fost formalizate – aproximativ 42% – și că „va actualiza depozitul cu mai multe formalizări pe măsură ce le obținem”. Deci, aproximativ 58% din apocalipsa matematică rămâne neverificată. Dormiți liniștiți.

Mai mulți matematicieni s-au plâns The Verge de lipsa formalizării, în special având în vedere numărul enorm de rezultate. Chiar și atunci când codul Lean însoțește un rezultat, evaluarea nu este instantanee. Cercetătorii trebuie să verifice că formalizarea demonstrează într-adevăr ceea ce susține rezultatul – un alt proces consumator de timp. Mai mulți care au cercetat lucrările au spus că, chiar și acolo unde au fost furnizate dovezi verificabile de computer, calitatea a fost inconsistentă și afirmațiile verificate nu păreau întotdeauna să se potrivească perfect cu revendicările din manuscrisele însoțitoare.

Kevin Buzzard, profesor de matematică la Imperial College London, a spus că a identificat numeroase teoreme în domeniul său de activitate – teoria numerelor algebrice – dintre care doar aproximativ șase i-au „sărit imediat în ochi”. Puține, dacă nu chiar niciuna, dintre acestea nu păreau a fi verificate formal în Lean. „Prin urmare, fie trebuie să citesc rahat posibil-incorect, fie să aștept ca alții să facă același lucru, fie să aștept ca cineva să le formalizeze înainte de a putea spune sigur că rezultatele sunt măcar corecte.” Preocupările lui Buzzard au fost ecouate de numeroși alți cercetători, care probabil aveau alte lucruri de făcut săptămâna aceasta.

Buzzard a fost departe de a fi singurul îngrijorat de „slopul” AI – o prescurtare pentru material de calitate scăzută, frecvent eronat, generat de AI, care apare tot mai des online și în lumea reală, inclusiv în lucrări academice. Ca și în alte domenii, matematicienii au declarat pentru The Verge că au văzut o creștere uriașă a unor astfel de materiale produse cu instrumente precum ChatGPT și Claude în ultimii ani. O mare parte este confuză, greu de citit și demonstrează puțină înțelegere a subiectului; este deosebit de slabă când vine vorba de acordarea creditului altor cercetători. Scrierile matematice anterioare ale OpenAI au fost criticate pe scară largă de experți pentru