OpenAI bejelentette, hogy ügynökei megoldották a Navier–Stokes létezés és simaság kérdését, a Clay Mathematics Institute 2000-ben kiválasztott hét Millennium-díjprobléma egyikét. A hagyományos elvárás szerint egy ilyen megoldás hatalmas tudományos siker lenne, de a bejelentést azonnal felülröpték vádak: állítólag OpenAI az NYU-s Tristan Buckmaster és az Anthropicnál dolgozó Levent Alpöge AI-támogatott eredményeit használta ki kiindulópontként, és nem adott nekik elismerést. OpenAI ezeket a vádakat tagadja.
Mi történt korábban: Buckmaster és Alpöge munkája
Hétfőn Tristan Buckmaster közzétett egy bizonyítást a Mastodonon, amely megmutatta, hogy a Navier–Stokes egy egyszerűsített változata valóban összeomolhat (azaz léteznek feltételek, amelyek mellett az egyenletek nem adnak fizikai értelemben vett megoldást). Buckmaster és Levent Alpöge közel egy évig dolgoztak a problémán, és ehhez nyilvánosan elérhető modelleket használtak mind OpenAI-tól, mind Anthropictól.
Ezzel szemben OpenAI a vállalat belső modelljét hozta nyilvánosságra, amely állításuk szerint jelentősen felülmúlja az Astra nevű modellt (amelyet csak a múlt héten adtak ki). OpenAI közölte, hogy az ő bizonyításuk a teljes Navier–Stokes egyenletek összeomlására mutat rá. A cég hozzátette, hogy nem kívánja megpályázni az egymillió dolláros díjat.
A bizonyítással kapcsolatos vitás pontok
A vita központi eleme az, hogy OpenAI modelljei használták-e Buckmaster és Alpöge korábbi, AI-asszisztált munkáját. Sébastien Bubeck, az OpenAI technikai csapatának tagja sajtótájékoztatón elmondta, hogy a csapatot arra inspirálta egy pletyka Buckmaster és Alpöge erőfeszítéseiről. Mark Chen, OpenAI kutatási igazgatója pedig ismét tagadta, hogy ügynökök vagy OpenAI-alkalmazottak hozzáfértek volna Buckmaster és Alpöge átírásaihoz. Ugyanakkor a sajtótájékoztatón elhangzottak szerint a cég kénytelen volt 10 000 ügynök egyidejű futtatására támaszkodni a megoldás eléréséhez, ami több millió dolláros költséget jelentett.
Buckmaster közzétett egy dokumentumot is, amelyben leírta az OpenAI-alkalmazottakkal folytatott interakcióit, miután hallott pletykákról és felkereste az egyiküket. A dokumentumból az derül ki, hogy az OpenAI munkatársai két lehetőséget vázoltak: vagy Buckmaster és Alpöge közzéteszik saját munkájukat, és másnap OpenAI közzéteszi a Navier–Stokes-megoldását, vagy Buckmaster együtt dolgozhat OpenAI-val egy Navier–Stokes-cikken, amely azonban kizárná Alpögét a társszerzőségből az Anthropichoz való kötődése miatt. Buckmaster azt is állította, hogy megkérdezte az OpenAI-alkalmazottakat, hozzáfértek-e az ő és Alpöge OpenAI-modellekkel folytatott munkájának átírásaihoz; ezt ők tagadták, és arra a kérdésre, hogy az OpenAI modellek tréningje tartalmazta-e ezeket az átírásokat, nem adtak választ.
Miért lehetséges a hatás? Matematikai módszerek és párhuzamok
A Buckmaster/Alpöge és OpenAI bizonyítások mind egy, Diego Córdoba és Luis Martínez-Zoroa által korábban kidolgozott megközelítést használnak. Javier Gómez-Serrano, a Brown University matematikaprofesszora szerint ez a megközelítés az esélyes irányok közé tartozott a Navier–Stokes-probléma megoldásához. Tehát lehetséges, hogy mindkét csapat függetlenül jutott ugyanarra az ötletre, de az is elképzelhető, hogy Buckmaster és Alpöge munkája hatással volt OpenAI eredményére.
Mit jelent ez a matematika jövőjére nézve?
A jelenlegi eset éles dilemmákat vet fel a matematika jövőjével kapcsolatban. Egyrészt az ember–AI együttműködés ígéretes: Buckmaster és Alpöge közel egy évnyi munkája és nyilvános modellek használata jelentős előrelépést eredményezett, de nem vezetett teljes megoldáshoz. Másrészt OpenAI belső modellje néhány nap alatt „brute-force” módon megoldást hozott, de ez óriási költséggel járt és zárt, belső erőforrást igényelt — 10 000 egyidejű ügynök futtatását és több millió dollárt.
Sok kutató szerint ez a helyzet oda vezethet, hogy a legfontosabb nyitott matematikai problémák megoldása egyre inkább olyan technológiai vállalatok privilégiumává válik, amelyek saját, csak belső célra elérhető modellekkel és óriási pénzügyi forrásokkal rendelkeznek, és amely cégek nem feltétlenül követik az akadémiai együttműködés hagyományos normáit. Javier Gómez-Serrano így fogalmazott: keveseknek lesznek meg a hasonló nagyságrendű erőforrások.
Az emberi „kutatási ízlés” és a transzparencia jelentősége
Van azonban egy másik fontos pont: ha OpenAI modelljei valóban használták Buckmaster és Alpöge munkáját, akkor ez azt jelentené, hogy emberi kutatók „kutatási ízlése” — az ígéretes irányok felismerése — kulcsszerepet játszott a sikerben. Korábban sok szakértő arra hívta fel a figyelmet, hogy a kutatási irány kiválasztásának képessége jelentős akadály az AI számára a tudományban és matematikában.
Ugyanakkor Terence Tao és mások aggályozták, hogy az AI által előrehozott megoldások, különösen ha zárt folyamatokból és átláthatóság nélkül származnak, károsíthatják a matematika fejlődését. Tao rámutatott, hogy a hibák, téves irányok és hiányos megoldások gyakran ösztönzik a terület további fejlődését; ha ezek a katalizátorok eltűnnek, az hosszú távon negatív hatású lehet.
Következtetések és nyitott kérdések
A jelen ügy több kérdést hagy nyitva: pontosan milyen forrásokat használtak OpenAI modelljei; történt-e jogosulatlan hozzáférés vagy tréningadatok közbeiktatása; és hogyan osztják meg a szereplők a kutatási eredmények felelősségét és elismerését. Az is bizonytalan, hogy a jövőben hol maradnak a független, egyetemi matematikusok szerepei, ha a legnehezebb problémák megoldásához kizárólag nagyteljesítményű, belső AI-erőforrások szükségesek.
A történet nem zárult le: a vita a bizonyítás eredetéről, a transzparenciáról és a jövőbeli együttműködési modellekről folytatódik, miközben a matematika egyik klasszikus, mély problémájával kapcsolatban új állítások születtek.
