Ponad 700 manuskryptów od OpenAI. Matematycy mierzą się z ciężarem weryfikacji

6 października OpenAI udostępniło ponad 700 manuskryptów, deklarując rozwiązania setek otwartych problemów matematycznych. Publikacja wywołała natychmiastową reakcję środowiska akademickiego. W ponad stu opiniach zebranych przez branżowy blog Proofs and Prompts powracają nie tylko pytania o faktyczną wartość matematyczną ogłoszonych rezultatów, ale przede wszystkim o koszty, jakie masowy zrzut niezweryfikowanych prac nakłada na społeczność naukową.

Udostępnione materiały nie są jeszcze powszechnie uznanymi dowodami. Część tekstów została już wycofana, a inne spotkały się z krytyką ze względu na trudną do prześledzenia strukturę. Rzetelna ocena ich zawartości wymaga czasu, ponieważ każdy ciąg logiczny musi zostać sprawdzony krok po kroku przez specjalistów z wąskich dziedzin.

Problem z czytelnością i asymetria pracy

Wielu badaczy zwraca uwagę na formę, w jakiej wyniki trafiły do sieci. Enrico Fatighenti zauważył, że manuskrypty wygenerowane przez modele podlegają w praktyce łagodniejszym kryteriom wstępnym niż prace ludzkich autorów. W tradycyjnym procesie recenzji nieczytelny tekst zostałby odrzucony na wczesnym etapie. W tym przypadku ciężar rozszyfrowania złożonych, masowo wygenerowanych wywodów został w całości przerzucony na matematyków, podczas gdy autorzy modeli mogą natychmiast przejść do kolejnych projektów.

Terence Tao, laureat Medalu Fieldsa, wskazał z kolei na problem braku osób, które mogłyby w naturalny sposób omawiać te prace, prezentować je na konferencjach i uczyć studentów ich treści. W jego ocenie nagłe pojawienie się gotowych wyników bez tradycyjnego procesu budowania zrozumienia wewnątrz społeczności przerywa naturalną ścieżkę rozwoju badań.

Ograniczenia zgłoszonych rezultatów widać także przy najgłośniejszych zagadnieniach. Alvaro Lozano-Robledo podkreślił, że w przypadku hipotezy Riemanna firma uzyskała wynik dotyczący jej słabszego wariantu (quasi-RH), a nie samej hipotezy. Choć to istotne osiągnięcie cząstkowe, nie oznacza zamknięcia klasycznego problemu.

Bezpośredni wpływ na plany młodych naukowców

Nagłe ogłoszenie wyników uderzyło bezpośrednio w osoby prowadzące wieloletnie projekty badawcze. Doktorant Tristan Humbert dowiedział się o publikacji w dniu, w którym OpenAI ogłosiło rozwiązanie problemu stanowiącego główną oś jego rozprawy doktorskiej. Oprócz konieczności natychmiastowej zmiany planu badań stanął przed niepewnością co do możliwości ubiegania się o stanowiska podoktorskie, a sam manuskrypt ocenił po wstępnej lekturze jako w znacznej mierze nieczytelny.

Z kolei Ben Green poinformował, że w udostępnionych dokumentach znalazły się próby rozwiązania około trzech czwartych zagadnień objętych prestiżowym grantem, który otrzymał kilka miesięcy wcześniej. Podobne doświadczenia opisywali inni naukowcy, którzy od lat rozwijali autorskie techniki dowodowe w tych samych obszarach.

Zróżnicowane oceny w środowisku

Reakcje środowiska nie są jednomyślne. Część badaczy podchodzi do publikacji pragmatycznie, nie zamierzając podporządkowywać własnych zainteresowań kierunkom wyznaczanym przez laboratoria sztucznej inteligencji. Constantin Kogler, który pracował równolegle nad jednym z podjętych przez model problemów, opublikował własne opracowanie dzień po ogłoszeniu OpenAI i ocenił dostęp do nowych narzędzi jako źródło inspiracji badawczej.

Inni, jak Martin Bridson, apelują o zachowanie autonomii naukowej. Wskazuje on, że matematycy mogą korzystać z możliwości obliczeniowych maszyn, ale nie powinni oddawać komercyjnym firmom kontroli nad tym, jakie pytania badawcze uznaje się za istotne.

Na ten moment nie wiadomo, jaka część z deklarowanych rozwiązań przetrwa szczegółową weryfikację. Skala publikacji sprawiła jednak, że dyskusja w środowisku matematycznym przestała dotyczyć wyłącznie poprawności pojedynczych formuł, a skupiła się na standardach publikacyjnych i przyszłości pracy akademickiej.