اوپنایآی اعلام کرده است که هوش مصنوعی این شرکت مسئله جایزه هزاره ناویه-استوکس (Navier–Stokes) را حل کرده است؛ پیشرفتی که میتواند تاریخی باشد، اما زیر سایه پرسشهایی درباره پژوهشهای منتشرنشده ریاضیدانان خارج از این شرکت قرار گرفته است.
چرا اهمیت دارد: این مناقشه بر سر یکی از پرسشهای بنیادین اعتماد در عرصه علوم مبتنی بر هوش مصنوعی دست میگذارد: اینکه آیا پژوهشگران میتوانند با خیال آسوده از ابزارهای آزمایشگاههای پیشرو برای کار روی کشفیات منتشرنشده خود بهره ببرند یا خیر.
وضعیت فعلی: اوپنایآی روز سهشنبه اعلام کرد یک مدل داخلی که «به مراتب توانمندتر از GPT-6 Astra» است، اثباتی ارائه داده مبنی بر اینکه معادلات سهبعدی ناویه-استوکس میتوانند در زمان محدود به تکینگی (Singularity) برسند.
- این شرکت میگوید تلاشها از یکم سپتامبر آغاز شد، یعنی زمانی که پژوهشگران اوپنایآی شایعاتی درباره حل دو مسئله از مسائل جایزه هزاره شنیدند و مدل داخلی جدید خود را برای حل مسائل باقیمانده به کار گرفتند.
- اوپنایآی اظهار داشته که تقریباً ۱۰ هزار عامل (Agent) بهطور همزمان روی مسئله ناویه-استوکس کار کردند و در حدود ۸۸ ساعت به نتیجه رسیدند.
- مدیران اوپنایآی در نشستی با خبرنگاران اعلام کردند که توان پردازشی عظیمی را به این پروژه اختصاص دادهاند، بهطوری که هزینه حل این مسئله بالغ بر «چندین میلیون دلار» برآورد میشود.
نقطه اختلاف: تریستان باکمستر، ریاضیدان دانشگاه نیویورک، و لونت آلپوگه، پژوهشگر شرکت انتروپیک (Anthropic)، روی پژوهشی بسیار مرتبط در زمینه دینامیک سیالات کار میکردند.
- باکمستر علناً این مسئله را مطرح کرده است که آیا اوپنایآی در راستای یک جهتگیری پژوهشی حرکت کرده که با آگاهی از کارهای آنها به دست آمده است، و همچنین ابراز نگرانی کرده که مبادا محتوای خصوصی کُدکس (Codex) در این میان نقشی داشته باشد.
- اوپنایآی در واکنش اعلام کرده که نه پژوهشگران و نه عاملهای هوش مصنوعی آن، پیش از انتشار عمومی دستاوردهای باکمستر و آلپوگه، به هیچ بخشی از کار آنها دسترسی نداشتهاند.
اظهارات مطرحشده: مارک چن، مدیر ارشد پژوهش اوپنایآی، در نشستی با خبرنگاران گفت: «هیچ فرد یا سیستم هوش مصنوعی برای حل این مسئله دادههای کاربران را بررسی نکرده است.» وی افزود: «از این ادعاها کمی ناامید شدهام.»
نگاهی جامعتر: اوپنایآی میگوید قصدی برای دریافت جایزه یک میلیون دلاری هزاره ندارد، بلکه ترجیح میدهد این دستاورد را به عنوان نشانهای از سرعت شتابان پیشرفت مدلهای پیشگام خود معرفی کند.
این خبر فوری است. لطفاً برای دریافت اطلاعات تکمیلی مجدداً صفحه را بررسی کنید.