OpenAI-ს მიერ Navier-Stokes-ის ამოცანის ამოხსნა კითხვის ნიშნის ქვეშაა
სამეცნიერო საზოგადოების სკეპტიციზმი
სექტემბრის დასაწყისში OpenAI-მ საზოგადოებას წარუდგინა 166-გვერდიანი დოკუმენტი, რომელიც, კომპანიის მტკიცებით, ჰიდროდინამიკის ერთ-ერთი ყველაზე რთული პრობლემის, Navier-Stokes-ის განტოლებების ამოხსნას გვთავაზობს. კომპანია აცხადებდა, რომ მტკიცებულება ესპანელი მათემატიკოსების, დიეგო კორდობასა და ლუის მარტინეს-ზოროას ნაშრომებს ეფუძნებოდა. თუმცა, დამოუკიდებელი ექსპერტები ამ მოსაზრებას არ ეთანხმებიან.
მათემატიკოს გონსალო კაო-ლაბორას განცხადებით, რომელიც EPFL-ში მოღვაწეობს, OpenAI-ს მიდგომა ფუნდამენტურად განსხვავდება აღნიშნული მათემატიკოსების მეთოდოლოგიისგან და მსგავსება მხოლოდ ზედაპირულია. მტკიცებულება დაწერილია Lean-ის პროგრამირების ენაზე, რომელიც ლოგიკურ ნაბიჯებს ამოწმებს, თუმცა ადამიანისთვის მისი წაკითხვა და გააზრება უკიდურესად რთულია. ამჟამად ნაშრომს Clay Mathematics Institute (CMI) სწავლობს.
დავა საავტორო უფლებებსა და მეთოდებზე
სამეცნიერო წრეებში აჟიოტაჟი მხოლოდ მტკიცებულების შინაარსს არ მოჰყოლია. ნიუ-იორკის უნივერსიტეტის მათემატიკოსმა ტრისტან ბაკმასტერმა კომპანია დაადანაშაულა იმაში, რომ მათ მტკიცებულება მის და ლევენტ ალპოგეს ნაშრომებზე დაყრდნობით შექმნეს. OpenAI-მ ბრალდება უარყო და განაცხადა, რომ აღნიშნული მონაცემები არ გამოუყენებია. პრობლემა ისაა, რომ თანამედროვე ენობრივი მოდელები „შავი ყუთის“ პრინციპით მუშაობენ და მათი შინაგანი პროცესების სრულად გაშიფვრა თითქმის შეუძლებელია.
ვითარება კიდევ უფრო დაძაბა ოქტომბერში გამოქვეყნებულმა დამატებითმა 400-მა შედეგმა, რომლებიც GitHub-ზე მიმოფანტული სახით გამოჩნდა. მათემატიკოსთა ნაწილმა ეს მიდგომა დარგის გაუფასურებად მიიჩნია.
გაუგებარი ტექნოლოგიური პროცესი
კიდევ უფრო საინტერესოა ის ფაქტი, რომ თავად OpenAI-ც ვერ ხსნის, როგორ მივიდა შედეგამდე. ამ ამოცანისთვის კომპანიამ დაახლოებით 10 000 მოდელის ინსტანცია გამოიყენა 88 საათის განმავლობაში, რამაც 130 მილიარდი ტოკენი შეადგინა. OpenAI-ს მკვლევრის, ნოამ ბრაუნის თქმით, არავინ იცის, რა წვლილი შეიტანა ამ მასშტაბურმა „აგენტების გუნდმა“ საბოლოო შედეგში.
ბრაუნის აზრით, მრავალაგენტიანი სისტემების წვლილი წარმატებაში 10%-ზე ნაკლებია. ეს სისტემები ახალი და პოპულარულია, ამიტომ მათ ხშირად არაპროპორციულად დიდ მნიშვნელობას ანიჭებენ. რეალურად კი, მთავარი ძალა თავად საბაზისო მოდელია, რომელსაც რთული ამოცანების პარალელურ რეჟიმში და ხანგრძლივად დამუშავება შეუძლია. ეს შემთხვევა კიდევ ერთხელ უსვამს ხაზს იმას, რომ ხელოვნური ინტელექტის განვითარება ხშირად მის პროდუქტზე წინ უსწრებს ჩვენს გაგებას იმის შესახებ, თუ როგორ მუშაობს ეს ტექნოლოგია სინამდვილეში.