OpenAI представила 166-страничное потенциальное решение одной из самых трудных задач математики, но специалисты не согласились с тем, как компания описывает его происхождение и вклад ИИ-агентов. Формальная проверка в Lean может проследить логические шаги, однако сама по себе не объясняет доказательство человеку.
Суть события
В начале сентября OpenAI представила потенциальное решение задачи Навье — Стокса. Компания заявила, что доказательство следует подходу испанских математиков Диего Кордобы и Луиса Мартинеса-Сороа. Несколько экспертов с этим не согласились. Математик EPFL Гонсало Као-Лабора сказал, что при подробном рассмотрении это другой подход, а сходство заметно лишь на поверхности.
Речь пока не идёт о признанном решении. Институт математики Клэя проверяет материал с момента публикации, и итог этой проверки ещё неизвестен.
Детали
Потенциальное доказательство записано на Lean — языке формальной проверки, который способен проверять логические шаги. Но Lean не делает математический текст автоматически понятным людям: проверяемая последовательность действий и ясное объяснение идеи — не одно и то же.
До публикации математик Нью-Йоркского университета Тристан Бакмастер обвинил OpenAI в использовании работы, которую он и Левент Альпёге из Anthropic выполняли с общедоступными моделями. OpenAI это отрицала и заявила, что не использовала данные Бакмастера. Камилло Де Леллис из Института перспективных исследований считает, что окончательно установить происхождение результата, вероятно, невозможно из-за закрытого характера языковых моделей.
В начале октября OpenAI опубликовала ещё около 400 результатов. Часть математиков сочла публикацию разрозненной подборкой, которая обесценивает их область. Этот спор касается не только содержания решений, но и того, как ИИ-лаборатория показывает и объясняет научную работу.
Контекст
Для поиска решения OpenAI использовала около 10 000 экземпляров моделей примерно 88 часов и израсходовала 130 млрд токенов. Однако исследователь компании Ноам Браун признал: пока никто не знает, какой именно вклад внесла такая группа агентов.
Систематических сравнений почти не проводили. Не проверено, сколько времени потребовалось бы одному агенту для той же задачи, и недостаточно данных, чтобы отделить эффект 10 000 агентов от эффекта 1 000. По оценке Брауна, на многоагентную схему приходится менее 10% успеха; большую роль может играть сама базовая модель, способная долго выполнять задачу и работать параллельно.
Для понимания этой части истории полезно посмотреть, как устроены и где применяются AI-фреймворки для агентов: сам факт большого числа параллельных исполнителей ещё не показывает, какой из них дал результат.
Что дальше
Ближайший проверяемый ориентир — вывод Института математики Клэя по представленному материалу. До него корректнее называть работу потенциальным решением, а оценку вклада агентов — открытым вопросом.
История важна и за пределами математики. Масштаб вычислений, число агентов и объём токенов звучат убедительно, но без сравнительных экспериментов они не объясняют, почему получен результат. Для читателя это простой повод отделять проверенный логический вывод от заявления лаборатории о том, как именно его удалось получить.
