Η OpenAI ανακοίνωσε 3 νέες επιστημονικές ανακαλύψεις μέσω της Τεχνητής Νοημοσύνης

Σύνοψη

• Η OpenAI δημοσιοποίησε τρεις θεμελιώδεις επιστημονικές ανακαλύψεις στους τομείς των μαθηματικών, της επιστήμης υπολογιστών και της θεωρητικής φυσικής.
• Τα συστήματα τεχνητής νοημοσύνης της εταιρείας φέρονται να καταρρίπτουν την Υπόθεση Εκθετικού Χρόνου (ETH) αναπτύσσοντας έναν ντετερμινιστικό αλγόριθμο υποεκθετικού χρόνου για το πρόβλημα 3-SAT.
• Η εταιρεία εισάγει ένα νέο μοντέλο συνεργασίας με εξωτερικούς ακαδημαϊκούς, προκαλώντας άμεσες αντιδράσεις από την επιτροπή ελέγχου AGMAI λόγω ανησυχιών για άνιση πρόσβαση στα πρωτογενή δεδομένα.
• Τα αποτελέσματα έχουν ήδη αναρτηθεί στον επίσημο λογαριασμό της εταιρείας στο GitHub.

Λιγότερο από έναν μήνα μετά τη μαζική δημοσιοποίηση εκατοντάδων χειρογράφων που περιείχαν λύσεις σε μακροχρόνια μαθηματικά προβλήματα, η OpenAI προχωρά σε τρεις ακόμη εξαιρετικά κρίσιμες ανακαλύψεις, εστιάζοντας στα μαθηματικά, την επιστήμη των υπολογιστών και τη φυσική. 

Η ειδοποιός διαφορά στη νέα προσέγγιση της εταιρείας εντοπίζεται στην απόφαση της να αξιοποιήσει εξωτερικούς ακαδημαϊκούς εμπειρογνώμονες, οι οποίοι αναλαμβάνουν τον ρόλο του καθοδηγητή για την επαλήθευση και την ορθή ερμηνεία των εξαγόμενων αποτελεσμάτων στους τομείς της πληροφορικής και της φυσικής.

Η σημαντικότερη εξέλιξη αφορά την κατάρριψη της Υπόθεσης Εκθετικού Χρόνου (ETH) μέσω ενός νέου αλγορίθμου για προβλήματα 3-SAT, ενώ ταυτόχρονα εισάγεται ένα αμφιλεγόμενο μοντέλο συνεργασίας με επιλεγμένους ακαδημαϊκούς ερευνητές για την επαλήθευση των παραγόμενων δεδομένων.

Η κατάρριψη της Υπόθεσης Εκθετικού Χρόνου (ETH)

Η εξέλιξη που συγκεντρώνει το μεγαλύτερο ενδιαφέρον της παγκόσμιας ερευνητικής κοινότητας σχετίζεται με τον ισχυρισμό περί κατάρριψης της Υπόθεσης Εκθετικού Χρόνου (Exponential Time Hypothesis). Το δημοσιευμένο έγγραφο της OpenAI παρουσιάζει έναν ντετερμινιστικό αλγόριθμο ο οποίος μετράει με απόλυτη ακρίβεια τις ικανοποιητικές αναθέσεις τύπων CNF σταθερού πλάτους, λειτουργώντας σε υποεκθετικό χρόνο και πολυωνυμικό χώρο. Η περίπτωση του προβλήματος 3-SAT, το οποίο αποτελεί έναν από τους ακρογωνιαίους λίθους της θεωρίας υπολογιστικής πολυπλοκότητας, φαίνεται να διαψεύδει οριστικά την Υπόθεση Εκθετικού Χρόνου, ανοίγοντας νέους δρόμους για την κρυπτογραφία και τη βελτιστοποίηση αλγορίθμων.

Προκειμένου να διασφαλιστεί η εγκυρότητα της απόδειξης, μια ανεξάρτητη ομάδα εργασίας κορυφαίων επιστημόνων έχει αναλάβει την ενδελεχή εξέταση και την επεξήγηση των μαθηματικών βημάτων του μοντέλου. Μετά από ρητό αίτημα της ερευνητικής ομάδας, τα δεδομένα έγιναν άμεσα διαθέσιμα στο ευρύ κοινό, επιτρέποντας σε ανεξάρτητους ερευνητές από κάθε γωνιά του πλανήτη να δοκιμάσουν τα όρια της απόδειξης.

Εξελίξεις γύρω από την Ευκλείδεια κυματική εξίσωση

Στον τομέα των μαθηματικών, η παραγόμενη λύση αφορά την τοπική εξομάλυνση για την Ευκλείδεια κυματική εξίσωση, προσφέροντας απαντήσεις που διέφευγαν από τους επιστήμονες για δεκαετίες. Η μαθηματική απόδειξη χρησιμοποιεί μια βοηθητική μερική διαφορική εξίσωση για να καθιερώσει την τοπική εξομάλυνση του Sogge για κύματα σε κάθε χωρική διάσταση ίση ή μεγαλύτερη του δύο. Το παραγόμενο μοντέλο δεν σταματά απλώς στην επιβεβαίωση της εξομάλυνσης, αλλά καταφέρνει να αποδώσει απαντήσεις για τις εικασίες Kakeya σχετικά με τη διάσταση, καθώς και για τις σφαιρικές εκτιμήσεις περιορισμού του Stein σε ολόκληρο το εσωτερικό του εικαζόμενου εύρους. 

Σε αντίθεση με την προσέγγιση που ακολουθήθηκε στην επιστήμη των υπολογιστών, η OpenAI αποφάσισε να απελευθερώσει τα αποτελέσματα απευθείας στους ερευνητές, όπως ακριβώς έπραξε και κατά την προηγούμενη μαζική δημοσίευση της 6ης Οκτωβρίου, αφήνοντας την ακαδημαϊκή κοινότητα να αναλύσει αυτόνομα την εσωτερική λογική του συστήματος.

Οι αντιδράσεις της ακαδημαϊκής κοινότητας και η επιτροπή AGMAI

Η επιλογή της OpenAI να καθορίσει επιβλέποντες ακαδημαϊκούς δημιουργεί ήδη έντονους τριγμούς στους κόλπους της ερευνητικής κοινότητας. Το πάνελ μαθηματικών συμβούλων της AGMAI (Advisory Group on Mathematics and Artificial Intelligence) εξέδωσε μια αυστηρή προειδοποίηση, προτρέποντας τις εταιρείες τεχνητής νοημοσύνης να αποφεύγουν πρακτικές ορισμού συγκεκριμένων ατόμων που λαμβάνουν κατά προτεραιότητα τα ερευνητικά αποτελέσματα. 

Οι επιστήμονες υπογραμμίζουν τον κίνδυνο της άνισης πρόσβασης στην πληροφορία, τονίζοντας πως τέτοιες πρακτικές ενδέχεται να οδηγήσουν σε «δανεική φήμη» και μεροληπτική επιλογή, αλλοιώνοντας την παραδοσιακή διαδικασία της ακαδημαϊκής αξιολόγησης (peer review). Η ίδια η OpenAI αναγνωρίζει ανοιχτά τους πιθανούς κινδύνους αυτής της μεθοδολογίας, ωστόσο, υπερασπίζεται τη συνεργασία με ειδικούς ως ένα αναγκαίο φίλτρο για την κατανόηση αποτελεσμάτων που ενδέχεται να είναι υπερβολικά περίπλοκα ή δυσνόητα στην αρχική τους, ακατέργαστη μορφή.