OpenAI: Τεχνητή Νοημοσύνη «χτύπησε» πρόβλημα 90 ετών σε 88 ώρες – Η ανατροπή στις Navier–Stokes

Ένα εσωτερικό σύστημα της OpenAI παρήγαγε σε περίπου 88 ώρες προτεινόμενη λύση σε ένα από τα επτά «Προβλήματα της Χιλιετίας», μαζί με τυπική απόδειξη σε Lean – Το αποτέλεσμα μπορεί να αλλάξει τον τρόπο με τον οποίο η AI μπαίνει στη βιομηχανική έρευνα, αλλά απαιτεί ακόμη ανεξάρτητη μαθηματική επιβεβαίωση.

Μια εξέλιξη με δυνητικά ιστορική σημασία για την Τεχνητή Νοημοσύνη, τα μαθηματικά και τη βιομηχανική έρευνα ανακοίνωσε η OpenAI: εσωτερικό της σύστημα παρήγαγε προτεινόμενη λύση στο περίφημο πρόβλημα ύπαρξης και ομαλότητας των εξισώσεων Navier–Stokes, ένα από τα επτά «Προβλήματα της Χιλιετίας» του Clay Mathematics Institute.

Η πιο εντυπωσιακή παράμετρος είναι ο χρόνος.

Σύμφωνα με την OpenAI, οι agents που εργάστηκαν πάνω στο πρόβλημα έφτασαν στη λύση το Σάββατο 5 Σεπτεμβρίου, περίπου 88 ώρες μετά την έναρξη της προσπάθειας. Στη συνέχεια χρειάστηκαν επιπλέον 17 ώρες για την τυπική μορφοποίηση και επαλήθευση της απόδειξης σε Lean μέσω GPT-6 Astra.

Το κρίσιμο σημείο, ωστόσο, είναι ότι δεν πρέπει ακόμη να μιλάμε για οριστική και αναγνωρισμένη «επίλυση» με την έννοια του Clay Institute. Η ίδια η OpenAI παρουσιάζει το αποτέλεσμα ως λύση που δημοσιοποιεί προς εξέταση, ενώ οι κανόνες του Clay απαιτούν δημοσίευση σε αναγνωρισμένο επιστημονικό μέσο, παρέλευση τουλάχιστον δύο ετών και γενική αποδοχή από τη διεθνή μαθηματική κοινότητα πριν εξεταστεί επίσημα για το βραβείο του 1 εκατ. δολαρίων.

Τι ακριβώς ισχυρίζεται ότι απέδειξε η OpenAI

Οι εξισώσεις Navier–Stokes περιγράφουν την κίνηση των ρευστών και βρίσκονται πίσω από εφαρμογές που εκτείνονται από την αεροδυναμική και τη μετεωρολογία μέχρι τη ροή του αίματος και τη βιομηχανική μηχανική.

Το μεγάλο μαθηματικό ερώτημα ήταν εάν, σε τρεις διαστάσεις, μια αρχικά ομαλή κατάσταση ενός ρευστού μπορεί να οδηγηθεί σε «singularity» — δηλαδή σε ένα σημείο όπου μαθηματικά μεγέθη της λύσης γίνονται απεριόριστα μέσα σε πεπερασμένο χρόνο.

Η OpenAI αναφέρει ότι το σύστημά της παρήγαγε τόσο αναλυτική απόδειξη όσο και τυπική απόδειξη σε Lean σύμφωνα με την οποία μια αρχικά ομαλή κατάσταση μπορεί πράγματι να οδηγήσει σε τέτοια singularity υπό τις συνθήκες που περιγράφει η επίσημη διατύπωση του προβλήματος. Με απλά λόγια, η προτεινόμενη λύση δεν υποστηρίζει ότι οι εξισώσεις παραμένουν πάντα ομαλές.

Υποστηρίζει το αντίθετο: ότι είναι δυνατό να δημιουργηθεί μαθηματική «κατάρρευση» της ομαλότητας μέσα σε πεπερασμένο χρόνο.

10.000 AI agents δούλευαν ταυτόχρονα

Εξίσου εντυπωσιακό με το αποτέλεσμα είναι το πώς επιτεύχθηκε.

Η OpenAI αναφέρει ότι χρησιμοποίησε ένα πολυπρακτορικό σύστημα με ομάδες AI agents που μπορούσαν να χρησιμοποιούν εργαλεία, να εκτελούν κώδικα, να διαβάζουν υλικό από αποθηκευμένη έκδοση του διαδικτύου και να ανταλλάσσουν αποτελέσματα μεταξύ τους.

Η ομάδα που παρήγαγε την προτεινόμενη λύση των Navier–Stokes περιλάμβανε της τάξης των 10.000 ταυτόχρονων agents.

Κατά τη συνολική προσπάθεια για τα μαθηματικά προβλήματα, οι agents αντάλλαξαν περίπου 4,9 εκατομμύρια μηνύματα και παρήγαγαν περίπου 300 δισεκατομμύρια output tokens. Μόνο για το Navier–Stokes, σύμφωνα με την εταιρεία, καταγράφηκαν 2,7 εκατομμύρια μηνύματα και περίπου 130 δισεκατομμύρια output tokens.

Αυτό ίσως αποτελεί το πιο σημαντικό βιομηχανικό μήνυμα της ανακοίνωσης.

Η εξέλιξη δεν αφορά πλέον ένα chatbot που απαντά σε ένα δύσκολο ερώτημα. Πρόκειται για ένα σύστημα που οργανώνει χιλιάδες παράλληλες ερευνητικές διαδρομές, απορρίπτει αδιέξοδα, συνδυάζει χρήσιμες ιδέες και οδηγείται σταδιακά σε μια ενιαία επιστημονική κατασκευή.

Το μοντέλο ήταν ισχυρότερο από το GPT-6 Astra

Ακόμη πιο ενδιαφέρουσα είναι μία λεπτομέρεια που αποκάλυψε η ίδια η OpenAI.

Το βασικό εσωτερικό μοντέλο που χρησιμοποιήθηκε για την αναζήτηση της απόδειξης ήταν, σύμφωνα με την εταιρεία, σημαντικά ισχυρότερο από το GPT-6 Astra και η εκπαίδευσή του εξακολουθεί να βρίσκεται σε εξέλιξη.

Η OpenAI αναφέρει ότι άρχισε να εκπαιδεύει το συγκεκριμένο σύστημα στις 28 Αυγούστου και ότι ήδη εμφάνιζε πρωτοφανείς επιδόσεις στα εσωτερικά benchmarks της, μεταξύ άλλων στα μαθηματικά.

Αυτό μετατρέπει την ανακοίνωση από μια καθαρά μαθηματική είδηση σε πολύ μεγαλύτερη τεχνολογική εξέλιξη.

Εάν οι ισχυρισμοί επιβεβαιωθούν ανεξάρτητα, το ενδιαφέρον δεν θα περιοριστεί στο εάν λύθηκε ένα διάσημο πρόβλημα. Θα αφορά το κατά πόσο η νέα γενιά AI συστημάτων αρχίζει να περνά από την αναπαραγωγή και σύνθεση υπάρχουσας γνώσης στη δημιουργία νέας επιστημονικής γνώσης.

Από τα μαθηματικά στην αεροναυπηγική, στην ενέργεια και στη βιομηχανία

Οι Navier–Stokes δεν είναι ένα απομονωμένο ακαδημαϊκό ζήτημα.

Οι εξισώσεις βρίσκονται στον πυρήνα του Computational Fluid Dynamics και χρησιμοποιούνται για την προσομοίωση αέρα και υγρών σε τεράστιο αριθμό βιομηχανικών εφαρμογών.

Αεροσκάφη, τουρμπίνες, κινητήρες, αγωγοί, συστήματα ψύξης, ναυπηγική, ενεργειακές εγκαταστάσεις και μετεωρολογικά μοντέλα βασίζονται σε διαφορετικές μορφές επίλυσης ή αριθμητικής προσέγγισης προβλημάτων ροής.

Η πιθανή επίλυση του θεωρητικού προβλήματος δεν σημαίνει ότι από αύριο αλλάζουν αυτομάτως τα βιομηχανικά λογισμικά.

Αποκαλύπτει όμως κάτι ίσως μεγαλύτερο: ότι τα μοντέλα AI μπορούν να εξελιχθούν σε εργαλεία που βοηθούν στην επίλυση προβλημάτων στα θεμέλια της φυσικής και της μηχανικής, και όχι μόνο στη βελτιστοποίηση ήδη γνωστών διαδικασιών.

Η σημασία του Lean: η AI δεν έδωσε απλώς μια «απάντηση»

Ένα από τα σημαντικότερα στοιχεία της ανακοίνωσης είναι ότι η OpenAI δημοσίευσε και formalized proof σε Lean.

Το Lean είναι σύστημα τυπικής επαλήθευσης μαθηματικών αποδείξεων. Αντί μια απόδειξη να αξιολογείται μόνο ως ανθρώπινο μαθηματικό κείμενο, κωδικοποιείται με τρόπο που επιτρέπει σε υπολογιστικό σύστημα να ελέγχει αν κάθε βήμα ακολουθεί λογικά από τα προηγούμενα.

Αυτό δεν καταργεί την ανάγκη εξέτασης από μαθηματικούς. Μειώνει όμως έναν από τους μεγαλύτερους κινδύνους των AI-generated proofs: ένα μοντέλο να παράγει μια πειστική αλλά λανθασμένη αλυσίδα συλλογισμών.

Η OpenAI δημοσίευσε τόσο το paper όσο και τη Lean formalization για εξωτερικό έλεγχο.

Το 1 εκατ. δολάρια δεν έχει ακόμη κερδηθεί

Εδώ απαιτείται μια σημαντική διευκρίνιση.

Το Clay Mathematics Institute διαθέτει πράγματι 1 εκατ. δολάρια για την επίλυση κάθε Millennium Prize Problem, όμως η ανακοίνωση της OpenAI δεν ισοδυναμεί με απονομή του βραβείου.

Οι κανόνες του Clay είναι αυστηροί: μια προτεινόμενη λύση πρέπει πρώτα να δημοσιευθεί σε κατάλληλο επιστημονικό μέσο, να περάσουν τουλάχιστον δύο χρόνια και να έχει αποκτήσει γενική αποδοχή από τη διεθνή μαθηματική κοινότητα προτού εξεταστεί επίσημα.

Μάλιστα, η ίδια η OpenAI δηλώνει ότι δεν σκοπεύει να διεκδικήσει το Millennium Prize για το αποτέλεσμα.

Άρα η σωστή διατύπωση σήμερα είναι μία: η εταιρεία υποστηρίζει ότι το AI σύστημά της έχει παράγει λύση στο πρόβλημα — όχι ότι η μαθηματική κοινότητα ή το Clay Institute την έχουν ήδη αναγνωρίσει ως οριστική.

Το πραγματικό «industrial shock» των 88 ωρών

Εάν η απόδειξη αντέξει στον εξωτερικό έλεγχο, η μεγαλύτερη ιστορία ίσως τελικά να μην είναι οι Navier–Stokes.

Θα είναι η ταχύτητα με την οποία μια υπολογιστική υποδομή πολλών χιλιάδων AI agents μπόρεσε να επιτεθεί σε ένα πρόβλημα πάνω στο οποίο έχουν δουλέψει γενιές κορυφαίων μαθηματικών.

Οι 88 ώρες δεν σημαίνουν ότι η AI «σκέφτηκε επί 88 ώρες όπως ένας άνθρωπος». Πίσω από αυτόν τον αριθμό βρίσκεται τεράστια παράλληλη υπολογιστική εργασία.

Ακριβώς όμως αυτό είναι το νέο βιομηχανικό μοντέλο που αρχίζει να διαφαίνεται: επιστημονική έρευνα σε τεράστια κλίμακα και παράλληλα, με χιλιάδες ψηφιακούς ερευνητές να δουλεύουν ταυτόχρονα πάνω στο ίδιο πρόβλημα.

Εάν αυτό το μοντέλο μεταφερθεί από τα καθαρά μαθηματικά στη χημεία, στα υλικά, στην ενέργεια, στη μηχανική ή στη φαρμακευτική έρευνα, η επίδρασή του μπορεί να είναι πολύ μεγαλύτερη από οποιαδήποτε μεμονωμένη επίδοση ενός chatbot.

Η ανακοίνωση της OpenAI, επομένως, δεν αφορά απλώς ένα πρόβλημα 90 ετών.

Αφορά το ενδεχόμενο να αλλάζει μπροστά μας ο ίδιος ο μηχανισμός παραγωγής επιστημονικής και βιομηχανικής καινοτομίας.

Πηγή: pagenews.gr