تلاش OpenAI برای اثبات مسئله ناویر استوکس با هوش مصنوعی با انتقاد و تردید ریاضی‌دانان مواجه شده است. این شرکت با استفاده از هزاران عامل هوش مصنوعی، یک اثبات احتمالی ۱۶۶ صفحه‌ای برای یکی از دشوارترین مسائل ریاضی ارائه کرده، اما کارشناسان معتقدند OpenAI حتی نمی‌تواند به‌طور دقیق توضیح دهد که سیستم‌های هوش مصنوعی چگونه به این نتیجه رسیده‌اند.
🔷 هوش مصنوعی OpenAI یک اثبات احتمالی ۱۶۶ صفحه‌ای برای مسئله ناویر استوکس ارائه کرده است.
🔷 ریاضی‌دانان درباره روش اثبات و ادعاهای OpenAI تردید دارند.
🔷 این شرکت از حدود ۱۰ هزار عامل هوش مصنوعی و ۱۳۰ میلیارد توکن استفاده کرده است.
🔷 حتی پژوهشگران OpenAI نمی‌دانند استفاده از هزاران عامل چه تأثیری بر نتیجه داشته است.
🔷 مؤسسه ریاضی کلی همچنان درحال بررسی اعتبار این اثبات است.
اوایل سپتامبر، شرکت OpenAI یک راه‌حل احتمالی ۱۶۶ صفحه‌ای برای مسئله ناویر استوکس (Navier-Stokes) ارائه کرد؛ مسئله‌ای مشهور در ریاضیات که به رفتار و حرکت سیالات مربوط می‌شود. OpenAI ادعا کرد روش اثبات آن برپایه تحقیقات دو ریاضی‌دان اسپانیایی، دیگو کوردوبا (Diego Córdoba) و لوئیس مارتینز-زوروا (Luis Martínez-Zoroa) استوار است.
بااین‌حال، چند گروه از ریاضی‌دانان پس از بررسی این اثبات، درباره ادعای شرکت تردید کرده‌اند. گونزالو کائو-لابورا (Gonzalo Cao-Labora)، ریاضی‌دان مؤسسه EPFL، معتقد است شباهت این دو روش تنها ظاهری است و بررسی جزئیات نشان می‌دهد رویکرد OpenAI تفاوت اساسی دارد.
این اثبات با زبان برنامه‌نویسی Lean نوشته شده است؛ ابزاری که مراحل منطقی اثبات‌های ریاضی را بررسی می‌کند، اما لزوماً توضیحی قابل‌فهم برای انسان ارائه نمی‌دهد.
مؤسسه ریاضی کلی (Clay Mathematics Institute) نیز از زمان انتشار این اثبات، بررسی آن را آغاز کرده است و هنوز تأیید نهایی برای درستی راه‌حل وجود ندارد.
پیش از انتشار اثبات، تریستان باک‌مستر (Tristan Buckmaster)، ریاضی‌دان دانشگاه نیویورک، OpenAI را متهم کرد که از تحقیقات او و لونت آلپوگه (Levent Alpöge)، پژوهشگر آنتروپیک، استفاده کرده است. این تحقیقات با کمک مدل‌های هوش مصنوعی عمومی انجام شده بودند، اما OpenAI اتهام استفاده از داده‌های باک‌مستر را رد کرد.
کامیلو د لِلیس (Camillo De Lellis) از مؤسسه مطالعات پیشرفته معتقد است رسیدن به پاسخ قطعی درباره این اختلاف تقریباً غیرممکن است؛ زیرا مدل‌های زبانی مانند جعبه سیاه عمل می‌کنند و بررسی دقیق فرایند تصمیم‌گیری آن‌ها دشوار است.
همچنین OpenAI اوایل اکتبر حدود ۴۰۰ نتیجه ریاضی دیگر را در گیت‌هاب منتشر کرد. انتشار این حجم از مطالب بدون سازمان‌دهی منسجم، انتقاد برخی ریاضی‌دانان را برانگیخت؛ زیرا بررسی دقیق آن‌ها به زمان و تلاش زیادی نیاز دارد.
یکی از بحث‌برانگیزترین بخش‌های پروژه OpenAI، استفاده از منابع پردازشی گسترده برای دستیابی به اثبات احتمالی مسئله ناویر استوکس است. این شرکت حدود ۱۰ هزار نمونه از مدل‌های هوش مصنوعی را برای نزدیک به ۸۸ ساعت اجرا کرده و درمجموع از ۱۳۰ میلیارد توکن استفاده کرده است.
بااین‌حال، نوام براون (Noam Brown)، پژوهشگر OpenAI، اذعان کرده که هنوز مشخص نیست این تعداد عامل هوش مصنوعی دقیقاً چه سهمی در دستیابی به نتیجه داشته‌اند. دلیل اصلی این ابهام، هزینه بالای آزمایش‌های مقایسه‌ای است. تاکنون هیچ آزمایش دقیقی مشخص نکرده که یک عامل هوش مصنوعی برای انجام همین کار به چه مدت زمان نیاز دارد یا استفاده از ۱۰ هزار عامل چه مزیتی نسبت‌به هزار عامل ایجاد می‌کند.
نوام براون معتقد است کمتر از ۱۰ درصد موفقیت این پروژه را می‌توان به استفاده از سیستم چندعاملی نسبت داد. او توضیح می‌دهد که سیستم‌های چندعاملی به‌دلیل تازگی و جلب‌توجه رسانه‌ای، معمولاً بیش‌ازحد موردتوجه قرار می‌گیرند؛ درحالی‌که عامل اصلی پیشرفت، توانایی مدل پایه در انجام پردازش‌های طولانی‌مدت و اجرای هم‌زمان وظایف است.
این اظهارات نشان می‌دهند حتی توسعه‌دهندگان سیستم نیز هنوز درک دقیقی از مزیت واقعی استفاده از هزاران عامل هوش مصنوعی در چنین پروژه‌هایی ندارند.
درحال‌حاضر، اثبات مسئله ناویر استوکس توسط OpenAI هنوز تأیید نشده است و ریاضی‌دانان همچنان مشغول بررسی اعتبار آن هستند. اگرچه استفاده از هوش مصنوعی در حل مسائل پیچیده ریاضی پیشرفت قابل‌توجهی محسوب می‌شود، اختلاف‌نظر درباره روش اثبات و نقش واقعی هزاران عامل هوش مصنوعی نشان می‌دهد که دستیابی به یک نتیجه، لزوماً به‌معنای درک کامل فرایند رسیدن به آن نیست.
به‌نظر شما، اگر هوش مصنوعی بتواند یک مسئله پیچیده ریاضی را حل کند، اما سازندگانش نتوانند روش رسیدن به پاسخ را توضیح دهند، می‌توان آن را یک موفقیت علمی کامل دانست؟ دیدگاه خود را در بخش نظرات بنویسید.
