OpenAI ha presentato una possibile soluzione a uno dei problemi matematici più famosi e irrisolti: il problema di Navier-Stokes. Tuttavia, il proprio approccio non è stato compreso appieno, e gli esperti hanno sollevato dubbi sulla validità della soluzione.
Un approccio diverso
All'inizio di settembre, OpenAI ha presentato una possibile soluzione di 166 pagine al problema di Navier-Stokes, affermando che il metodo seguiva l'approccio dei matematici spagnoli Diego Córdoba e Luis Martínez-Zoroa. Tuttavia, diverse squadre di esperti sono giunti a una conclusione diversa, come riportato da Scientific American.
"Se si va nei dettagli, è un approccio diverso", ha detto il matematico Gonzalo Cao-Labora dell'EPFL. Le somiglianze sono solo superficiali.
Verifica e controversie
La possibile soluzione è codificata nel linguaggio di verifica Lean, che verifica la validità formale dei passaggi logici, ma non lo rende automaticamente comprensibile agli esseri umani. La soluzione è in fase di revisione presso il Clay Mathematics Institute (CMI).
In precedenza, il matematico Tristan Buckmaster della New York University aveva espresso sospetti su OpenAI, sostenendo che l'azienda aveva costruito sui progressi realizzati da Buckmaster e Levent Alpöge di Anthropic con modelli pubblicamente accessibili. OpenAI ha respinto questa affermazione, escludendo l'uso dei dati di Buckmaster. Una chiarimento definitivo è improbabile, poiché i modelli linguistici funzionano come scatole nere, ha detto Camillo De Lellis dell'Institute for Advanced Study.
Efficienza e riconoscimento
All'inizio di ottobre, OpenAI ha pubblicato circa 400 ulteriori risultati, con i quali la comunità scientifica fatica a tenere il passo. In particolare, la pubblicazione come raccolta di articoli sciolti su Github ha irritato molti matematici, che si sono sentiti sviliti nella loro disciplina.
È ancora incerto l'efficienza del percorso di soluzione. OpenAI ha impiegato circa 10.000 istanze di modello per un totale di circa 88 ore di tempo di calcolo e 130 miliardi di token per sviluppare la possibile soluzione al problema di Navier-Stokes. Tuttavia, è ancora incerto cosa abbia effettivamente contribuito a questa soluzione il gigantesco gruppo di agenti.
Il comportamento in questa scala non è stato ancora studiato, poiché i test comparativi sistematici con migliaia di agenti sono troppo costosi. Ad esempio, non è ancora stato testato quanto tempo impiegherebbe un singolo agente per lo stesso problema. Inoltre, è difficile determinare quale vantaggio concreto offrano 10.000 agenti rispetto a 1.000 agenti.
Noam Brown, ricercatore di OpenAI, attribuisce comunque meno del dieci percento del successo all'approccio multi-agente. Questi sistemi, sebbene nuovi e spettacolari, ricevono quindi un riconoscimento sproporzionato. Decisivo è piuttosto la capacità del modello di base sottostante, che può elaborare compiti in parallelo per lunghi periodi di tempo.