Riassunto:
Meno di un mese dopo l'ultima volta che ha pubblicato centinaia di articoli, il 26 ottobre OpenAI ha annunciato altri tre risultati "importanti" nei campi della matematica, dell'informatica e della fisica e per la prima volta ha cercato di lasciare che esperti esterni guidassero il processo di comprensione e rilascio dei risultati come "pastore".
La più grande differenza rispetto all'approccio precedente è la differenziazione delle strategie di rilascio: per i risultati in informatica e fisica, OpenAI invita esperti esterni a guidare un team per interpretare i risultati; per i problemi matematici gli esperti consigliano di rendere direttamente pubblici gli output dell’IA e di lasciare che i ricercatori organizzino il proprio lavoro di interpretazione. OpenAI ha posizionato i tre manoscritti come una sorta di "dati di ricerca originali" sul suo blog ufficiale e ha ammesso che "non è ancora noto quale dei tre metodi sia il più utile".
Tra i tre risultati, i risultati matematici sono finalizzati all'analisi armonica. Sogge ha proposto la "congettura della levigatezza locale" nel 1991 per discutere il comportamento delle onde durante la messa a fuoco: la messa a fuoco più estrema deve essere di breve durata e l'intensità della messa a fuoco in momenti casuali è molto inferiore rispetto al caso peggiore. Poiché questa congettura è estremamente elementare, contiene sia la congettura di Kakeya che la congettura limitante di Stein. Nel 2019, Guth, Wang e Zhang hanno dimostrato la situazione bidimensionale e nel 2025, Wang e Zahl hanno dimostrato la congettura di Kakeya a tre manutenzioni; e il modello di OpenAI ha fornito prova della congettura della levigatezza locale in qualsiasi dimensione, risolvendo così la congettura di Kakeya e la congettura del limite di Stein in tutte le dimensioni. La nuova dimostrazione si basa su una nuova equazione differenziale parziale ausiliaria. L'output del modello è stato ottenuto il 18 ottobre 2026 e la formalizzazione Lean è stata completata il giorno successivo.
In informatica, i risultati indicano la falsificazione dell'"ipotesi del tempo esponenziale" (ETH). ETH è una congettura a lungo termine sulla complessità computazionale della soddisfacibilità delle formule booleane. È strettamente correlato al problema P vs. NP. È stato utilizzato da un gran numero di articoli in passato per ricavare risultati condizionatamente difficili nella teoria dei grafi, nella biologia computazionale, nei database, nella geometria computazionale e in altri campi. OpenAI afferma che il suo sistema dimostra che ETH non è vero e ha completato la verifica in Lean: il documento fornisce un algoritmo deterministico in grado di contare con precisione il numero di assegnazioni soddisfacenti della formula CNF a larghezza fissa in tempo sub-esponenziale e occupa solo lo spazio polinomiale. Il caso 3-SAT costituisce una confutazione dell'ETH. Questo lavoro è stato esaminato e interpretato da un gruppo di lavoro indipendente guidato da Russell Impagliazzo, Ramamohan Paturi e Ryan Williams. Impagliazzo e Paturi sono stati i proponenti originali dell'ETH (in collaborazione con Francis Zane). Su richiesta del gruppo di lavoro, i materiali rilevanti sono stati immediatamente resi pubblici; OpenAI si è inoltre impegnata a finanziare una conferenza per discutere le implicazioni dei risultati per l'intero settore. La controprova a livello del linguaggio naturale è stata generata il 16 ottobre e formalizzata il 17 ottobre.
I risultati fisici forniscono una prova rigorosa dell'esistenza di alcune teorie di campo quantistico interagenti contenenti campi di Gauge e fermioni in quattro dimensioni, che coprono la cromodinamica quantistica (QCD) e una versione unificata e completa del Modello Standard. Il lavoro si basa sull'approccio di Balaban alla teoria quantistica costruttiva dei campi e include anche come sottoproblema una prova dell'esistenza di una teoria di Yang-Mills pura - quest'ultima fa parte del problema del Premio del Millennio "Quantum Yang-Mills Theory" del Clay Mathematics Institute. Il Modello Standard non può essere estrapolato a distanze arbitrariamente brevi, e questa prova dell'esistenza è la più semplice teoria unificata che coinvolge i campi di Gauge e i fermioni del Modello Standard. Questo lavoro è stato condotto da David Gross, vincitore del Premio Nobel per la fisica nel 2004, e comprendeva Michael Douglas, Arthur Jaffe, Igor Klebanov e Nikita Nekrasov; Jaffe ha co-creato il Problema del Millennio Yang-Mills con Witten e ha co-fondato il Clay Institute of Mathematics, e Douglas segue il problema da vent'anni. Il gruppo di lavoro richiede che tutti i contatti rilevanti vengano inviati a
[email protected]
. La prova del modello in linguaggio naturale è stata fornita il 9 settembre per l'esistenza di Yang-Mills e il 18 settembre per la QCD. A causa della lunghezza e complessità estremamente elevate, il rilascio è stato posticipato al 16 ottobre quando è stata completata la formalizzazione del Lean; il gruppo ha deciso di non divulgare per il momento i prodotti generati dall'intelligenza artificiale, ma di scrivere il documento da soli.OpenAI ha stabilito quattro principi per queste collaborazioni esterne: trasparenza, non richiedendo ai partecipanti di firmare accordi di riservatezza, libera discussione, condivisione di prodotti intermedi e pubblicazione delle conclusioni; non chiedere lodi accademiche, non cercare crediti accademici per le scoperte generate da modelli interni e invitare i ricercatori a partecipare non significa che abbiano fatto nulla. Prodotto i risultati originali; riconosce i contributi, al gruppo di lavoro viene riconosciuto il merito per la comprensione che ha costruito, per i manoscritti e gli altri materiali che ha scritto, ed è responsabile di citare adeguatamente i ricercatori, le tecniche e le idee da cui attinge; indipendente, la partecipazione è volontaria e non retribuita, i membri non parlano a nome di OpenAI e OpenAI non li rappresenta.
Ma il modello in sé è controverso. OpenAI riconosce che la scelta del “pastore” iniziale determinerà inevitabilmente chi parteciperà per primo e creerà asimmetria informativa, quindi accoglie con favore opinioni esterne su come espandere la partecipazione. Critiche più dirette sono arrivate dall'AGMAI Mathematical Advisory Group formato dalla stessa OpenAI: proprio il giorno prima (25 ottobre), il gruppo ha affermato chiaramente che "raccomanda alle società di intelligenza artificiale di non adottare la pratica di designare gruppi specifici di persone per ottenere prima l'output, citando un accesso ineguale, prendendo in prestito la reputazione di altri e pregiudizi nella selezione".
In termini di sostegno alla ricerca scientifica, OpenAI ha menzionato l'investimento precedentemente annunciato di 5 milioni di dollari a favore della Simons Foundation. Questo fondo è gestito e distribuito dalla fondazione per sostenere seminari, conferenze e programmi speciali per aiutare i ricercatori a comprendere e continuare a lavorare sulla base dei risultati generati dall'intelligenza artificiale.
Commenti