OpenAIs Navier–Stokes-påstand er ikke avgjort ennå

OpenAIs påståtte Navier–Stokes-resultat kan bli en milepæl dersom det holder ved matematisk gransking. Selskapet sier at et ikke-offentlig internt system koordinerte rundt 10 000 agenter i 88 timer og produserte både et analytisk bevis og en Lean-formalisering. Resultatet skal vise at en opprinnelig glatt væskestrømning kan utvikle en singularitet på endelig tid. Men et offentlig tilgjengelig manuskript og et formelt verifisert bevis er ikke det samme som uavhengig faglig aksept. Påstanden er fortsatt til vurdering. 14

Hva OpenAI sier at systemet har vist

Navier–Stokes-problemet om eksistens og glatthet handler, i én sentral formulering, om hvorvidt glatte tredimensjonale væskestrømmer kan bryte sammen på endelig tid. OpenAI sier at resultatet etablerer nettopp denne muligheten: Under de angitte betingelsene kan dynamikken utvikle en singularitet på endelig tid. 4

Selskapet har lagt fram et skriftlig bevis og en formalisering i Lean, et verktøy for formelle bevis. Ifølge omtalen er manuskriptet på 166 sider, og systemet var en ikke-offentlig modell som kjørte med rundt 10 000 samtidige agenter i 88 timer. 31

Dette skillet er viktig. En Lean-formalisering kan kontrollere at et kodet bevis følger av de spesifiserte definisjonene og antakelsene. Forskere må likevel undersøke om den formaliserte påstanden faktisk svarer til det matematiske problemet man ønsker å løse, om det analytiske argumentet og formaliseringen er fullstendige, og om antakelsene er relevante. Da saken først ble omtalt, hadde Clay Mathematics Institute – institusjonen bak Millennium Prize Problems – ikke uavhengig godtatt påstanden. 1

Hvorfor det ble en strid om hvem som skal ha æren

Den matematiske påstanden kom samtidig med en konflikt om prioritet og forskningspraksis. Tristan Buckmaster ved New York University og Levent Alpöge, som arbeider i Anthropic, hadde jobbet med beslektet forskning innen væskedynamikk. Buckmaster hevdet at OpenAI fikk kjennskap til deres tilnærming og deretter fremskyndet sitt eget arbeid. Han reiste også spørsmål om kreditering.

OpenAI avviser at selskapets forskere eller agenter så parets arbeid før det var offentlig. Omtalen tyder dessuten på at resultatene var beslektede, men ikke påviselig identiske. Den sentrale anklagen er dermed fortsatt uavklart: Det er en alvorlig offentlig påstand, ikke et fastslått forhold.

Derfor handler debatten om mer enn hvorvidt et KI-system fant riktige ligninger. Den handler også om prosess: hvordan et selskap fikk vite om en forskningslinje, om tidslinjen kan etterprøves, hvordan overlappende bidrag skal krediteres, og om lukkede systemer kan granskes meningsfullt av resten av forskningsmiljøet.

Hvorfor Lean ikke avsluttet diskusjonen

Formelle metoder hever beviskravet betydelig. Lean kontrollerer bevissteg i et formelt språk og er derfor nyttig for å finne hull som kan slippe gjennom i en vanlig fagfellevurdering. Ved å publisere både en lesbar framstilling og en Lean-formalisering har OpenAI gitt matematikere materiale å undersøke. 4

Men formell verifisering dekker bare én del av den faglige vurderingen. Miljøet må fortsatt avklare:

• Rekkevidde: Hvilken presis versjon av Navier–Stokes-problemet beviset løser.
• Samsvar: Om den uformelle teorempåstanden, forutsetningene og den formaliserte teorempåstanden faktisk stemmer overens.
• Nyskaping og kreditering: Hvilke ideer som kom fra hvem, og når.
• Forståelse: Om beviset gir matematiske innsikter som kan brukes videre, ikke bare en kontrollert avledning.
• Etterprøvbarhet: Om eksterne forskere kan undersøke, forklare og bygge videre på arbeidet.

Javier Gómez-Serrano beskrev episoden som en «eksistensiell krise» for matematikken. Det gjenspeiler en bekymring for at raske KI-genererte resultater kan løpe fra de vanlige mekanismene for forståelse, kontroll, undervisning og kreditering.

Reaksjonen mot et KI-kappløp i matematikken

Kontroversen har vokst langt utover dette ene beviset. 25 Fields-medaljevinnere, blant dem Terence Tao, undertegnet en erklæring som advarte mot at konkurranse mellom KI-selskaper om å løse svært vanskelige matematiske problemer kan skade vitenskapen og opplæringen av nye forskere. 17

Et separat åpent brev fra nåværende og tidligere Caltech-matematikere protesterte mot OpenAIs rolle i et planlagt arrangement om KI og matematikk. Brevet hadde 771 underskrifter da det ble publisert, ifølge omtalen. OpenAI trakk deretter sponsingen av Caltech Mathathon.

Innvendingene er ikke nødvendigvis et krav om å stenge KI ute fra matematikken. Bekymringen er at proprietære systemer og publisitetsdrevne kappløp kan belønne overskrifter framfor åpen utveksling, ryddig kreditering og matematisk forklaring. De samme verktøyene kan være nyttige i en annen ramme: til beviskontroll, utforsking av formodninger, bedre framstilling og bidrag til felles formelle bevisbiblioteker.

Sikter OpenAI mot Hodge-formodningen neste gang?

OpenAI skal ha sagt til The New York Times at selskapet har gjort «betydelige fremskritt» på et annet Millennium Prize Problem, uten å navngi problemet eller legge fram et bevis. Det er grensen for hva som er offentlig bekreftet i kildene her.

Hodge-formodningen er mye omtalt som et mulig mål, og Birch og Swinnerton-Dyer-formodningen har også sirkulert i spekulasjonene. En rapport som viser til en OpenAI-kilde, sa at ansatte ventet framgang på Hodge, men OpenAI har ikke offentlig kunngjort noe Hodge-bevis. Påstander om at en av disse formodningene er løst, bør derfor behandles som rykter – ikke som matematiske resultater.

Det viktigste å følge med på nå

Det avgjørende blir ikke en ny kunngjøring, men en uavhengig gjennomgang av materialet OpenAI allerede har publisert: ekspertvurdering av argumentet, inspeksjon av Lean-prosjektet og dets avhengigheter, og avklaring av hvilken eksakt Clay-formulering som eventuelt er løst.

Dersom OpenAI kommer med en ny Millennium-påstand, vil de samme kravene gjelde. Et overbevisende resultat bør ha et presist teorem, tilgjengelige formelle og uformelle artefakter, en åpen redegjørelse for opphav og forskningsforløp, og nok forklaring til at andre forskere kan teste og videreutvikle ideene. I KI-assistert matematikk er korrekthet avgjørende – men det er også kreditering, åpenhet og menneskelig forståelse.