OpenAI ogłosiło przełom w problemie Naviera–Stokesa. Matematycy mówią: najpierw weryfikacja

Ogłoszenie OpenAI z 8 września było wyjątkowe, bo dotyczyło jednego z najważniejszych otwartych problemów współczesnej matematyki. Równie szybko wywołało jednak sprzeciw. W matematyce samo publiczne oświadczenie — nawet poparte formalizacją komputerową — nie jest równoznaczne z dowodem niezależnie sprawdzonym i zaakceptowanym przez środowisko.

Co dokładnie twierdzi OpenAI

OpenAI podało, że nieujawniony wewnętrzny system stworzył analityczny dowód oraz formalizację w Lean. Według firmy mają one wykazywać, że początkowo gładki, trójwymiarowy przepływ opisany równaniami Naviera–Stokesa może w skończonym czasie wytworzyć osobliwość, czyli punkt, w którym opis rozwiązania przestaje pozostawać gładki. W pracę miała być zaangażowana grupa około 10 tys. działających równolegle agentów. 2

Jeśli wynik przetrwa niezależną ocenę i odpowiada dokładnie oficjalnemu sformułowaniu problemu, oznaczałby negatywną odpowiedź na pytanie o istnienie i gładkość rozwiązań: gładkie rozwiązania nie muszą zachowywać gładkości przez cały czas. Clay Mathematics Institute (CMI) opisuje problem jako pytanie o istnienie i gładkość rozwiązań równań Naviera–Stokesa w trójwymiarowej przestrzeni euklidesowej. 18

Dlaczego równania Naviera–Stokesa są tak ważne

Równania Naviera–Stokesa opisują ruch płynów. Są podstawowym narzędziem matematycznego badania przepływów, ale ogólne zachowanie ich trójwymiarowych rozwiązań pozostaje słabo poznane, choć równania zapisano już w XIX wieku. 30

Problem należy do siedmiu Problemów Milenijnych. Jego oficjalny opis wymaga dowodu, że gładkie, fizycznie sensowne rozwiązania istnieją globalnie, albo alternatywnego rozstrzygnięcia spełniającego wskazane warunki. 1721

Nie jest to więc zwykły test możliwości modelu AI. Prawidłowe rozwiązanie dotyczyłoby centralnego zagadnienia analizy matematycznej i dynamiki płynów. Właśnie dlatego poprzeczka weryfikacji jest tak wysoko ustawiona.

Dlaczego nie uznano tego od razu za rozwiązanie

11 września CMI stwierdził, że rozważa ogłoszenie, iż problem „najwyraźniej został rozstrzygnięty”, jednocześnie podkreślając, że proces oceny i ustalania autorstwa ma być celowo niespieszny. 18

Regulamin nagród CMI przewiduje trzy warunki, zanim instytut w ogóle rozpatrzy proponowane rozwiązanie: publikację w kwalifikującym się wydawnictwie, upływ co najmniej dwóch lat od publikacji oraz powszechną akceptację w światowym środowisku matematycznym. 27 Ponadto rozwiązanie musi w sposób satysfakcjonujący odpowiadać na oficjalne sformułowanie problemu. 20

Lean potrafi sprawdzić, czy sformalizowany ciąg twierdzeń wynika z zakodowanych definicji i założeń. To bardzo silna forma kontroli. Nie zastępuje jednak oceny ekspertów: trzeba jeszcze ustalić, czy sformalizowane twierdzenie, przyjęte założenia oraz przejście od języka nieformalnego do formalnego rzeczywiście rozwiązują zamierzony problem.

Najuczciwszy opis statusu brzmi zatem: wynik zgłoszony i poddawany kontroli, a nie powszechnie uznany ani zatwierdzony jako podstawa do Nagrody Milenijnej.

Spór o pierwszeństwo i przypisanie zasług

Ogłoszenie nastąpiło w czasie sporu z udziałem matematyka NYU Tristana Buckmastera oraz Leventa Alpöge, matematyka związanego z Anthropic. Z relacji wynikało, że obaj pracowali nad powiązanymi pytaniami, a Buckmaster zgłaszał wątpliwości, w jaki sposób OpenAI zaczęło badać ten problem. 953

Buckmaster zarzucił też niewłaściwe zachowanie w rozmowach dotyczących autorstwa i współpracy. OpenAI odrzuciło szersze zarzuty badaczy, oświadczając, że jego pracownicy i agenci nie widzieli ich pracy przed jej publicznym ujawnieniem oraz że przy rozwiązywaniu problemu nie uzyskano dostępu do konkretnych danych użytkowników. 53

Są to sprzeczne relacje, a nie ustalone fakty. Bezsporne jest natomiast to, że techniczne ogłoszenie szybko przerodziło się w debatę o tym, komu przypisywać zasługi, gdy laboratoria AI i niezależni naukowcy pracują w pobliżu tej samej granicy badawczej.

Dlaczego kwestia danych stała się tak drażliwa

Szczególnie istotne było pytanie, czy materiały wprowadzane przez naukowców do produktów AI mogły wpłynąć na możliwości modelu wykorzystanego później w badaniach. OpenAI oświadczyło, że nie uzyskało dostępu do konkretnych danych użytkowników tych badaczy na potrzeby prac nad Navier–Stokesem. Dodało jednak, że nie może całkowicie wykluczyć, iż zanonimizowane dane pochodzące z korzystania z produktów firmy pomogły ulepszyć modele. 59

Rozróżnienie to może mieć znaczenie techniczne, ale nie usuwa pytania o zasady: jakiego poziomu przejrzystości pochodzenia danych, zgody i możliwości audytu mogą oczekiwać badacze, gdy używają narzędzi AI do nieopublikowanej pracy?

Dla osób pracujących naukowo jest to przypomnienie, by przed wprowadzeniem do narzędzia AI szkiców tekstów, hipotez, kodu lub innych wrażliwych materiałów dokładnie sprawdzać zasady przetwarzania danych.

Ostrzeżenie laureatów Medalu Fieldsa

11 września Terence Tao opublikował deklarację zatytułowaną A Severe Misalignment of AI in Mathematics („Poważne niedopasowanie AI do matematyki”), którą początkowo podpisało 25 laureatów Medalu Fieldsa. 43

Deklaracja wyrażała obawę, że firmy mogą traktować słynne nierozwiązane problemy jak publiczne benchmarki lub konkursy marketingowe, a nie wspólną pracę intelektualną. Krytycy wskazują, że pośpieszne komunikaty, niepełne wyjaśnienia, słabe przypisywanie zasług oraz presja, by wyprzedzić innych, mogą zniechęcać badaczy do dzielenia się wczesnymi pomysłami.

Nie był to postulat wykluczenia AI z matematyki. Chodziło o ochronę norm, na których opiera się postęp w tej dziedzinie: otwartej kontroli, starannego wyjaśnienia, uznania wkładu innych i naukowej rozmowy.

Jak powinny wyglądać odpowiedzialne wyniki matematyczne wspierane przez AI

Kontrowersja wskazuje praktyczny standard dla nadzwyczajnych twierdzeń badawczych z udziałem AI:

• Publiczne materiały, które można sprawdzić: zgłoszeniu powinny towarzyszyć rygorystyczny tekst dowodu oraz, jeśli to możliwe, formalizacja możliwa do automatycznej weryfikacji.
• Niezależna ocena: kontrola formalna i ekspercka ocena matematyczna spełniają różne funkcje; duże twierdzenia wymagają obu.
• Jasne przypisywanie zasług: laboratoria powinny dokumentować istotne wcześniejsze prace, wkład ludzi oraz granice roli systemu.
• Pochodzenie danych: badacze potrzebują zrozumiałych deklaracji o tym, czy i w jaki sposób ich interakcje z produktem mogą przyczyniać się do ulepszania modeli.
• Czas na namysł: rozwiązanie wielkiego problemu nie sprowadza się do odpowiedzi „prawda” lub „fałsz”. Trzeba jeszcze wykazać, co dokładnie udowodniono, dlaczego jest to poprawne i jak wynik wpisuje się w dorobek danej dziedziny.

Najważniejszy wniosek

Ogłoszenie OpenAI może okazać się przełomem w matematyce wspomaganej przez AI, ale nie zamknęło sprawy w dniu publikacji komunikatu. Rozstrzygające będzie to, czy zgłoszony dowód zyska trwałą, niezależną akceptację zgodną ze standardami środowiska matematycznego i Clay Mathematics Institute. 1827

Reakcja matematyków pokazała, dlaczego ten proces ma znaczenie. Wraz z wejściem AI do badań o wysokiej stawce zaufanie będzie zależeć nie tylko od tego, co systemy potrafią odkryć, lecz także od tego, czy ich odkrycia da się zweryfikować, wyjaśnić i uczciwie przypisać ich autorom.