Resumo:
Lembre-se, no início deste mês, quando matemáticos acusaram a OpenAI de tentar assumir a liderança e competir pelos resultados de um problema matemático ultradifícil, o que mergulhou a empresa em protestos públicos? Segundo pessoas familiarizadas com o andamento da pesquisa, o fato é que a OpenAI está muito perto de resolver outro problema matemático do Prêmio Milênio. O problema do Prémio Milénio inclui um total de sete desafios matemáticos famosos, e a questão anteriormente controversa da existência e suavidade da equação de Navier-Stokes é um deles.
A fonte disse que os funcionários da empresa esperam que o próximo alvo, a conjectura de Hodge, seja comprovado em um período de tempo relativamente curto. A Conjectura de Hodge estuda se certas características geométricas de uma geometria definida por equações polinomiais podem sempre ser descritas por componentes algébricos mais simples. No entanto, pode demorar mais para que a OpenAI anuncie os resultados da prova. A razão é que a empresa está estudando como cooperar com a comunidade matemática para publicar os resultados de forma adequada para evitar outra crise de relações públicas.
Por que a OpenAI está interessada nesses problemas matemáticos difíceis e difíceis? Afinal, resolver tais problemas é caro: provar previamente os resultados relacionados à equação de Navier-Stokes pode ter custado milhões de dólares. A fonte disse que a OpenAI usou uma variante do modelo pré-treinado de próxima geração (codinome “Doug”) para completar esta prova.
Alguns pesquisadores da OpenAI acreditam que, depois da engenharia de software, a matemática é a próxima área lógica a ser conquistada para grandes modelos. Os dois campos possuem características semelhantes: ambos exigem raciocínio lógico passo a passo e a maioria dos resultados pode ser verificada automaticamente. Alguns pesquisadores chegam a julgar que as mudanças de automação que ocorreram na área de engenharia de software no ano passado se repetirão na área de matemática nos próximos 6 a 9 meses.
Além disso, superar problemas matemáticos difíceis também ajudará os desenvolvedores de IA a promover a automação da pesquisa de aprendizado de máquina - o próprio aprendizado de máquina envolve muita matemática. Este tipo de automação é uma parte importante do seu objetivo de autoaperfeiçoamento recursivo (a IA desenvolve nova IA de forma independente).
Testar a capacidade de modelos de ponta para resolver problemas matemáticos que nunca foram comprovados também pode ajudar os pesquisadores a avaliar o nível de progresso e as capacidades de raciocínio complexo dos modelos. Se o modelo puder resolver problemas difíceis, como a equação de Navier-Stokes e a conjectura de Hodge, isso pode significar que também é capaz de resolver problemas igualmente difíceis em outras áreas, como biologia e química.
Além disso, desde que os resultados sejam divulgados sem causar forte insatisfação entre os matemáticos, tais avanços também podem criar novos marcos atraentes para a OpenAI e servir como chips de publicidade na corrida pela superinteligência artificial geral, o que é naturalmente benéfico para a empresa.
Comentários