Resumo:
Com o anúncio de alto perfil da OpenAI de que seu sistema interno de inteligência artificial superou com sucesso um dos "problemas do Prêmio Milênio" que tem atormentado a comunidade matemática por quase um século - a existência e suavidade das equações de Navier-Stokes (equações de Navier-Stokes), uma enorme controvérsia em torno da fonte de dados de treinamento subjacentes para modelos de ponta, a propriedade dos direitos de propriedade intelectual da pesquisa científica e a ética acadêmica rapidamente detonaram na comunidade acadêmica global e na indústria de tecnologia.
À medida que a inteligência artificial invade gradualmente a vanguarda da investigação científica básica, onde é que os modelos de raciocínio matemático de alto nível de gigantes como a OpenAI extraem nutrientes essenciais e se os investigadores científicos inadvertidamente se tornam "fertilizante de dados" para os modelos privados de gigantes da tecnologia quando utilizam diariamente ferramentas comerciais de IA.
A controvérsia originou-se de uma prova matemática de 165 páginas e de um certificado de código formal Lean divulgado pela OpenAI. De acordo com a divulgação da OpenAI, ela implantou um modelo interno não divulgado que é mais poderoso do que o recém-lançado GPT-6 Astra, mobilizou cerca de 10.000 agentes autônomos de IA capazes de comunicação colaborativa, consumiu centenas de bilhões de tokens de saída e recursos de supercomputação no valor de aproximadamente US$ 22,5 milhões em 88 horas e, finalmente, derivou uma prova matemática de que a equação do fluido incompressível produz uma singularidade em um tempo limitado. A OpenAI também deixou claro que não receberá o bônus de US$ 1 milhão estabelecido pelo Clay Mathematics Institute. No entanto, pouco antes da divulgação dos resultados do OpenAI, Tristan Buckmaster, professor do Instituto Courant de Ciências Matemáticas da Universidade de Nova York, e Levent Alpöge, pesquisador da concorrente Anthropic, acabaram de divulgar seus resultados precursores inovadores em problemas relacionados à dinâmica de fluidos, como a equação de Euler forçada.
Buckmaster emitiu imediatamente uma declaração pública, levantando fortes dúvidas sobre o avanço independente da OpenAI. Buckmaster destacou que durante a pesquisa colaborativa de um ano, ele e Alperger usaram a ferramenta de geração de código Codex da OpenAI e o modelo Claude da Anthropic em profundidade para deduzir fórmulas e redigir rascunhos intermediários. Todos os manuscritos de derivação central não publicados, caminhos de entrada matemática subdivididos e configurações específicas de condições de contorno foram completamente inseridos no log da sessão do Codex. Buckmaster revelou que depois de saber que a OpenAI havia aprendido sobre rumores de pesquisas externas relevantes, ele perguntou diretamente à OpenAI se o modelo interno de resolução de problemas havia sido exposto ou treinado a partir de seus dados de interação privada no Codex; embora a equipe técnica da OpenAI insistisse que o modelo não acessava diretamente dados específicos do usuário em tempo real, eles evitaram responder à questão principal de "se ele foi incorporado ao pré-treinamento do modelo ou ao conjunto de dados de ajuste fino". Ainda mais controverso, Buckmaster também acusou o pesquisador principal da OpenAI, Sébastien Bubeck, de ter estabelecido condições para coautoria em comunicações privadas, mas solicitou que Alperger, um funcionário da Anthropic, fosse completamente excluído da coautoria.
Confrontada com dúvidas crescentes sobre o plágio académico e a apropriação indébita de dados, a OpenAI emitiu oficialmente uma declaração negando ter espionado os manuscritos das duas pessoas através de quaisquer canais informais antes da divulgação pública. Bubeck também enfatizou que a prova matemática derivada da OpenAI é essencialmente diferente da equipe Buckmaster em termos de estrutura técnica e conclusões específicas. No entanto, a OpenAI raramente incluiu uma isenção de responsabilidade intrigante em sua resposta oficial: as autoridades “não podem descartar a possibilidade de que dados anônimos desidentificados gerados pelo uso de seus produtos pelos usuários tenham ajudado objetivamente a melhorar o desempenho do modelo”. Esta declaração causou instantaneamente um alvoroço no círculo acadêmico e foi interpretada por muitos estudiosos como uma admissão disfarçada pela OpenAI de que os registros de interação privada dos principais acadêmicos armazenados em ferramentas comerciais de desenvolvimento provavelmente estiveram envolvidos no pipeline de iteração contínua de seu modelo subjacente.
Essa turbulência revelou a realidade oculta do “esgotamento de dados” e da “absorção reversa” enfrentada pelos laboratórios de inteligência artificial de ponta ao construir capacidades matemáticas de alto nível. A maioria dos dados tradicionais de pré-treinamento vem de rastreamento público na web, mas a grande maioria do corpus matemático público na Internet está apenas no nível de competições de escolas primárias e secundárias ou livros didáticos básicos de graduação, e não pode apoiar o modelo para compreender análises geométricas profundas de equações diferenciais parciais ou topologia algébrica. A fim de equipar o modelo com o raciocínio lógico profundo e capacidades de dedução rigorosas dos principais matemáticos do mundo, o laboratório de IA, além de contratar matemáticos profissionais para escrever código Lean formal e dados sintéticos, depende fortemente de pontos problemáticos de pesquisa de ponta, hipóteses de resolução de problemas não publicadas e fluxos de palavras avançados avançados inseridos por verdadeiros estudiosos de ponta em ferramentas de desenvolvimento (como a plataforma Codex). Uma vez que o contrato do usuário contenha uma cláusula que permite à plataforma usar dados de interação desidentificados para otimização de algoritmos, o trabalho cerebral original dos acadêmicos será silenciosamente digerido e amplificado por clusters de poder de computação corporativo em uma área legal cinzenta.
Especialistas em filosofia da ciência e direito de propriedade intelectual salientaram que a disputa Navier-Stokes não foi uma disputa entre académicos individuais e gigantes empresariais, mas sim marcou uma crise ética estrutural que deve ser enfrentada quando o paradigma da descoberta científica humana sofre uma fissão fundamental. Nas últimas centenas de anos, o sistema de honra e incentivo da academia baseou-se em rigorosa revisão por pares, prioridade de publicação e ética padronizada de citação de literatura; contudo, face à "busca violenta" industrializada que envolve dezenas de milhares de agentes inteligentes que cooperam em paralelo e custa dezenas de milhões de dólares, as linhas de defesa tradicionais da descoberta académica estão a tornar-se vulneráveis. Se os gigantes da tecnologia comercial não só controlarem a hegemonia líder do poder computacional, mas também utilizarem o software de produtividade que controlam para absorver unilateralmente as ideias não publicadas de académicos de ponta e negarem atribuições substanciais, os alicerces da confiança da comunidade académica global em ferramentas abertas de investigação científica serão completamente abalados. Isto também forçará as principais universidades e instituições de investigação científica independentes a começarem a reexaminar os enormes riscos potenciais da transferência de segredos fundamentais da investigação científica em ferramentas de IA na nuvem não verificadas.
Comentários