IT之家 Mensaje del 17 de octubre: en septiembre de este año, OpenAI publicó una demostración relacionada con las ecuaciones de Navier–Stokes de 166 páginas, afirmando que su sistema de IA interno resolvió este problema del milenio en unas 88 horas.
Sin embargo, a medida que la comunidad matemática examina más a fondo este trabajo, los investigadores han comenzado a cuestionar el método empleado en la demostración, su relación con investigaciones previas y cuánto contribuyeron realmente los agentes de IA a gran escala.
El matemático Gonzalo Cao-Labora señaló queOpenAI podría haberse apresurado a publicar el artículo sin haberlo entendido ella misma。
Indicó que los detalles de la demostración de OpenAI siguen una línea diferente a la del método propuesto anteriormente por los matemáticos españoles Diego Córdoba y Luis Martínez-Zoroa, y que las similitudes entre ambos podrían quedarse más bien en la superficie.
Varios grupos de expertos que participaron en la lectura del trabajo manifestaron a Scientific American que hay cada vez más indicios de que la demostración de OpenAI no siguió la "ruta española". Esto significa que OpenAI, al publicar el resultado, aparentemente no comprendió por completo qué hizo exactamente su modelo.
Nota de IT之家: las ecuaciones de Navier–Stokes describen el movimiento de los fluidos y son uno de los Problemas del Premio del Milenio establecidos por el Clay Mathematics Institute. OpenAI publicó la investigación el 8 del mes 9, afirmando que su modelo interno completó la demostración matemática, y a la vez hizo pública la prueba escrita en el lenguaje de verificación formal Lean. OpenAI indicó que su equipo de investigación utilizó unos 10.000 agentes de IA y obtuvo el resultado tras unas 88 horas, y luego invirtió unas 17 horas más en completar la formalización y la verificación.
Lean puede comprobar si las deducciones lógicas de una prueba formalizada cumplen las reglas establecidas, pero que una prueba pase la verificación formal no significa que el problema que resuelve coincida necesariamente con la cuestión científica que interesaba originalmente a los investigadores, ni que su razonamiento sea fácil de entender para los humanos. La demostración publicada por OpenAI tiene 166 páginas, y la comunidad matemática sigue examinando su método concreto y sus conclusiones.
Una de las controversias es la relación real entre la investigación de OpenAI y la línea de investigación explorada previamente por Córdoba y Martínez-Zoroa.
Scientific American señala que la demostración de OpenAI utilizó el término de fuerza externa de las ecuaciones de Navier–Stokes para construir un escenario en el que la velocidad del fluido crece sin cota en tiempo finito.
Los matemáticos tienen opiniones divergentes sobre el significado de este resultado: se ajusta a un escenario permitido por el enunciado original del problema del Clay Mathematics Institute, pero no resuelve la cuestión de mayor interés, a saber, si las soluciones de las ecuaciones de Navier–Stokes tridimensionales permanecen siempre suaves cuando no se aplica una fuerza externa.
En cuanto a la atribución de los méritos de la investigación, el matemático de la Universidad de Nueva York Tristan Buckmaster cuestionó que la investigación de OpenAI podría haberse beneficiado de los trabajos que él y el empleado de Anthropic Levent Alpöge realizaron con modelos públicos.
Al respecto, OpenAI negó haber utilizado los datos relacionados de Buckmaster y, en una declaración oficial actualizada el 10 de septiembre, indicó que, tras una investigación, es imposible que los prompts que Buckmaster introdujo en Codex durante los dos meses anteriores influyeran de algún modo en esta investigación, incluida una influencia mediante el entrenamiento del modelo. Pero hasta el momento, ambas partes mantienen la disputa sobre la relación entre el método y los resultados de la investigación.
Otra pregunta que aún no tiene una respuesta clara es cuánto aportan realmente estos agentes inteligentes que colaboran. OpenAI declaró oficialmente que su investigación involucró alrededor de 1 万 agentes ejecutándose en paralelo, que enviaron en total aproximadamente 270 万 mensajes y utilizaron alrededor de 1300 亿 tokens de salida. Sin embargo, estas cifras solo reflejan la escala computacional y el proceso de ejecución, y no pueden indicar directamente la contribución real de la arquitectura multiagente al resultado final.
El investigador de OpenAI Noam Brown también señaló que, por ahora, los investigadores no saben cuánto beneficio adicional aportó realmente un enjambre de agentes de esta magnitud. Dado que realizar experimentos controlados sistemáticos con miles de agentes resulta muy costoso, los investigadores todavía no han comparado suficientemente el tiempo que necesita un solo agente para completar la misma tarea, y es difícil medir con precisión la ventaja de 10.000 agentes frente a 1000 agentes.Brown estima que la contribución de la arquitectura de colaboración multiagente a este éxito podría ser inferior al 10%。
En su opinión, dado que la tecnología de agentes de IA es novedosa y atrae fácilmente una amplia atención, tiende a recibir un reconocimiento superior a su contribución real; los factores realmente decisivos podrían ser la capacidad del modelo subyacente en sí, así como la capacidad del modelo para mantener el procesamiento de tareas durante largos periodos y explorar en paralelo múltiples soluciones.
A principios del mes 10, OpenAI publicó además unos 400 resultados de investigación matemática.La comunidad matemática señala en general que solo digerir estos contenidos llevará años。
Estos resultados se han publicado de forma concentrada en GitHub con un formato relativamente laxo, lo que ha vuelto a provocar el descontento de parte de los investigadores matemáticos. Les preocupa que la publicación masiva de una gran cantidad de resultados sin una explicación, organización e intercambio académico adecuados reduzca la legibilidad de los resultados de investigación matemática y podría difuminar la distinción entre la verificación rigurosa de la investigación y los resultados generados automáticamente a gran escala.
Actualmente, la comunidad matemática sigue evaluando la investigación pertinente de OpenAI. Esta controversia no solo involucra si la IA puede generar pruebas formales, sino también si la metodología de investigación resuelve realmente el problema objetivo, cómo se atribuyen los resultados y cómo debería medirse la contribución real de los sistemas multiagente.
Lecturas relacionadas: