Nous publions un large éventail de nouveaux résultats mathématiques produits par un modèle frontalier interne.
Alors que nous cherchons à améliorer la façon dont nous partageons nos résultats avec la communauté mathématique, nous avons consulté le groupe indépendant Advisory Group on Mathematics and Artificial Intelligence à l'Institute for Advanced Study(opens in a new window) afin d'élaborer les meilleures pratiques, et nous nous sommes appuyés sur leurs conseils et leurs recommandations publiques(opens in a new window) pour guider la publication de ces résultats.
Pour cette publication, nous publions les résultats dans un dépôt GitHub, avec des protocoles pour les révisions d'articles et les citations. Nous continuons d'explorer d'autres alternatives hébergées par la communauté pour cette publication qui respectent les directives du comité. Pour les publications futures, nous nous engageons à améliorer davantage la qualité des articles grâce aux citations, à l'exposé mathématique et à la présentation des résultats pour une meilleure compréhension.
Dans le cadre de notre dépôt GitHub, nous partageons des formalisations d'un grand nombre des preuves en Lean, un langage de programmation qui permet de vérifier les preuves mathématiques par ordinateur. Nous mettrons à jour le dépôt avec davantage de formalisations à mesure que nous les obtiendrons.
Pour promouvoir la transparence et l'ouverture scientifiques, nous publions également des détails supplémentaires sur la manière dont nous avons obtenu les résultats dans le dépôt. Cela comprend 10 résumés du raisonnement du modèle, des estimations du calcul dépensé en termes d'utilisation de Pro sur ChatGPT, et des statistiques sur le nombre de problèmes tentés. Le résultat moyen a utilisé l'équivalent de calcul d'environ trois heures de réflexion de ChatGPT Pro.
Nous voulons que ces progrès repoussent les frontières de la connaissance humaine et permettent de nouveaux progrès en mathématiques. Nous financerons une série d'ateliers, de conférences et de programmes spéciaux autour de la compréhension des résultats majeurs produits par l'IA—nous en partagerons davantage prochainement.
Nous voulons donner directement aux scientifiques des capacités de pointe et nous travaillons à la publication responsable du modèle qui a produit ces résultats. C'est pourquoi il est important de continuer à évaluer nos modèles frontaliers internes en mathématiques et dans les autres sciences, afin de pouvoir accélérer le développement des outils faisant progresser ces domaines. Nous continuerons de tenir compte des retours de la communauté et de mettre à jour nos normes pour les divulgations futures d'avancées scientifiques majeures.