Nous publions une gamme complète de nouveaux résultats mathématiques obtenus par un modèle interne de frontière.
Alors que nous cherchons à améliorer la manière dont nous partageons les résultats avec la communauté mathématique, nous avons consulté le groupe consultatif indépendant sur les mathématiques et l’intelligence artificielle au sein de l’Institut d’études avancées>(ouvre dans une nouvelle fenêtre) afin de développer les meilleures pratiques. Nous nous sommes également appuyés sur leurs conseils et les recommandations publiques>(ouvre dans une nouvelle fenêtre) pour déterminer la manière dont nous publions ces résultats.
Pour cette version, nous publions les résultats dans un dépôt GitHub, avec des protocoles pour les révisions et les citations des articles. Nous continuons à explorer d’autres alternatives hébergées par la communauté qui respectent les directives du comité. Pour les versions futures, nous sommes déterminés à améliorer davantage la qualité des articles grâce aux citations, à l’exposé mathématique et à la présentation des résultats, afin d’en faciliter la compréhension.
Comme partie de notre dépôt GitHub, nous partageons des formalisations de nombreuses preuves dans Lean, un langage de programmation qui permet à des preuves mathématiques d’être vérifiées par ordinateur. Nous mettrons à jour le dépôt avec davantage de formalisations à mesure que nous les obtenons.
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 repository. Ces détails comprennent 10 résumés du raisonnement du modèle, des estimations du temps de calcul en termes de Pro utilisé sur ChatGPT, ainsi que des statistiques concernant le nombre d’exercices tentés. Le résultat moyen a nécessité environ trois heures de calcul avec ChatGPT Pro.
Nous souhaitons que ce progrès propulse les frontières du savoir humain et permette des avancées supplémentaires en mathématiques. Nous financerons une série d’ateliers, de conférences et de programmes spéciaux sur la compréhension des résultats majeurs produits par l’IA – nous en parlerons plus en détail dans un avenir proche.
Nous voulons donner directement aux scientifiques des capacités de pointe et nous travaillons pour rendre responsable la diffusion du modèle qui a produit ces résultats. C’est pourquoi il est important de continuer à évaluer nos modèles internes dans les domaines des mathématiques et d’autres sciences, afin de pouvoir accélérer le développement des outils permettant de progresser dans ces domaines. Nous continuerons à prendre en compte les retours de la communauté et à mettre à jour nos normes pour les futures divulgations de progrès scientifiques majeurs.