IT之家 Message du 17/10 : au 9e mois de cette année, OpenAI a publié une preuve de 166 pages liée aux équations de Navier-Stokes (Navier–Stokes equations), affirmant que son système d'IA interne avait résolu ce problème du millénaire en environ 88 heures.
Cependant, à mesure que le milieu mathématique examine plus en profondeur ce travail, des chercheurs commencent à s'interroger sur la méthode adoptée par la preuve, sur sa relation avec des recherches existantes, ainsi que sur le rôle réellement joué par les agents d'IA à grande échelle.
Le mathématicien Gonzalo Cao-Labora souligne qu'OpenAI a peut-être publié son article à la hâte sans même l'avoir compris lui-même。
Il indique que les détails de la preuve d'OpenAI suivent une voie différente de celle proposée auparavant par les mathématiciens espagnols Diego Córdoba et Luis Martínez-Zoroa, et que les similitudes entre les deux pourraient n'être que superficielles.
Plusieurs groupes d'experts ayant participé à la lecture ont déclaré à Scientific American que de plus en plus d'indices montrent que la preuve d'OpenAI n'a pas suivi la « voie espagnole ». Cela signifie qu'OpenAI ne semblait pas avoir pleinement compris ce que son modèle avait réellement fait au moment de publier ce résultat.
Note de IT之家 : les équations de Navier-Stokes servent à décrire le mouvement des fluides et font partie des problèmes du prix du Millénaire établis par le Clay Mathematics Institute. OpenAI a publié le 9/8 une recherche associée, affirmant que son modèle interne avait réalisé la démonstration mathématique, tout en rendant publique simultanément la preuve rédigée dans le langage de vérification formelle Lean. OpenAI indique que son équipe de recherche a utilisé environ 1万 agents IA et obtenu le résultat après environ 88 heures, puis a consacré environ 17 heures supplémentaires à la formalisation et à la vérification.
Lean permet de vérifier si les déductions logiques d'une preuve formelle respectent les règles établies, mais le fait qu'une preuve passe la vérification formelle ne garantit pas que le problème résolu corresponde nécessairement à la question scientifique sur laquelle portaient initialement les chercheurs, ni que le raisonnement de la preuve soit facilement compréhensible pour les humains. La preuve publiée par OpenAI compte 166 pages, et le milieu mathématique examine encore ses méthodes et ses conclusions.
L'une des controverses porte sur le degré de lien réel entre les recherches d'OpenAI et la voie de recherche explorée auparavant par Córdoba et Martínez-Zoroa.
Scientific American souligne que la preuve d'OpenAI a exploité le terme de force externe des équations de Navier-Stokes pour construire un scénario où la vitesse du fluide croît de manière illimitée en un temps fini.
Les mathématiciens ont des avis divergents sur la signification de ce résultat : il correspond à un cas autorisé par la formulation originale du problème du Clay Mathematics Institute, mais ne résout pas la question plus scrutée de savoir si, sans force externe, les solutions des équations de Navier-Stokes en trois dimensions restent toujours lisses.
Concernant l'attribution des résultats de recherche, le mathématicien de l'Université de New York Tristan Buckmaster a suspecté que les recherches d'OpenAI aient pu bénéficier des travaux qu'il menait avec Levent Alpöge, employé d'Anthropic, à l'aide de modèles publics.
À cela, OpenAI a nié avoir utilisé les données de Buckmaster et a déclaré dans sa note officielle mise à jour le 10 septembre qu'après enquête, les invites saisies par Buckmaster dans Codex au cours des deux mois précédents ne pouvaient en aucun cas influencer cette recherche, y compris via l'entraînement du modèle. Mais à ce jour, les deux parties demeurent en désaccord sur la relation entre leurs méthodes et résultats de recherche.
Une autre question qui n'a pas encore reçu de réponse claire est de savoir quelle contribution exactement cette collaboration d'agents a réellement apporté. OpenAI a officiellement indiqué que ses recherches portaient sur environ 10000 agents fonctionnant en parallèle, ayant envoyé au total environ 2700000 messages et utilisé environ 130000000000 tokens de sortie. Cependant, ces chiffres ne reflètent que l'ampleur des calculs et le déroulement du processus, et ne permettent pas de dire directement quelle est la contribution réelle de l'architecture multi-agents au résultat final.
Le chercheur d'OpenAI Noam Brown a également souligné que, pour l'instant, les chercheurs ne savent pas précisément combien de bénéfices supplémentaires un cluster d'agents d'une telle envergure a réellement apporté. Étant donné que le coût d'expériences de contrôle systématiques utilisant des milliers d'agents est élevé, les chercheurs n'ont pas encore suffisamment comparé le temps nécessaire à un seul agent pour accomplir la même tâche, et il est difficile de mesurer avec précision l'avantage de 10000 agents par rapport à 1000 agents.Brown estime que la contribution de l'architecture de collaboration multi-agents à ce succès pourrait être inférieure à 10 %。
À ses yeux, comme la technologie des agents d'IA est nouvelle et attire facilement l'attention du public, elle tend à recevoir une reconnaissance supérieure à sa contribution réelle ; les facteurs véritablement décisifs pourraient être les capacités du modèle sous-jacent lui-même, ainsi que la capacité du modèle à traiter des tâches de manière continue sur de longues durées et à explorer en parallèle plusieurs approches de solution.
Au début du mois d'octobre (10), OpenAI a rendu publics environ 400 résultats de recherche mathématique.Le milieu mathématique indique généralement qu'il faudra plusieurs années rien que pour assimiler ces contenus。
Ces résultats, publiés de manière relativement dispersée mais regroupés sur GitHub, ont de nouveau suscité le mécontentement de certains chercheurs en mathématiques. Ils craignent que la publication en masse de résultats, sans explications, sans mise en ordre ni échanges académiques suffisants, ne réduise la lisibilité des résultats de recherche mathématique et ne brouille la distinction entre une validation de recherche rigoureuse et des résultats générés automatiquement à grande échelle.
À l'heure actuelle, la communauté mathématique continue d'évaluer les travaux de recherche d'OpenAI en la matière. Cette controverse ne porte pas seulement sur la capacité de l'IA à générer des preuves formalisées, mais aussi sur la question de savoir si la méthodologie de recherche répond réellement au problème visé, comment les résultats doivent être attribués, et comment mesurer la contribution effective des systèmes multi-agents.
Lectures complémentaires :