数学家们说 OpenAI 并不理解其自身的 Navier-Stokes 证明

数学家们说 OpenAI 并不理解其自身的 Navier-Stokes 证明

9月初，该公司提出了一份共166页的潜在解决方案，用于解决纳维-斯托克斯问题。OpenAI声称该证明采用了西班牙数学家迭戈·科尔多瓦和路易斯·马丁内斯-索罗亚的方法。

现在有几组专家意见不一，《科学美国》报道称：“深入探究后，其实是一种不同的方法。”EPFL的数学家冈萨洛·卡奥-拉博拉表示，这些相似之处只是表面现象。

潜在的证明是用 Lean 语言编写的，这是一种形式化验证语言，能够检查每一个逻辑步骤，但单独看时却无法被人类轻松理解。自该证明发布以来，Clay 数学研究所一直正在审查它。

出版前，纽约大学数学家 Tristan Buckmaster 指控 OpenAI 利用了他与 Anthropic 的 Levent Alpöge 共同开发的公开模型。OpenAI 否认了这一说法，称从未使用过 Buckmaster 的数据。根据高级研究研究所的 Camillo De Lellis 的说法，由于语言模型属于黑箱式系统，因此可能无法给出明确的答案。

10月初，OpenAI 发布了 大约还有 400 个结果 数学界几乎无法跟上其发展速度。将它们作为一个松散的合集发布在 GitHub 上 激怒了许多数学家，他们觉得这降低了自己领域的价值。

没有人知道10,000个AI代理是否真的发挥了作用

还有一件事，OpenAI似乎没有理解清楚关于自身工作的本质。该公司投入了大量计算资源，部署了约10,000个模型实例，持续了大约88小时和1300亿个标记，以开发出潜在的Navier-Stokes解。根据OpenAI研究人员Noam Brown的说法，实际上没有人知道那群庞大的智能体对结果有何贡献。

在那种规模下，其行为尚未被研究过，因为对数千个智能体进行系统化的对比测试成本过高。没有人测试过单个智能体解决同一问题需要多长时间，而且几乎无法判断10,000个智能体相较于1,000个智能体能带来什么具体的优势。

布朗认为，不到 10% 的成功归功于多智能体架构。他说，这些系统很新且引人注目，因此得到了不成比例的赞誉。真正重要的其实是基础模型本身，它能够在长时间内处理任务并并行运行。

AI新闻——无炒作，由人类整理

订阅 THE DECODER，即可享受无广告阅读体验、每周 AI 通讯、每年六次的独家 “AI Radar” 前沿报告、完整存档功能，以及评论区访问权限。