OpenAI lægger 377 nye matematikresultater på nettet og får kritik

OpenAI har lagt 377 nye matematiske resultater ud på GitHub, en side hvor man deler kode og dokumenter. Resultaterne stammer fra en intern AI-model, som firmaet endnu ikke har lanceret for offentligheden.

Et af eksemplerne er et påstået bevis for hele den ledende formel i Birch-Swinnerton-Dyer-formodningen. Beviset gælder dog kun for en snæver type af såkaldte elliptiske kurver over de rationale tal og med bestemte egenskaber. Det er altså ikke et bevis for hele formodningen.

Kritik af fremgangsmåden

Udgivelsen kommer kort efter, at en rådgivende gruppe om matematik og AI ved Institute for Advanced Study i USA har anbefalet, at de store AI-laboratorier holder op med at teste avancerede matematiske problemer på modeller, som andre ikke har adgang til. Det gør det svært for udenforstående at kontrollere arbejdet. Gizmodo skriver, at OpenAI ser ud til at have set bort fra anbefalingen, fordi den interne model ikke er frigivet.

OpenAI siger selv, at firmaet vil »direkte give forskere de mest avancerede værktøjer«, og at det arbejder på at frigive modellen på en ansvarlig måde. En talsperson siger, at firmaet vil »fortsætte med at indarbejde feedback fra fagfolk og forbedre vores standarder for deling af større videnskabelige fremskridt«.

Hvad ved vi ikke endnu?

Det er uklart, hvor mange af de 377 resultater der er reelle gennembrud, og hvor mange der er mindre eller allerede kendte. Gizmodos skribent skriver åbent, at han ikke selv kan vurdere resultaterne, og at han hverken vil afvise dem eller hylde dem som 377 store gennembrud.

Andre medier omtaler en større samling på omkring 722 manuskripter, og at modellen blev sat til cirka 4.000 åbne problemer. Tallene varierer mellem kilderne, så de bør tages med forbehold. Det er også omtalt, at nogle af OpenAIs tidligere matematikresultater i august ikke havde krediteret tidligere arbejde korrekt.

Hvad betyder det for dig?

For de fleste har sagen ikke direkte betydning i hverdagen. Men den viser, at AI-firmaer i stigende grad kæmper om at vise, at deres modeller kan bidrage til ny forskning og ikke kun løse skoleopgaver. Samtidig er spørgsmålet, hvordan man kan stole på sådanne påstande, når andre ikke kan afprøve modellen. Det er den debat, som udgivelsen nu har skærpet.