Το OpenAI κυκλοφόρησε ένα νέο επιστημονικό ιστολόγιο στις 15 Νοεμβρίου και η εναρκτήρια ανάρτησή του είναι εντυπωσιακή: ο θεωρητικός σωματιδίων του UC Santa Barbara, Nathaniel Craig, επισκέπτης επιστήμονας στο OpenAI, περιγράφει πώς το μοντέλο GPT-6 Astra της εταιρείας ανέλαβε τον ηγετικό ρόλο σε μια λεπτομερή απόδειξη για έναν υποψήφιο μη διαταραγμένο πλέγμα στο Standard-Model. θεωρητική φυσική, σύμφωνα με το blog του OpenAI και το ρεπορτάζ του AI Weekly.

Η ανάρτηση επικεντρώνεται σε μια προεκτύπωση του arXiv της 6ης Οκτωβρίου, "Ένα μέτρο αμετάβλητο στο μετρητή για δικτυωτά χειραλικά φερμιόνια", το οποίο συνοδεύεται από επισημοποίηση Lean 4 της κατασκευής. Ο συνιδρυτής του OpenAI, Γκρεγκ Μπρόκμαν, δημοσιοποίησε το αποτέλεσμα και είναι η πρώτη φορά που ένα συνοριακό εργαστήριο επισυνάπτει έναν επώνυμο, πιστοποιημένο φυσικό και μια επίσημη απόδειξη στον ισχυρισμό ότι το μοντέλο του έκανε αποφασιστική δουλειά σε ένα πρόβλημα δεκαετιών. Για περισσότερα σχετικά με τον τρόπο με τον οποίο τα μοντέλα τεχνητής νοημοσύνης έλκονται στην αιχμή της επιστήμης, η ερευνητική κάλυψη AI ακολουθεί τα έγγραφα, τα σημεία αναφοράς και τις ανακοινώσεις του εργαστηρίου που έχουν σημασία.

Το πρόβλημα της φυσικής, με απλούς όρους

Το Καθιερωμένο Μοντέλο της Φυσικής των Σωματιδίων είναι μια χειραλική θεωρία μετρητών - τα φερμιόνια του αντιμετωπίζουν διαφορετικά τα αριστερόστροφα και τα δεξιόχειρα συστατικά, κάτι που κάνει την τοποθέτηση της θεωρίας σε ένα διακριτό, τετραδιάστατο χωροχρόνο πλέγμα τόσο δύσκολη χωρίς να καταστρέφεται η συμμετρία του μετρητή από την οποία εξαρτάται η θεωρία. Όπως σημειώνει η ανάλυση AI Weekly, το εμπόδιο στέκεται για περισσότερα από 25 χρόνια από τότε που η συνταγή του Martin Lüscher έλυσε το πρόβλημα για απλούστερες θεωρίες.

Η προτύπωση του Craig προτείνει μια κατασκευή για φερμιόνια επικάλυψης «σε μια κατηγορία μη αβελιανών χειραλικών θεωριών μετρητών που περιλαμβάνει το Καθιερωμένο Μοντέλο», σύμφωνα με την περίληψη όπως αναφέρεται στην αναφορά. Ένας ορισμός αυτού του είδους του μη διαταραγμένου πλέγματος, κατ' αρχήν, θα επέτρεπε στους φυσικούς να μελετήσουν το Καθιερωμένο Μοντέλο από τις πρώτες αρχές σε έντονα συζευγμένα καθεστώτα που δεν μπορούν να φτάσουν οι διαταραχές.

Τι έκανε στην πραγματικότητα το Astra

Ο Κρεγκ είναι ξεκάθαρος για τον καταμερισμό της εργασίας. «Είχα μια στρατηγική για την αντιμετώπιση αυτού του προβλήματος, αλλά δεν μπόρεσα να αποδείξω ότι λειτούργησε σε όλες τις περιπτώσεις που έπρεπε να καλύψει», γράφει ο Κρεγκ στο blog, σύμφωνα με την αναφορά του AI Weekly. "Το Astra βοήθησε να μετατραπεί αυτή η στρατηγική σε κατασκευή και πρωτοστάτησε στην ανάπτυξη της λεπτομερούς απόδειξης."

Αυτή η απόδοση - το μοντέλο που οδηγεί τη λεπτομερή απόδειξη, με τον φυσικό να παρέχει τη στρατηγική και την κρίση του τομέα - είναι που κάνει την ανάρτηση αξιοσημείωτη. Η συνοδευτική επισημοποίηση του Lean 4 έχει επίσης σημασία: βάζει την κατασκευή σε μια μορφή όπου οι βοηθοί απόδειξης μπορούν να επαληθεύουν μηχανικά κάθε βήμα, αντί να βασίζονται μόνο στα μαθηματικά πεζογραφίας.

Οι προειδοποιήσεις είναι ουσιαστικές

Ο ίδιος ο Craig πλαισιώνει το αποτέλεσμα ως «πολύ περισσότερο μια απάντηση στην αρχή παρά μια απάντηση στην πράξη». Πολλά σημαντικά κενά παραμένουν ανοιχτά, όπως τα απαριθμεί: η θετικότητα ανάκλασης (μια συνθήκη συνέπειας που συνδέει τις θεωρίες του πλέγματος με τη φυσική ενότητα), ο ορισμός του συνεχούς χωροχρόνου και οι ρεαλιστικές προσομοιώσεις πλέγματος δεν έχουν επιτευχθεί.

Η κατάσταση ελέγχου είναι επίσης ελλιπής. Ο Craig κατονομάζει τρεις θεωρητικούς πεδίου πλέγματος - Maarten Golterman, Andreas Kronfeld και Yigal Shamir - ως επιθεωρητές του έργου, αλλά αυτή η κριτική ήταν ιδιωτική και δεν έχει εμφανιστεί ακόμη ανεξάρτητη δημοσιευμένη αξιολόγηση, σύμφωνα με το AI Weekly. Το επόμενο πραγματικό σήμα, σημειώνει η έξοδος, θα είναι εάν κάποιο από τα τρία δημοσιεύει μια αξιολόγηση ή εάν ένα έγγραφο παρακολούθησης arXiv εμπλέκει την κατασκευή με βάση τα πλεονεκτήματά του. Μέχρι τότε, το καδράρισμα "Astra οδήγησε την απόδειξη" βασίζεται στην απόδοση ενός συγγραφέα.

Γιατί έχει σημασία για ισχυρισμούς έρευνας AI

Τα συνοριακά εργαστήρια ισχυρίζονται συνήθως ότι τα μοντέλα τους επιταχύνουν την επιστημονική εργασία, αλλά οι ισχυρισμοί συνήθως φτάνουν ως σημεία αναφοράς και όχι ως συνεισφορές που έχουν αξιολογηθεί από ειδικούς σε ένα ώριμο τεχνικό πεδίο. Αυτή η ανάρτηση είναι διαφορετική ως προς το είδος: ονομάζει τον φυσικό, ονομάζει τους αναθεωρητές, επισημοποιεί το αποτέλεσμα στο Lean 4 και διακυβεύεται έναν συγκεκριμένο ισχυρισμό σχετικά με το τι έκανε το μοντέλο - όλα αυτά οι ειδικοί κριτικοί θα μπορούσαν ακόμα να ξεδιπλώσουν.

Απαντά επίσης σε μια ερώτηση που έχει εμπλακεί στα μαθηματικά με τη βοήθεια τεχνητής νοημοσύνης: πώς τεκμηριώνει ένα εργαστήριο έναν ισχυρισμό ότι το μοντέλο του έκανε πραγματική μαθηματική δουλειά; Συνδυάζοντας την προεκτύπωση με μια επισημοποίηση Lean 4, το αποτέλεσμα γίνεται κατ' αρχήν ελεγχόμενο — οι επίσημες αποδείξεις μπορούν να επαληθευτούν από ανεξάρτητους βοηθούς απόδειξης, επομένως η κοινότητα δεν καλείται να εμπιστευτεί ούτε τον συγγραφέα ούτε το μοντέλο, παρά μόνο για να εκτελέσει το πούλι. Το ερώτημα που απομένει είναι η πρακτική απόδοσης: όπως ρώτησε το AI Weekly, εάν ένα μοντέλο οδήγησε τη λεπτομερή απόδειξη, πώς αντιμετωπίζεται η συγγραφή στην υποβολή του arXiv και θα κυκλοφορήσει το OpenAI το ίχνος αλληλεπίδρασης που δείχνει τι συνέβαλε το Astra;

Το timing είναι επίσης ενδεικτικό. Η πρόσφατη δημόσια απόδοση του OpenAI κυριαρχείται από ανακοινώσεις κεφαλαίων, συμφωνίες αδειοδότησης και μάχες πολιτικής. ένα επιστημονικό ιστολόγιο του οποίου η ντεμπούτο ανάρτηση παρουσιάζει αποτελέσματα αιχμής σε μια βαριά απόδειξη γωνία της θεωρητικής φυσικής είναι ένα επιχείρημα ότι τα μοντέλα γίνονται εργαλεία για θεμελιώδη έρευνα, όχι μόνο για εμπορικά προϊόντα.

Για το πεδίο της θεωρίας του μετρητή πλέγματος, η σημασία του αποτελέσματος θα διευθετηθεί όπως είναι πάντα αυτά τα αποτελέσματα — από ανεξάρτητους ειδικούς που ασχολούνται με την κατασκευή δημόσια. Για τον κλάδο της τεχνητής νοημοσύνης, η ανάρτηση θέτει ένα πρότυπο για το πώς τα εργαστήρια μπορούν να εμπορεύονται όλο και περισσότερο τις δυνατότητες μοντέλων: όχι με βαθμολογίες στο leaderboard, αλλά με επώνυμους ειδικούς που πιστώνουν μοντέλα για αποφασιστική εργασία σε επίσημη, ελεγχόμενη μορφή.

---

Μείνετε μπροστά από την τεχνητή νοημοσύνη

Λάβετε τα πιο πρόσφατα νέα, αναλύσεις και ανακαλύψεις για την τεχνητή νοημοσύνη — όλα σε ένα μέρος.

Διαβάστε περισσότερα νέα AI →