OpenAI وبلاگ علمی جدیدی را در 15 نوامبر راه‌اندازی کرد و پست مهمان افتتاحیه آن جالب توجه است: ناتانیل کریگ، نظریه‌پرداز ذرات UC سانتا باربارا، دانشمند مدعو در OpenAI، توضیح می‌دهد که چگونه مدل GPT-6 Astra این شرکت نقش اصلی را در یک تعریف دقیق برای یک نامزد غیرآشفتگی مدل استاندارد در حالت استاندارد بر عهده گرفت. طبق وبلاگ OpenAI و گزارش هفتگی AI، فیزیک نظری.

این پست بر روی یک پیش‌چاپ arXiv در تاریخ 6 اکتبر متمرکز است، «معیار اندازه‌گیری ثابت برای فرمیون‌های کایرال شبکه‌ای»، که با ساختار Lean 4 رسمی‌سازی می‌شود. گرگ براکمن، یکی از بنیانگذاران OpenAI، نتیجه را منتشر کرد و این اولین بار است که یک آزمایشگاه مرزی یک فیزیکدان با نام و اعتبار و یک مدرک رسمی را به این ادعا که مدل آن کار تعیین کننده ای روی یک مشکل چند دهه ای انجام داده است، ضمیمه می کند. برای اطلاعات بیشتر در مورد اینکه چگونه مدل‌های هوش مصنوعی به سمت علم مرزی کشیده می‌شوند، [پوشش تحقیقاتی هوش مصنوعی] (https://aibuzzwire.news) ما مقالات، معیارها و اعلامیه‌های آزمایشگاهی مهم را دنبال می‌کند.

مسئله فیزیک، به زبان ساده

مدل استاندارد فیزیک ذرات یک نظریه گیج کایرال است - فرمیون‌های آن با اجزای چپ‌دست و راست‌دست به‌طور متفاوتی رفتار می‌کنند، این دقیقاً همان چیزی است که قرار دادن این نظریه را روی شبکه‌ای چهاربعدی فضازمان بدون از بین بردن تقارن سنج که نظریه به آن وابسته است، بسیار دشوار می‌کند. همانطور که تحلیل هفتگی هوش مصنوعی اشاره می کند، از زمانی که نسخه مارتین لوشر مشکل تئوری های ساده تر را حل کرد، بیش از 25 سال مانع وجود داشت.

پیش‌چاپ کریگ ساختاری را برای فرمیون‌های همپوشانی پیشنهاد می‌کند «در کلاسی از تئوری‌های گیج کایرال غیرآبلی که شامل مدل استاندارد می‌شود»، طبق چکیده‌ای که در گزارش نقل شده است. یک تعریف شبکه غیرآشفتگی از این نوع، اصولاً به فیزیکدانان اجازه می‌دهد مدل استاندارد را از اصول اولیه در رژیم‌های شدیداً جفت شده که روش‌های اغتشاشگر نمی‌توانند به آن دست یابند، مطالعه کنند.

آنچه Astra در واقع انجام داد

کریگ در مورد تقسیم کار صریح است. بر اساس گزارش AI Weekly، کریگ در وبلاگ می نویسد: «من یک استراتژی برای مقابله با این مشکل داشتم، اما نتوانستم ثابت کنم که در تمام مواردی که باید پوشش داده شود، کار می کند. آسترا کمک کرد تا این استراتژی به یک ساختار تبدیل شود و در توسعه اثبات دقیق پیشتاز شد.

این انتساب - مدلی که منجر به اثبات دقیق می شود، با فیزیکدانی که استراتژی و قضاوت دامنه را ارائه می دهد - چیزی است که پست را قابل توجه می کند. رسمی‌سازی Lean 4 نیز اهمیت دارد: ساختار را به شکلی قرار می‌دهد که دستیاران اثبات می‌توانند به‌جای تکیه بر ریاضیات منثور به‌طور مکانیکی هر مرحله را تأیید کنند.

هشدارها قابل توجه هستند

خود کریگ نتیجه را اینگونه تعریف می کند: «به مراتب بیشتر یک پاسخ در اصل تا یک پاسخ در عمل». همانطور که او آنها را برمی شمارد، چندین شکاف اصلی باز باقی می مانند: مثبت بودن بازتاب (شرایط سازگاری که نظریه های شبکه را به یکپارچگی فیزیکی متصل می کند)، یک تعریف پیوسته-فضا-زمان، و شبیه سازی های شبکه واقعی به دست نیامده اند.

وضعیت بررسی نیز ناقص است. به گفته هفته نامه AI، کریگ از سه نظریه پرداز میدان شبکه - مارتن گلترمن، آندریاس کرونفلد و ییگال شامیر - نام می برد که این کار را بررسی کرده اند، اما این بررسی خصوصی بود و هنوز هیچ ارزیابی مستقل منتشر نشده ای ظاهر نشده است. سیگنال واقعی بعدی، یادداشت‌های خروجی، این خواهد بود که آیا هر یک از این سه ارزیابی را منتشر می‌کنند، یا اینکه آیا مقاله بعدی arXiv ساختار را بر اساس شایستگی‌های آن درگیر می‌کند. تا آن زمان، قاب بندی "Astra رهبری اثبات" بر انتساب یک نویسنده استوار است.

چرا برای ادعاهای تحقیقاتی هوش مصنوعی مهم است

آزمایشگاه‌های مرزی به طور معمول ادعا می‌کنند که مدل‌های آن‌ها کار علمی را سرعت می‌بخشند، اما این ادعاها معمولاً به‌عنوان معیار به‌جای مشارکت‌های متخصص در زمینه فنی بالغ ارائه می‌شوند. این پست از نظر نوع متفاوت است: نام فیزیکدان، نام بازبینان، رسمیت بخشیدن به نتیجه در Lean 4، و ادعای خاصی در مورد کاری که مدل انجام داده است - که بازبینان متخصص هنوز هم می توانند از همه این موارد استفاده کنند.

همچنین به سوالی پاسخ می‌دهد که ریاضیات به کمک هوش مصنوعی را درگیر کرده است: چگونه یک آزمایشگاه این ادعا را ثابت می‌کند که مدلش کار ریاضی واقعی انجام داده است؟ با جفت کردن پیش‌چاپ با رسمی‌سازی Lean 4، نتیجه در اصل قابل بررسی می‌شود - اثبات‌های رسمی را می‌توان توسط دستیاران اثبات مستقل تأیید کرد، بنابراین از جامعه خواسته نمی‌شود که به نویسنده یا مدل اعتماد کند، فقط برای اجرای چک‌کننده. سؤال باقی‌مانده، تمرین انتساب است: همانطور که AI Weekly پرسید، اگر مدلی منجر به اثبات دقیق شد، نویسندگی در ارسال arXiv چگونه مدیریت می‌شود، و آیا OpenAI دنباله تعامل را منتشر می‌کند که نشان می‌دهد Astra چه مشارکتی داشته است؟

زمان نیز گویای آن است. برون‌داد عمومی اخیر OpenAI تحت تسلط اعلان‌های سرمایه‌گذاری، معاملات مجوز، و مبارزات سیاستی قرار گرفته است. یک وبلاگ علمی که اولین پست آن خروجی مدل مرزی را در گوشه‌ای از فیزیک نظری نشان می‌دهد که این مدل‌ها به ابزاری برای تحقیقات بنیادی تبدیل می‌شوند، نه فقط محصولات تجاری.

برای زمینه تئوری گیج شبکه، اهمیت نتیجه به همان صورتی که چنین نتایجی همیشه وجود دارد حل خواهد شد - توسط کارشناسان مستقلی که به طور عمومی با ساخت و ساز درگیر هستند. برای صنعت هوش مصنوعی، این پست الگویی را برای اینکه چگونه آزمایشگاه‌ها می‌توانند به طور فزاینده توانایی مدل را به بازار عرضه کنند، تنظیم می‌کند: نه با امتیازات تابلوی برتر، بلکه با کارشناسان نام‌گذاری شده که مدل‌ها را برای کار تعیین‌کننده به شکل رسمی و قابل بررسی اعتبار می‌دهند.

---

از هوش مصنوعی جلوتر بمانید

آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.

بیشتر بخوانید اخبار هوش مصنوعی →