OpenAI မှ သိပ္ပံဘလော့ဂ်အသစ်ကို နိုဝင်ဘာလ 15 ရက်နေ့တွင် လွှင့်တင်ခဲ့ပြီး ၎င်း၏ အဖွင့်ဧည့်ခံစာမှာ ထူးထူးခြားခြားဖြစ်သည်- OpenAI မှ လည်ပတ်သိပ္ပံပညာရှင် Nathaniel Craig မှ UC Santa Barbara particle theorist Nathaniel Craig က ကုမ္ပဏီ၏ GPT-6 Astra model သည် ကိုယ်စားလှယ်လောင်းတစ်ဦးအတွက် အသေးစိတ်အထောက်အထားတစ်ခုအတွက် ဦးဆောင်အခန်းကဏ္ဍမှ ပါဝင်လာပုံကို ရှင်းပြသည် OpenAI ၏ဘလော့ဂ်နှင့် AI Weekly မှအစီရင်ခံခြင်းအရရူပဗေဒ။

အဆိုပါပို့စ်သည် ဆောက်လုပ်ရေး၏ Lean 4 တရားဝင်ဖွဲ့စည်းမှုဖြင့် ပို့ဆောင်ပေးသည့် "လက်တင်ချီရိုင်ရာဖယ်မီယံအတွက် အတိုင်းအတာ-မပြောင်းလဲသောတိုင်းတာမှုတစ်ခု" ကို အောက်တိုဘာလ 6 ရက်နေ့ထုတ် arXiv ကြိုတင်ပရင့်တွင် အဓိကထားဖော်ပြသည်။ OpenAI ပူးတွဲတည်ထောင်သူ Greg Brockman သည် ရလဒ်အား လူသိရှင်ကြား ထုတ်ပြန်ခဲ့ပြီး ၎င်းသည် ဆယ်စုနှစ်များကြာနေပြီဖြစ်သော ပြဿနာတစ်ရပ်အတွက် ၎င်း၏မော်ဒယ်သည် ဆယ်စုနှစ်များကြာနေပြီဖြစ်သော ပြဿနာအတွက် အဆုံးအဖြတ်ပေးနိုင်သော အထောက်အထားတစ်ခုဟု အမည်ပေးထားသော ရူပဗေဒပညာရှင်တစ်ဦးနှင့် Frontier ဓာတ်ခွဲခန်းမှ ပထမဆုံးအကြိမ် ပူးတွဲတင်ပြခြင်းဖြစ်သည်။ AI မော်ဒယ်လ်များကို နယ်နိမိတ် သိပ္ပံသို့ မည်ကဲ့သို့ ဆွဲသွင်းခံရသည်ကို ပိုမိုသိရှိရန်၊ ကျွန်ုပ်တို့၏ [AI သုတေသန လွှမ်းခြုံ] (https://aibuzzwire.news) သည် အရေးကြီးသော စာရွက်များ၊ စံညွှန်းများနှင့် ဓာတ်ခွဲခန်းဆိုင်ရာ ကြေငြာချက်များကို လိုက်နာပါသည်။

The Physics Problem ၊ ရိုးရိုးစည်းကမ်းများ

particle physics ၏ စံပုံစံသည် chiral gauge သီအိုရီတစ်ခုဖြစ်သည် — ၎င်း၏ fermions များသည် ဘယ်-နှင့် ညာသန် အစိတ်အပိုင်းများကို ကွဲပြားစွာ ဆက်ဆံကြပြီး၊ ၎င်းသည် သီအိုရီကို သီးခြား၊ လေးဖက်မြင် အာကာသအတွင်း ရာဇမတ်ကွက်များပေါ်တွင် ထားရှိခြင်းသည် အတိအကျအားဖြင့် gauge symmetry ကို မဖျက်ဆီးဘဲ အလွန်ခက်ခဲစေသည်။ AI Weekly ခွဲခြမ်းစိတ်ဖြာမှုမှ မှတ်ချက်ပြုထားသည့်အတိုင်း Martin Lüscher ၏ဆေးညွှန်းသည် ရိုးရှင်းသောသီအိုရီများအတွက် ပြဿနာကို ဖြေရှင်းပေးပြီးနောက် အတားအဆီးသည် 25 နှစ်ကျော်ကြာနေခဲ့သည်။

Craig ၏ကြိုတင်ပရင့်သည် Standard Model ပါ၀င်သော nonnabelian chiral gauge theories အတန်းတွင် ထပ်နေသော fermions များအတွက် တည်ဆောက်မှုကို အဆိုပြုထားသည်။ ဤကဲ့သို့သော နှောင့်ယှက်တတ်သော ရာဇမတ်ကွက် အဓိပ္ပါယ်ဖွင့်ဆိုချက်သည် အခြေခံအားဖြင့် ရူပဗေဒပညာရှင်များသည် နှောင့်ယှက်သောနည်းလမ်းများ မရောက်နိုင်သော ပြင်းထန်သောတွဲဖက်စနစ်များတွင် ပထမအခြေခံမူများမှ စံစံနမူနာကို လေ့လာခွင့်ပြုမည်ဖြစ်သည်။

Astra အမှန်တကယ်ဘာလုပ်ခဲ့လဲ။

Craig သည် အလုပ်သမား ခွဲဝေမှုနှင့် ပတ်သက်၍ ရှင်းလင်းပြတ်သားစွာ ပြောကြားခဲ့သည်။ "ဒီပြဿနာကို ဖြေရှင်းဖို့အတွက် ကျွန်တော့်မှာ ဗျူဟာတစ်ခုရှိထားပေမယ့် ကာမိဖို့ လိုအပ်နေတဲ့ ကိစ္စအားလုံးမှာ အလုပ်ဖြစ်တယ်ဆိုတာကို သက်သေမပြနိုင်ခဲ့ပါဘူး" ဟု Craig က AI Weekly ၏ အစီရင်ခံစာအရ ဘလော့ဂ်တွင် ရေးသားခဲ့သည်။ "Astra သည် အဆိုပါဗျူဟာကို ဆောက်လုပ်ရေးလုပ်ငန်းတစ်ခုအဖြစ် ပြောင်းလဲရန် ကူညီပေးခဲ့ပြီး အသေးစိတ်အထောက်အထားများကို ဖော်ထုတ်ရာတွင် ဦးဆောင်ခဲ့သည်။

ဗျူဟာနှင့် domain စီရင်ဆုံးဖြတ်မှုကို ရူပဗေဒပညာရှင်က ပံ့ပိုးပေးသည့် အသေးစိတ်အထောက်အထားကို ဦးဆောင်သည့် မော်ဒယ်လ်—သည် ပို့စ်ကို ထင်ရှားစေသည်။ ပူးတွဲပါရှိသော Lean 4 တရားဝင်ပြုလုပ်ခြင်းသည်လည်း အရေးကြီးသည်- စကားပြေသင်္ချာကို စကားပြေသင်္ချာတစ်ခုတည်းအားကိုးမည့်အစား စကားပြေသင်္ချာကို အားကိုးမည့်အစား သက်သေလက်ထောက်များသည် အဆင့်တစ်ဆင့်ချင်းစီကို စက်ပိုင်းဆိုင်ရာ စစ်ဆေးနိုင်သည့်ပုံစံဖြင့် တည်ဆောက်မှုကို ထည့်သွင်းထားသည်။

##သတိပေးချက်များသည် များပြားလှသည်။

Craig ကိုယ်တိုင်က ရလဒ်ကို "လက်တွေ့တွင် အဖြေတစ်ခုထက် နိယာမအရ အဖြေတစ်ခု" ဟု ဘောင်ခတ်ထားသည်။ ကွက်လပ်အများအပြားကို သူရေတွက်ထားသောကြောင့် ၎င်းတို့ကို ဖွင့်ထားဆဲဖြစ်သည်- ရောင်ပြန်ဟပ်မှု အပြုသဘောဆောင်မှု (ရာဇမတ်ကွက်သီအိုရီများနှင့် ရုပ်ပိုင်းဆိုင်ရာစည်းလုံးညီညွတ်မှုကို ချိတ်ဆက်ပေးသည့် အခြေအနေတစ်ခု)၊ စဉ်ဆက်မပြတ် အာကာသအချိန် အဓိပ္ပါယ်ဖွင့်ဆိုချက်နှင့် လက်တွေ့ဆန်သော ရာဇ၀င်တူခြင်းများကို မအောင်မြင်ခဲ့ပါ။

ပြန်လည်သုံးသပ်မှု အခြေအနေမှာလည်း မပြည့်စုံပါ။ Craig သည် အလုပ်ကို ပြန်လည်သုံးသပ်ပြီးနောက် ရာဇမတ်ကွက်ကွင်းပြင် သီအိုရီပညာရှင် သုံးဦးဖြစ်သည့် Maarten Golterman၊ Andreas Kronfeld နှင့် Yigal Shamir ဟု အမည်ပေးခဲ့သော်လည်း အဆိုပါ သုံးသပ်ချက်သည် သီးသန့်ဖြစ်ပြီး လွတ်လပ်သော ထုတ်ဝေသည့် အကဲဖြတ်မှု ထွက်ပေါ်လာခြင်းမရှိသေးကြောင်း AI Weekly အရ သိရသည်။ နောက်ထပ်အမှန်တကယ်အချက်ပြမှုမှာ ထွက်ပေါက်မှတ်စုများသည် အကဲဖြတ်ချက်တစ်ခု ထုတ်ပြန်ခြင်းရှိ၊ သို့မဟုတ် နောက်ဆက်တွဲ arXiv စာတမ်းသည် ၎င်း၏အကျိုးအရ တည်ဆောက်မှုတွင် ပါဝင်ခြင်းရှိ၊ မရှိ ဖြစ်လိမ့်မည်။ ထိုအချိန်မတိုင်မီအထိ၊ "Astra သက်သေကိုဦးဆောင်သည်" ဘောင်သည်စာရေးဆရာတစ်ဦး၏ရည်ညွှန်းချက်ပေါ်တွင်တည်သည်။

AI သုတေသနတောင်းဆိုချက်များအတွက် အဘယ်ကြောင့်အရေးကြီးသနည်း။

Frontier ဓာတ်ခွဲခန်းများသည် ၎င်းတို့၏ မော်ဒယ်များသည် သိပ္ပံဆိုင်ရာလုပ်ငန်းကို အရှိန်မြှင့်ပေးလေ့ရှိသည်ဟု အခိုင်အမာဆိုသော်လည်း၊ ကျွမ်းကျင်သူများက ပြန်လည်သုံးသပ်ထားသော ပံ့ပိုးမှုများထက် ရင့်ကျက်သော နည်းပညာနယ်ပယ်အတွက် ပံ့ပိုးမှုများထက် စံအမှတ်များအဖြစ် ရောက်ရှိလာလေ့ရှိပါသည်။ ဤပို့စ်သည် အမျိုးအစားအားဖြင့် ကွဲပြားသည်- ၎င်းသည် ရူပဗေဒပညာရှင်အား အမည်ပေးခြင်း၊ သုံးသပ်သူများကို အမည်ပေးခြင်း၊ Lean 4 တွင် ရလဒ်ကို တရားဝင်ဖြစ်စေပြီး မော်ဒယ်လုပ်ဆောင်ခဲ့သည့်အရာနှင့်ပတ်သက်၍ တိကျသောတောင်းဆိုချက်တစ်ခုအား လောင်းကြေးထပ်သည် - အထူးသုံးသပ်သူများအားလုံး ဖြေလျှော့နိုင်သေးသည်။

၎င်းသည် AI-အကူအညီပေးသောသင်္ချာကို မဆုတ်မနစ်ဖြစ်စေသည့်မေးခွန်းကိုလည်း ဖြေသည်- ဓာတ်ခွဲခန်းတစ်ခုသည် ၎င်း၏ပုံစံသည် သင်္ချာအစစ်အမှန်ဖြစ်ကြောင်း အခိုင်အမာဆိုချက်ကို မည်သို့သက်သေပြသနည်း။ Lean 4 တရားဝင်ဖြစ်ခြင်းနှင့်အတူ ကြိုတင်ပရင့်ကို တွဲချိတ်ခြင်းဖြင့် ရလဒ်သည် အခြေခံအားဖြင့် စစ်ဆေးနိုင်သည် — တရားဝင်အထောက်အထားများကို သီးခြားအထောက်အထားလက်ထောက်များက အတည်ပြုနိုင်သည်၊ ထို့ကြောင့် ကွန်မြူနတီကို စာရေးဆရာ သို့မဟုတ် မော်ဒယ်ကို ယုံကြည်ရန် မတောင်းဆိုဘဲ checker ကို run ရုံသာဖြစ်သည်။ ကျန်မေးခွန်းမှာ ထည့်သွင်းတွက်ချက်ခြင်းအလေ့အကျင့်ဖြစ်သည်- AI Weekly က မေးသည့်အတိုင်း၊ မော်ဒယ်တစ်ခုသည် အသေးစိတ်သက်သေကို ဦးဆောင်ပါက၊ arXiv တင်ပြမှုတွင် စာရေးဆရာကို မည်ကဲ့သို့ကိုင်တွယ်ပြီး Astra မှ ပံ့ပိုးပေးခဲ့သည်ကိုပြသသည့် အပြန်အလှန်တုံ့ပြန်မှုလမ်းကြောင်းကို OpenAI က ထုတ်ပြန်ပေးမည်လား။

အချိန်အခါကိုလည်း ပြောပြသည်။ OpenAI ၏ မကြာသေးမီက အများသူငှာ ထုတ်ပေးမှုကို capex ကြေညာချက်များ၊ လိုင်စင်ပေးမှုများနှင့် မူဝါဒတိုက်ပွဲများက လွှမ်းမိုးထားသည်။ သီအိုရီပိုင်းဆိုင်ရာ ရူပဗေဒဆိုင်ရာ သက်သေထူသော ရှုထောင့်တစ်ခုအတွင်း ရှေ့တန်း-မော်ဒယ်အထွက်ကို ပြသထားသည့် သိပ္ပံဘလော့ဂ်တစ်ခုသည် မော်ဒယ်များသည် စီးပွားဖြစ်ထုတ်ကုန်များသာမကဘဲ အခြေခံသုတေသနအတွက် ကိရိယာများဖြစ်လာသည်ဟူသော အကြောင်းပြချက်တစ်ခုဖြစ်သည်။

ရာဇမတ်ကွက် တိုင်းတာမှု သီအိုရီနယ်ပယ်အတွက်၊ ဆောက်လုပ်ရေးနှင့် လူသိရှင်ကြား ပါဝင်ပတ်သက်နေသော လွတ်လပ်သော ကျွမ်းကျင်သူများမှ ထိုရလဒ်များ၏ အရေးပါမှုကို အဆုံးအဖြတ်ပေးမည်ဖြစ်ပါသည်။ AI လုပ်ငန်းအတွက်၊ ပို့စ်သည် ဓာတ်ခွဲခန်းများသည် မော်ဒယ်စွမ်းရည်ကို ပိုမိုစျေးကွက်ချဲ့ထွင်နိုင်ပုံအတွက် နမူနာပုံစံကို သတ်မှတ်ပေးသည်- ခေါင်းဆောင်စာရင်းဇယားရမှတ်များဖြင့်မဟုတ်ဘဲ၊ တရားဝင်၊ စစ်ဆေးနိုင်သော ပုံစံများဖြင့် ပြတ်ပြတ်သားသား အလုပ်အတွက် မော်ဒယ်များကို အမည်ပေးထားသော ကျွမ်းကျင်သူများကို ဂုဏ်ပြုပေးပါသည်။

---

AI ၏ရှေ့တွင်နေရန်

နောက်ဆုံးပေါ် AI သတင်းများ၊ ခွဲခြမ်းစိတ်ဖြာမှုနှင့် အောင်မြင်မှုများ—အားလုံးကို တစ်နေရာတည်းတွင် ရယူပါ။

AI သတင်းအပြည့်အစုံကို ဖတ်ရှုရန် →