OpenAI запустила новый научный блог 15 ноября, и его первый гостевой пост поразителен: теоретик элементарных частиц из Калифорнийского университета в Санта-Барбаре Натаниэль Крейг, приглашенный ученый в OpenAI, описывает, как модель компании GPT-6 Astra сыграла ведущую роль в подробном доказательстве кандидата на непертурбативную решётку для определения Стандартной модели — одного из давних препятствий в теоретической физике, согласно блогу OpenAI и сообщению AI Weekly.

В центре сообщения находится препринт arXiv от 6 октября «Калибровочно-инвариантная мера для решеточных киральных фермионов», который поставляется с формализацией конструкции Lean 4. Соучредитель OpenAI Грег Брокман обнародовал результат, и это первый случай, когда пограничная лаборатория приложила имя дипломированного физика и официальное доказательство к утверждению о том, что ее модель проделала решающую работу над проблемой, существовавшей десятилетиями. Чтобы узнать больше о том, как модели ИИ внедряются в передовую науку, читайте наш освещение об исследованиях ИИ и следите за важными статьями, тестами и лабораторными объявлениями.

Проблема физики, простыми словами

Стандартная модель физики элементарных частиц представляет собой киральную калибровочную теорию: ее фермионы по-разному относятся к левым и правым компонентам, и именно поэтому так сложно поместить теорию на дискретную четырехмерную решетку пространства-времени, не нарушая калибровочной симметрии, от которой зависит теория. Как отмечается в анализе AI Weekly, препятствие стояло более 25 лет с тех пор, как рецепт Мартина Люшера решил проблему для более простых теорий.

В препринте Крейга предлагается конструкция фермионов с перекрытием «в классе неабелевых киральных калибровочных теорий, включающих Стандартную модель», согласно аннотации, цитируемой в отчетах. Непертурбативное определение решетки такого типа, в принципе, позволило бы физикам изучать Стандартную модель на основе первых принципов в сильно связанных режимах, которые пертурбативные методы не могут достичь.

Что на самом деле сделала Астра

Крейг открыто говорит о разделении труда. «У меня была стратегия решения этой проблемы, но я не смог доказать, что она работает во всех случаях, которые нужно было охватить», — пишет Крейг в своем блоге, согласно отчету AI Weekly. «Astra помогла превратить эту стратегию в конструкцию и взяла на себя ведущую разработку подробного доказательства».

Именно эта атрибуция — модель, ведущая к подробному доказательству, а физик — предлагает стратегию и суждение о предметной области — делает этот пост примечательным. Сопутствующая формализация Lean 4 также имеет значение: она приводит конструкцию в такую ​​форму, в которой помощники по доказательству могут механически проверять каждый шаг, а не полагаться только на прозаическую математику.

Предостережения существенны

Сам Крейг описывает результат как «скорее ответ в принципе, чем ответ на практике». Несколько основных пробелов остаются открытыми, поскольку он их перечисляет: позитивность отражения (условие непротиворечивости, связывающее теории решетки с физической унитарностью), определение непрерывного пространства-времени и реалистичное моделирование решетки не были достигнуты.

Статус рассмотрения также неполный. Крейг называет трех теоретиков решетчатого поля — Маартена Гольтермана, Андреаса Кронфельда и Игаля Шамира — как рецензентов на эту работу, но этот обзор был частным, и, по данным AI Weekly, никаких независимых опубликованных оценок еще не появилось. Следующим реальным сигналом, как отмечает издание, будет то, опубликует ли кто-либо из троих свою оценку или же в следующей статье arXiv будет рассмотрена конструкция по ее существу. До тех пор формулировка «Астра привела доказательство» опирается на авторство одного автора.

Почему это важно для заявлений об исследованиях ИИ

Пограничные лаборатории обычно заявляют, что их модели ускоряют научную работу, но эти заявления обычно представляют собой эталоны, а не как проверенный специалистами вклад в зрелую техническую область. Этот пост отличается по своему характеру: он называет имена физиков, имена рецензентов, формализует результат в Lean 4 и делает ставку на конкретное утверждение о том, что делает модель — все это специалисты-рецензенты еще могут разгадать.

Это также отвечает на вопрос, который преследует математику с помощью ИИ: как лаборатория обосновывает утверждение о том, что ее модель выполняла реальную математическую работу? Сочетая препринт с формализацией Lean 4, результат в принципе становится проверяемым — формальные доказательства могут быть проверены независимыми помощниками по доказательству, поэтому сообществу не предлагается доверять ни автору, ни модели, а только запускать программу проверки. Остается вопрос о практике атрибуции: как спросил AI Weekly, если модель привела к подробному доказательству, как определяется авторство при отправке arXiv и опубликует ли OpenAI след взаимодействия, показывающий, какой вклад внесла Astra?

Время также говорит о многом. В недавних публичных публикациях OpenAI преобладали объявления о капитальных вложениях, лицензионные соглашения и политические споры; Научный блог, дебютный пост которого демонстрирует результаты передовых моделей в труднодоказательном уголке теоретической физики, является аргументом в пользу того, что модели становятся инструментами фундаментальных исследований, а не просто коммерческими продуктами.

Для области калибровочной теории решётки значимость результата будет определяться так же, как и всегда такие результаты, — независимыми экспертами, публично участвующими в построении. Для индустрии искусственного интеллекта этот пост представляет собой образец того, как лаборатории могут расширять продажи возможностей моделей: не с помощью рейтингов в таблице лидеров, а с помощью именных экспертов, которые оценивают модели за решающую работу в формальной, проверяемой форме.

---

Будьте впереди ИИ

Получайте последние новости, анализ и открытия в области искусственного интеллекта — все в одном месте.

Подробнее новости AI →