Iniciar sesión Registro
Anuncios
Tu espacio publicitario
Reserva este slot exclusivo para el periodo elegido.
Comprar publicidad →
Logotipo de la comunidad de telegram - Data Science Talks
Añadido 14 jul. 2024 🌐 UK

Data Science Talks

@datasciencetalks
Número de suscriptores: 201
Fotos: 21
Videos: 1
Enlaces: 85
Descripción:
Огляд цікавинок зі світу AI та data science. Простими словами про складні технології Review of the interesting and actual stuff of the DS world. In simple words about complex technologies
Fuente

Data Science Talks | Ніколи такого не було і от знов»ШІ в черговий раз зайшов на територію,...

Logotipo de la comunidad de telegram - Data Science Talks Data Science Talks @datasciencetalks
99 Vistas/Alcance 2026-09-09 09:44 Mensaje №139
«Ніколи такого не було і от знов»
ШІ в черговий раз зайшов на територію, яка ще вчора вважалась суто людською.

OpenAI заявила, що її нова внутрішня модель розв’язала задачу існування та гладкості рівнянь Нав’є—Стокса — одну із семи «задач тисячоліття» Clay Mathematics Institute, яка залишалася відкритою майже 90 років. За розв’язання кожної з цих задач CMI передбачає винагороду у $1 млн. Доказ опублікований і додатково формалізований у Lean. Сама модель, яка знайшла розв’язок, за словами OpenAI, суттєво потужніша за GPT-6 Astra.

Але в цій історії є дуже цікавий нюанс.
Приблизно за пів доби до публічного анонсу OpenAI математик NYU Трістан Бакмастер та дослідник Anthropic Левент Альпьоге оприлюднили три власні результати — для рівняння пористого середовища, системи Бусінеска та 3D-рівнянь Ейлера. Усі вони були формально перевірені в Lean. Над напрямком вони працювали майже рік, а різкий прорив стався в серпні після активного використання LLM — Claude та OpenAI Codex, зокрема GPT-5.6 Sol.
Сам Бакмастер назвав те, що відбувається, «моментом Deep Blue — Kasparov» для математики: математик + LLM тепер здатні за місяць зробити обсяг роботи, який ще зовсім недавно міг вимагати років.
І тут починається найцікавіше. Бакмастер і Альпьоге активно використовували Codex у своїй роботі. OpenAI стверджує, що не мала доступу до їхніх конкретних сесій, але сама визнає: не можна повністю виключити, що деідентифіковані дані від використання продуктів могли вплинути на покращення моделей. Тож гіпотетично їхня робота могла опосередковано підвищити здатність системи OpenAI прийти до власного результату — але встановити, чи сталося це насправді фактично не можливо.

ШІ вже однозначно підсилює інтелектуальні можливості людини і дає величезний буст науці. Та зараз ми входимо в еру, коли ШІ вже не просто допомагає, але фактично «змагається» з людиною за наукові відкриття.

OpenAI прямо заявляє, що не претендуватиме на грошову винагороду, навіть якщо доказ буде визнано правильним. Але певний присмак несправедливості все одно залишається: якщо задачу фактично розв’язала AI-система, навчання якої потенційно могло опосередковано скористатися роботою інших математиків, то кому взагалі належить авторство такого відкриття — моделі, компанії, дослідникам, які її запустили, чи людям, чиї ідеї могли стати частиною цього інтелектуального ланцюжка? Чинні правила CMI писалися явно не для епохи автономних AI-дослідників: вони передбачають нагороду одній або кільком особам, хоча й дозволяють враховувати попередні роботи та взагалі не присуджувати приз. Тож якщо результат OpenAI буде підтверджено, науковій спільноті, схоже, доведеться серйозно замислитися над правилами — і не лише щодо грошової винагороди, а насамперед щодо авторства та наукового пріоритету.