پس از حل مسئله هزاره؛ OpenAI نتایج ‌حل صدها مسئله ریاضی با هوش مصنوعی را منتشر کرد

اوپن‌ای‌آی مجموعه‌ای شامل صدها نتیجه ریاضی تولیدشده توسط یکی از مدل‌های پیشرفته و منتشرنشده خود را در دسترس عموم قرار داد. این مجموعه در قالب ۷۲۲ نوشته منتشر شده که در ۳۷۲ بخش دسته‌بندی شده‌اند و حوزه‌هایی مانند نظریه اعداد، جبر، نظریه پیچیدگی، منطق ریاضی، هندسه، توپولوژی و فیزیک ریاضی را پوشش می‌دهند.

اوپن‌ای‌آی ماه گذشته اعلام کرده بود که مدلش توانسته استمسئله ناویه-استوکسیکی از مسائل هزاره، را حل کند. این شرکت اکنون مجموعه بسیار بزرگ‌تری از نتایج را درگیت‌هابمنتشر کرده است.

انتشار حل صدها مسئله ریاضی توسط OpenAI

مسائل بررسی‌شده حوزه‌های مختلفی از ریاضیات را دربر می‌گیرند. برای نمونه، یکی از بخش‌‌ها به توان گنگی عدد پی می‌پردازد؛ کمیتی که نشان می‌دهد اعداد گویا تا چه اندازه می‌توانند عدد پی را تقریب بزنند.

بخشی دیگر به مسائل مربوط به NP-hardness در نظریه پیچیدگی محاسباتی اختصاص دارد. ‌نوشته‌های دیگر نیز موضوعاتی مانند حدس‌های ماهلر، تصاعدهای حسابی و عوامل گروه ریاضیاتی آزاد را بررسی می‌کنند. در این مجموعه همچنین پژوهش‌هایی درباره فرومغناطیس‌های کوانتومی هایزنبرگ و معادلات نسبیتی ولاسوف-ماکسول دیده می‌شود.

بخش قابل توجهی از اثبات‌ها با لین (Lean) بررسی شده‌اند. لین یک زبان و چارچوب رسمی برای بیان گزاره‌ها و اثبات‌های ریاضی است که به کامپیوتر اجازه می‌دهد بررسی کند آیا مراحل منطقی یک اثبات از فرض‌های اعلام‌شده پیروی می‌کنند یا نه.

اوپن‌ای‌آیمی‌گوید مدل مورد استفاده در این فرایند حدود ۴ هزار مسئله را بررسی کرده است. طبق اعلام شرکت، هر نتیجه پذیرفته‌شده به‌طور میانگین حدود سه ساعت محاسبات در بخش Thinking در ChatGPT Pro مصرف کرده است. البته نتایج جدید با استفاده از مدلی تولید شده‌اند که اوپن‌ای‌آی هنوز آن را به‌صورت عمومی عرضه نکرده است. این موضوع مشابه مسئله ناویه-استوکس است که نتیجه آن نیز با استفاده از مدلی منتشرنشده به دست آمده بود.

اوپن‌ای‌آی در این انتشار از توصیه‌هایگروه مشورتی مستقل ریاضیو هوش مصنوعی که در مؤسسه مطالعات پیشرفته پرینستون مستقر هستند، استفاده کرده است. این گروه پیش‌تر توصیه کرده بود که آزمایشگاه‌های هوش مصنوعی نتایج ریاضی خود را سریع و تا حد امکان از مسیرهای دانشگاهی متعارف منتشر کنند و اطلاعاتی مانند نام مدل، پرامپت‌ها و هزینه محاسباتی را نیز در اختیار جامعه علمی قرار دهند.

اعضای این گروه همچنین از شرکت‌های هوش مصنوعی خواسته بودند نتایج ریاضی را به ابزار بازاریابی برای معرفی مدل‌های خود تبدیل نکنند و در بیانیه‌ای تأکید کرده بودند که انتشار عمومی این نتایج «آغاز، نه پایان فرایند درک انسانی و وارد کردن این کار به دانش ریاضی» است.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.