Mi van akkor, ha egy gép megold egy világhírű matematikai problémát, de úgy írja le a megoldást, hogy azt az emberek alig tudják követni? Pont ez az, ami most a Navier–Stokes-egyenletek körül izgalmassá és kényelmetlenné teszi az OpenAI bejelentését.

Mi történt

Az OpenAI nemrég azt közölte, hogy 10 000 AI-ügynököt — vagyis egymással párhuzamosan dolgozó, specializált modelleket — 88 órán át futtatva talált megoldást a Navier–Stokes-egyenletek egyik leghíresebb nyitott kérdésére. Ezek az egyenletek írják le, hogyan mozognak a folyadékok és gázok, a légáramlástól az óceáni örvényekig. A cég állítása szerint sikerült olyan helyzetet felmutatni, ahol a rendszer „blow up”-hoz, azaz szingularitáshoz vezet: leegyszerűsítve a modellben a sebesség végtelenre nőne, ami a fizikai világban nem történhet meg.

Papíron ez nagy eredménynek hangzik. A Navier–Stokes a matematika egyik legismertebb problémacsaládja, és a Clay Mathematics Institute 2000-ben a Millennium-díjas feladatok közé sorolta, 1 millió dolláros jutalommal. Csakhogy a mostani bizonyításról a szakma visszajelzése az, hogy bár technikailag helyesnek tűnik, emberi olvasásra alig alkalmas. Gondolj rá úgy, mint egy működő programra, amely lefut és helyes eredményt ad, de a forráskódja annyira kusza, hogy egy fejlesztő sem tudja gyorsan megérteni, mitől működik.

A történetet tovább bonyolítja, hogy több matematikus vitatja, mennyire tekinthető ez valódi, önálló áttörésnek. Tristan Buckmaster, a témán régóta dolgozó kutató azt állította, hogy az OpenAI az ő kutatási irányát követte, és felvetette: mivel korábban a Codexet használta a munkájához, a cég modelljei közvetve profitálhattak ebből. Az OpenAI tagadta a visszaélés vádját, ugyanakkor azt elismerte, hogy nem tudja teljesen kizárni, hogy a termékhasználatból származó, anonimizált adatok hozzájárultak a modellek javításához.

Van egy másik fontos szakmai kifogás is. A mostani megoldás az úgynevezett „forced” változatra épül, ahol külső erő — például gravitáció vagy egy kívülről ható beavatkozás — is szerepel a rendszerben. A mezőny jelentős része viszont a „tisztább”, külső erő nélküli esetet tartja a valóban nagy kérdésnek. Emiatt több kutató szerint hiába lehet formálisan rendezett egy díjfeltételhez kapcsolódó részprobléma, a legfontosabb matematikai kérdés ettől még nyitva marad.

Miért fontos

Ez az ügy jól megmutatja, mi lehet az AI következő nagy korlátja a tudományban: nem elég valamit „megoldani”, azt át is kell adni emberi értelemben. A matematika nem csak arról szól, hogy egy állítás igaz vagy hamis, hanem arról is, hogy miért igaz, milyen új ötletet hoz, és hogyan építhetnek rá mások. Ha egy bizonyítás megfejthetetlen, akkor a tudományos haszna korlátozott, még akkor is, ha végül helyesnek bizonyul. Itt nem pusztán egy PR-pillanatról van szó, hanem arról, hogy az AI képes-e valódi tudást termelni, vagy egyelőre inkább csak nagyon bonyolult, nehezen emészthető eredményeket.

Mire figyelj

  1. Kiderül-e, hogy a bizonyítás teljesen ellenőrizhető és stabil? A következő hetekben-hónapokban az lesz a döntő, hogy a matematikusok soronként át tudják-e nézni, és nem bukkan-e elő rejtett hiba.
  1. Születik-e emberi nyelvre „lefordított” változat? Ha a bizonyítás komoly átírás után taníthatóvá és érthetővé válik, az sokkal nagyobb eredmény lesz, mint maga a nyers AI-kimenet.
  1. Elcsitul-e az adat- és szerzőségi vita? A kutatók bizalma szempontjából kulcskérdés, hogyan kezelik a modellek tréningjét, a kutatási előzményeket és a hozzájárulások elismerését.
  1. Mennyit ér ez a megoldás a nagyobb matematikai cél szempontjából? A szakmai vita lényege most az, hogy ez valóban közelebb visz-e a Navier–Stokes legfontosabb, külső erő nélküli problémájához, vagy csak egy szűkebb részfeladat lezárásáról van szó.