OpenAI טוענת שפתרה בעיה בת 90 שנה — ויש מי שמטיל ספק
OpenAI מכריזה שמערכת AI פתרה את בעיית Navier–Stokes — אחת מבעיות המילניום, שפתוחה כבר 90 שנה. אבל מתמטיקאי מ-NYU טוען שהחברה עשויה להישען על מחקר שלו. הפתרון הושג בתוך 88 שעות, בעזרת 10,000 סוכנים ובעלות של מיליוני דולרים — והתוצאות עדיין ממתינות לאימות.
כש-AI פותר את מה שבני אדם לא הצליחו 90 שנה — מישהו ישר שואל שאלות
OpenAI יצאה אתמול (ג') בהכרזה דרמטית: מערכת AI פנימית של החברה פתרה את בעיית הקיום והחלקות של Navier–Stokes — אחת משבע הבעיות של פרס המילניום, פרס בסך מיליון דולר שמכון Clay למתמטיקה מציע מאז שנת 2000 למי שיפתור אותן. זה נשמע כמו חדשות נהדרות לעולם המדע. אם אתם עוקבים אחרי התחום מספיק זמן, אתם יודעים שבדרך כלל מגיע גם "אבל" גדול.
והפעם, ה"אבל" הזה לא קטן בכלל.
אז מה בעצם קרה כאן?
OpenAI מדווחת שמערכת מרובת-סוכנים (multi-agent system) שלה, שמבוססת על מודל פנימי "בעל יכולות גדולות משמעותית מ-GPT-6 Astra", הצליחה להוכיח שמשוואות Navier–Stokes — אותן משוואות מהמאה ה-19 שמתארות תנועה של נוזלים ומשמשות בתכנון מטוסים, חיזוי מזג אוויר וחקר זרימת דם — יכולות לפתח "סינגולריות" במצבים מסוימים. במילים פשוטות: הוכח שמהירות הנוזל יכולה לגדול ללא גבול בזמן סופי, מה שמהווה "שבירה" של המשוואות.
המערכת הפעילה במקביל כ-10,000 סוכנים (agents) שונים על גרסאות שונות של הבעיה, והגיעה לפתרון תוך 88 שעות. עלות המחשוב נאמדת ב"מיליוני דולרים".
למה זה חשוב?
בעיות המילניום הן מהשאלות הקשות ביותר במתמטיקה עיונית. הבעיה של Navier–Stokes פתוחה מאז 1934, אז ז'אן לריי הוכיח שפתרונות קיימים במובן המוכלל — אבל השאלה אם הם תמיד נשארים חלקים נשארה פתוחה. אם הפתרון של OpenAI אכן נכון, זו פריצת דרך היסטורית, ואם אתם עובדים בחברה שמתמודדת עם סימולציות נוזלים — יש לזה השלכות מעשיות.
אבל לפני שפותחים שמפניה, כדאי לשמוע מה יש למתמטיקאים לומר.
הסערה: "הם לקחו רעיונות מהעבודה שלנו"
כאן הסיפור מסתבך. ב-1 בספטמבר הגיעו ל-OpenAI שמועות ששתיים מבעיות המילניום נפתרו. תוך שעות ספורות החברה הקצתה משאבי מחשוב אדירים כדי לנסות לפצח את בעיית Navier–Stokes.
העניין הוא ש-Tristan Buckmaster, פרופסור למתמטיקה ב-NYU, ו-Levent Alpöge, חוקר ב-Anthropic, עסקו שנים במחקר קרוב מאוד על דינמיקת נוזלים. Buckmaster העלה חשש פומבי ש-OpenAI "רצה" בכיוון מחקרי שאותו למדה מהעבודה שלהם, ותהה אם חומר פרטי שאוחסן ב-Codex של OpenAI — מודל ה-AI של החברה לכתיבת קוד — שיחק תפקיד.
במסמך שפרסם באתרו כתב Buckmaster: "אני לא יודע מה המודל שלהם עשה, או איך. אני לא יודע אם השתמשו בנתונים שלנו. אני לא מאשים אף אחד בדבר." אבל ההקשר צעק.
מה אומרת OpenAI?
בשיחת עיתונאים, ראשי החברה הכחישו בתוקף שאנשיהם או הסוכנים צפו בעבודה של Buckmaster ו-Alpöge לפני שפורסמה. מנגד, הודו שאי אפשר לשלול שמשתמשי המוצרים הקיימים — ובהם Buckmaster ואולי Alpöge — תרמו "בלי כוונה" לשיפור המודלים.
"אף בן אדם או מערכת AI לא עברו על נתוני משתמשים כדי לפתור את הבעיה הזו", אמר Mark Chen, מנהל המחקר הראשי של OpenAI. "אני קצת מאוכזב מההאשמות."
Sam Altman, מנכ"ל OpenAI, הודה ב-X שהחברה יצאה למשימה אחרי ששמעה שמועות על פריצת דרך ב-Anthropic: "היינו סקרנים אם המודל שלנו יכול לעשות את זה גם." הוא הוסיף ש"כעת אפשר לראות שהגישות שונות."
חוקר AI אחד אמר ל-Axios שהוא "יופתע מאוד" אם OpenAI הפרה את כללי האתיקה שלה.
שאלה גדולה יותר
מעבר לסערה סביב הקרדיט, יש פה שאלה שמעצבת את כל תחום המחקר ב-AI: כשמעבדות פרטיות עם תקציבי מחשוב של מיליוני דולרים קובעות שיאים במדע — מה קורה לחוקרים אקדמיים?
OpenAI מודה שהמערכת שלה "בעלת יכולות משמעותיות יותר מ-GPT-6 Astra" — מודל עתידי שעדיין לא שוחרר — ורומזת ש"חשוב ליידע את העולם על קצב התקדמות ה-AI וממה לצפות ממודלים עתידיים." אם זו הצהרת כוונות או מסר תחרותי ל-Anthropic, זה עניין של פרשנות.
אבל עבור הקהילה המדעית, השאלה הפשוטה יותר היא: האם אפשר לסמוך על תוצאות כאלה? העבודה פורסמה עם הוכחה פורמלית ב-Lean, כלי אימות פורמלי, מה שמקל על בדיקה מתמטית. אבל הטענות על שימוש לא הוגן במחקר קיים, גם אם הן לא מוכחות, מפעילות כוח כבידה על כל ההכרזה.
מה הלאה?
OpenAI פרסמה את ההוכחה המלאה ואת הפורמליזציה ב-Lean, מה שמאפשר למתמטיקאים ברחבי העולם לבדוק את העבודה. אם הפתרון יאושר, זו תהיה הפעם הראשונה ש-AI פותר בעיה ברמת פרס מילניום — והפרס בסך מיליון דולר יוענק ל-OpenAI. אם יתברר שיש בו טעויות או בעיות אתיות, הנזק לאמון במחקר ב-AI יהיה משמעותי.
Buckmaster, כאמור, לא האשים באופן ישיר — "אני לא מאשים אף אחד בדבר" — אבל הנסיבות מדברות בעד עצמן.
בסופו של דבר, בעיה מתמטית פתוחה שנמשכה 90 שנה נפתרה (לכאורה) בתוך 88 שעות של מחשוב מאסיבי. אם אתם עובדים במחקר או בחברות שעושות סימולציות פיזיקליות, כדאי לעקוב מקרוב — כי בין אם הפתרון יאושר ובין אם יתפרק, הגבולות של מה ש-AI יכול לעשות במדע השתנו אתמול.