OpenAI مدعی شد یکی از دشوارترین مسائل ریاضی را حل می کند

OpenAI می‌گوید هوش مصنوعی این شرکت مشکل Navier-Stokes را حل کرده است، اما ادعای استفاده از تحقیقات منتشرنشده باعث بحث و جدل شده است..

به گزارش سرویس هوش مصنوعی مجرداین مناقشه به یکی از مسائل اساسی اعتماد در علم مبتنی بر هوش مصنوعی مربوط می شود، اینکه آیا محققان می توانند با اطمینان از ابزارهای آزمایشگاه های پیشرو هوش مصنوعی برای کار بر روی اکتشافات منتشر نشده استفاده کنند.

اهمیت داستان برای تحقیقات هوش مصنوعی

OpenAI روز سه شنبه اعلام کرد که یک مدل داخلی، که به گفته این شرکت “به طور قابل توجهی قدرتمندتر از GPT-6 Astra” است، توانسته است اثبات کند که معادلات 3D Navier-Stokes می توانند در زمان محدود به تکینگی برسند.

به گفته OpenAI، این تلاش از اول سپتامبر آغاز شد. پس از شنیدن شایعاتی مبنی بر حل دو مشکل جایزه هزاره، محققان شرکت مدل داخلی جدید خود را برای بررسی مشکلات باقی مانده به کار گرفتند.

OpenAI می گوید حدود 10000 عامل هوش مصنوعی به طور همزمان روی مشکل Navier-Stokes کار کردند و حدود 88 ساعت بعد به این نتیجه رسیدند.

مدیران OpenAI در گفتگو با خبرنگاران اعلام کردند که این شرکت از توان محاسباتی زیادی برای این تلاش استفاده کرده و هزینه حل این مشکل به “میلیون ها دلار” رسیده است.

بیشتر بخوانید: OpenAI پنهانکاری در مورد حمله سرکش هوش مصنوعی را رد می کند

اختلاف نظر در مورد تحقیقات مرتبط

نقطه تفاوت اصلی مربوط به تحقیقات Tristan Buckmaster، ریاضیدان دانشگاه نیویورک، و Levant Alpoge، محقق Anthropic است که بر روی تحقیقات مرتبط با دینامیک سیالات کار می کرد.

Buckmaster علناً این سؤال را مطرح کرده است که آیا OpenAI مسیر تحقیقاتی مربوطه را که از تحقیقات آنها آموخته است، سریع دنبال کرده است.

او همچنین در مورد احتمال نقش محتوای خصوصی Codex در این فرآیند ابراز نگرانی کرد.

OpenAI می گوید هیچ یک از محققان یا عوامل هوش مصنوعی این شرکت قبل از انتشار عمومی به تحقیقات Buckmaster و Alpoge دسترسی نداشتند.

با این حال، OpenAI اذعان کرد که دو گروه تحقیقاتی مسیرهای مرتبطی را دنبال می‌کنند که ریشه در تحقیقات مشترک قبلی دارد.

OpenAI استفاده از داده های کاربر را رد می کند

مارک چن، مدیر ارشد تحقیقات OpenAI به خبرنگاران گفت: “هیچ سیستم هوش مصنوعی یا انسانی برای حل این مشکل از طریق داده های کاربران رد نشده است.” وی افزود: از مطرح شدن این اتهامات کمی ناامید شدم.

خط‌مشی‌های OpenAI، مدل‌های آموزشی را با استفاده از داده‌های مشتریان سازمانی پرداخت می‌کنند. کاربران عادی همچنین می توانند انتخاب کنند که از داده های آنها برای آموزش مدل ها استفاده نشود.

یک محقق ایمنی هوش مصنوعی به Axios گفت که اگر OpenAI این سیاست ها را نقض کند، شگفت زده خواهد شد.

بیشتر بخوانید: یک میلیاردمین GPT-6 Astra OpenAI در کدگذاری مغلوب Fable 5.1 آنتروپیک شد.

ادامه بحث در مورد سرعت توسعه هوش مصنوعی

این اختلاف زمانی مطرح می‌شود که OpenAI با سؤالات گسترده‌تری در مورد اینکه چقدر سریع می‌تواند قابلیت‌های پیشرفته‌ترین مدل‌های خود را توسعه دهد، مواجه است.

دانشمند ارشد OpenAI که اخیراً در مورد خطرات افزایش سریع هوش مصنوعی هشدار داده است، در این مصاحبه گفت که این شرکت پس از کشف قابلیت‌های سایبری مدل‌های جدید خود، «بخش بزرگی» از آموزش مدل‌های پیشرفته را متوقف کرده است.

OpenAI اعلام کرده است که هیچ برنامه ای برای دریافت جایزه هزاره یک میلیون دلاری ندارد و در عوض این دستاورد را نشانه ای از سرعت پیشرفت سیستم های هوش مصنوعی پیشرفته خود می داند.

به طور گسترده تر، این مناقشه به تلاش گسترده تر شرکت ها برای دور نگه داشتن داده های حساس و مالکیت معنوی از آزمایشگاه های بزرگ هوش مصنوعی مرتبط است.

الکس کارپ، مدیرعامل Palantir در مصاحبه ای با CNBC که به سرعت در فضای مجازی منتشر شد، از این رویکرد به عنوان “هوش مصنوعی حاکم” یاد کرد.

جوزف پرلا، موسس شرکت مسیریابی مدل TrustedRouter، به Axios گفت: «این کاری است که همه آزمایشگاه‌ها هر روز انجام می‌دهند. آنها چت های شما را می خوانند و ایده ها را کپی می کنند.

پرلا و دیگر منتقدان استدلال می‌کنند که آزمایشگاه‌های هوش مصنوعی می‌توانند داده‌های کاربر را ناشناس و جمع‌آوری کنند، مواد حاصل را «داده‌های مصنوعی» بنامند و سپس از آن برای توسعه سیستم‌های خود استفاده مجدد کنند.