In questo articolo Indice dei contenuti 2 sezioni
A meno di un mese dalla pubblicazione in blocco di centinaia di manoscritti che, secondo l’azienda, contenevano soluzioni a vecchi problemi matematici, OpenAI annuncia tre nuove scoperte scientifiche definite “importanti” in matematica, informatica e fisica. Il cambio di passo sta soprattutto nel metodo. Per i risultati di informatica e fisica la società ha scelto di affidarsi a esperti esterni, che descrive come veri e propri “pastori” incaricati di guidare la verifica del lavoro. Per il problema matematico invece è stato suggerito di rilasciare direttamente quanto prodotto dall’intelligenza artificiale, lasciando ai ricercatori il compito di costruire le proprie spiegazioni.
Tutto il materiale è stato caricato su GitHub. Sul fronte matematico la dimostrazione riguarda lo smoothing locale per l’equazione delle onde euclidea. Il modello utilizza un’equazione differenziale alle derivate parziali ausiliaria per stabilire la congettura di Sogge in ogni dimensione spaziale pari almeno a due e da qui ricava anche le congetture di Kakeya, sia quella massimale sia quella sulla dimensione, oltre alle stime di restrizione sferica di Stein all’interno dell’intervallo ipotizzato. Il risultato viene pubblicato così come è uscito dal modello, sulla stessa linea del rilascio del 6 ottobre.
La congettura di Kakeya e la fine dell’ipotesi del tempo esponenziale
Il punto più delicato riguarda proprio la congettura di Kakeya. Il modello avrebbe prodotto una prova dello smoothing locale in ogni dimensione, risolvendo di conseguenza sia Kakeya sia la congettura di restrizione di Stein in tutte le dimensioni. Appena qualche mese fa la professoressa della NYU Hong Wang ha ricevuto dall’Unione Matematica Internazionale la prestigiosa Medaglia Fields per aver risolto la stessa congettura in tre dimensioni.
Ancora più dirompente, almeno sulla carta, è il risultato in informatica. Secondo OpenAI la Exponential Time Hypothesis, l’ipotesi del tempo esponenziale considerata vera da gran parte della comunità, sarebbe in realtà falsa. Il lavoro presenta un algoritmo deterministico capace di contare con esattezza le assegnazioni che soddisfano formule CNF di larghezza fissa, in tempo subesponenziale e con spazio polinomiale. Applicato al caso 3SAT, smentisce l’ipotesi. A esaminare e spiegare la prova sarà un gruppo indipendente formato da Russell Impagliazzo e Ramamohan Paturi della UC San Diego, che nel 1999 furono tra coloro che proposero l’ipotesi, e da Ryan Williams, docente al MIT. È stato proprio questo gruppo a chiedere di rendere pubblici subito il testo generato dall’AI e la dimostrazione formalizzata in Lean, così che chiunque possa analizzarli.
Gli esperti hanno diffuso anche una lettera aperta alla comunità scientifica. Il documento chiede contributi su come verificare la tesi e su quali regole adottare davanti alle scoperte generate dall’intelligenza artificiale. Le domande poste sono tre. Quali criteri dovrebbero regolare l’accesso anticipato ai risultati, la dichiarazione dei conflitti di interesse e l’uso di materiale non pubblicato per ricerche successive? Come riconoscere il merito sia delle nuove scoperte sia del lavoro di controllo, correzione, semplificazione, spiegazione ed estensione? E come sostenere studenti e ricercatori mentre metodi e direzioni di ricerca cambiano, preservando la comprensione e il giudizio necessari per mettere in discussione i risultati e sviluppare nuove idee?
La fisica delle particelle e i dubbi sul metodo
La parte dedicata alla fisica non è stata ancora pubblicata per intero. Si tratterebbe di una dimostrazione di esistenza matematicamente rigorosa per alcune teorie quantistiche dei campi interagenti, con campi di gauge e fermioni in quattro dimensioni. Tra queste rientrano la cromodinamica quantistica e un completamento unificato del Modello Standard della fisica delle particelle. A supervisionare il lavoro sarà un gruppo guidato da David Gross, con Michael Douglas, Arthur Jaffe, Igor Klebanov e Nikita Nekrasov.
La stessa azienda ammette che questo approccio potrebbe avere dei limiti. Il comitato AGMAI, il panel di consulenti matematici messo in piedi da OpenAI, ha raccomandato proprio il giorno prima alle aziende di AI di non adottare la pratica di designare alcune persone come prime destinatarie dei risultati. Tra i problemi indicati figurano l’accesso diseguale, la reputazione presa in prestito e la selezione distorta. Il panel suggerisce piuttosto che in futuro i laboratori pubblichino i risultati su archivi accademici, accompagnati da dimostrazioni formalizzate in Lean, informazioni su come sono stati scelti i problemi, fondi per chi lavora alla loro comprensione e altri dati utili.
Fonte: TecnoAndroid