Ο ισχυρισμός της OpenAI για απόδειξη των Navier–Stokes, εξηγημένος

Οι εξισώσεις Navier–Stokes περιγράφουν πώς κινούνται ρευστά όπως το νερό και ο αέρας. Είναι κεντρικές στη δυναμική των ρευστών, τη μηχανική και τη φυσική, αλλά οι μαθηματικοί δεν είχαν πλήρη αναλυτική κατανόηση της συμπεριφοράς τους σε τρεις διαστάσεις.

Η εκδοχή του Προβλήματος της Χιλιετίας ρωτά, χονδρικά, αν οι ομαλές αρχικές συνθήκες οδηγούν πάντα σε ομαλές λύσεις για κάθε μελλοντική χρονική στιγμή ή αν οι εξισώσεις μπορούν να «εκραγούν» — παράγοντας μια ιδιομορφία όπου μια ποσότητα όπως η ταχύτητα γίνεται άπειρη. Το Clay Mathematics Institute ονόμασε το πρόβλημα ένα από τα επτά Προβλήματα της Χιλιετίας το 2000, καθένα συνδεδεμένο με βραβείο $1 εκατομμυρίου. Πριν από αυτή την ανακοίνωση, μόνο η εικασία του Poincaré είχε λυθεί από τα επτά, όπως συνοψίζει η Wikipedia.

Ο ισχυρισμός της OpenAI, όπως αναφέρει το Quanta Magazine, είναι ότι αυτόνομοι AI agents που έτρεχαν σε ένα εσωτερικό μοντέλο βρήκαν μια ιδιομορφία στις τρισδιάστατες εξισώσεις Navier–Stokes. Το Quanta αναφέρει ότι η εργασία χρησιμοποίησε περίπου 10.000 agents, ότι οι agents βρήκαν μια απόδειξη μετά από 88 ώρες και ότι ένα άλλο AI μοντέλο τυποποίησε το αποτέλεσμα σε Lean έπειτα από επιπλέον 17 ώρες. Οι agents αντάλλαξαν σχεδόν 5 εκατομμύρια μηνύματα, και ο Sébastien Bubeck της OpenAI εκτίμησε το υπολογιστικό κόστος σε αρκετά εκατομμύρια δολάρια, σύμφωνα με το Quanta.

Το MIT Technology Review αναφέρει ότι η OpenAI λέει πως δεν σκοπεύει να διεκδικήσει το βραβείο του $1 εκατομμυρίου. Σύμφωνα με τη Wikipedia, το αντιπαράδειγμα δεν έχει ακόμη επαληθευτεί από εξωτερικούς μαθηματικούς ή από το Clay Mathematics Institute.

Αυτό το τελευταίο σημείο έχει σημασία. Μια τυποποίηση σε Lean είναι ισχυρή ένδειξη, αλλά δεν ταυτίζεται με την αποδοχή από την κοινότητα. Το Quanta σημειώνει ότι οι τυπικές αποδείξεις μπορούν να δείξουν πως μια πρόταση προκύπτει μέσα στον proof assistant, ενώ οι μαθηματικοί εξακολουθούν να χρειάζεται να ελέγξουν ότι η τυποποιημένη πρόταση είναι λογικά ισοδύναμη με τον μαθηματικό ισχυρισμό που οι άνθρωποι σκόπευαν να αποδείξουν.

Οι διαφορικές εξισώσεις περιγράφουν σχέσεις μεταξύ μεταβαλλόμενων ποσοτήτων. Στη μηχανική των ρευστών, οι εξισώσεις Navier–Stokes συνδυάζουν ταχύτητα, πίεση, ιξώδες, εξωτερικές δυνάμεις και διατήρηση μάζας. Είναι αρκετά εύκολο να γραφτούν με τυπική σημειογραφία, αλλά η μακροπρόθεσμη συμπεριφορά τους μπορεί να είναι εξαιρετικά δύσκολο να κατανοηθεί.

Η κεντρική δυσκολία δεν είναι αν οι μηχανικοί μπορούν να προσομοιώσουν ρευστά. Το κάνουν, συνεχώς. Το ζήτημα είναι αν οι εξιδανικευμένες μαθηματικές εξισώσεις είναι εγγυημένο ότι θα συμπεριφέρονται καλά υπό τις συνθήκες που ορίζει το Πρόβλημα της Χιλιετίας.

Μια ιδιομορφία θα σήμαινε ότι οι εξισώσεις προβλέπουν μια κατάρρευση: κάποιο μέρος του ρευστού εξελίσσεται προς μια αδύνατη μαθηματική κατάσταση. Όπως εξηγεί το Quanta, αυτό δεν συνεπάγεται άμεση πρακτική αστοχία στη μηχανική του πραγματικού κόσμου, επειδή τα πραγματικά ρευστά αποτελούνται από μόρια και άτομα αντί για τέλεια ομαλά συνεχή μέσα. Όμως, ως μαθηματικά, θα έδειχνε ότι οι εξιδανικευμένες εξισώσεις έχουν πιο απρόσμενη συμπεριφορά απ’ ό,τι πολλοί περίμεναν.

Το πρόβλημα συνδέεται επίσης με την τύρβη, ένα από τα δυσκολότερα φαινόμενα στη φυσική. Η Wikipedia περιγράφει την τύρβη ως ένα από τα μεγαλύτερα άλυτα προβλήματα στη φυσική, παρά τη σημασία της στην επιστήμη και τη μηχανική. Μια απόδειξη blowup δεν θα «έλυνε την τύρβη» με την πρακτική έννοια, αλλά θα αναδιαμόρφωνε όσα γνωρίζουν οι μαθηματικοί για τις εξισώσεις πίσω από αυτήν.

Η διαμάχη επικεντρώνεται στη σχέση ανάμεσα στην εργασία της OpenAI και στην εργασία των Buckmaster και Alpöge.

Το Quanta αναφέρει ότι η ανακοίνωση της OpenAI ήρθε περίπου 12 ώρες αφότου ο Buckmaster ανακοίνωσε αποτελέσματα με τον Alpöge πάνω σε στενά συναφή προβλήματα. Η εργασία τους χρησιμοποίησε διάφορα AI μοντέλα, συμπεριλαμβανομένων μοντέλων της OpenAI. Το MIT Technology Review αναφέρει ότι οι Buckmaster και Alpöge είχαν δουλέψει σχεδόν έναν χρόνο πάνω στο πρόβλημα και ότι ο Buckmaster δημοσίευσε μια απόδειξη που δείχνει ότι μια απλοποιημένη εκδοχή των εξισώσεων Navier–Stokes μπορεί να καταρρεύσει.

Τόσο η εργασία της OpenAI όσο και η εργασία Buckmaster–Alpöge φαίνεται να βασίζονται σε μια προσέγγιση που συνδέεται με τους Diego Córdoba και Luis Martínez-Zoroa. Το Quanta λέει ότι και οι δύο ομάδες βασίστηκαν σε μεγάλο βαθμό στην εργασία των Córdoba και Martínez-Zoroa, οι οποίοι ανέπτυξαν μια στρατηγική που απομακρυνόταν από τις μεθόδους που χρησιμοποιούσαν οι περισσότεροι μαθηματικοί. Το MIT Technology Review παραθέτει τον καθηγητή μαθηματικών του Brown University Javier Gómez-Serrano να λέει ότι αυτή η προσέγγιση ήταν μία από αρκετές που θεωρούνταν πολλά υποσχόμενες για το πρόβλημα.

Η OpenAI έχει αναγνωρίσει, σύμφωνα με το MIT Technology Review, ότι η ομάδα εμπνεύστηκε να ασχοληθεί με το πρόβλημα αφού άκουσε μια φήμη για τις προσπάθειες των Buckmaster και Alpöge. Η διαφωνία αφορά το αν τα μοντέλα ή οι υπάλληλοι της OpenAI είχαν πρόσβαση, εκπαιδεύτηκαν ή με άλλο τρόπο ωφελήθηκαν από την εργασία των Buckmaster και Alpöge.

Το MIT Technology Review αναφέρει ότι ο Buckmaster δημοσίευσε ένα έγγραφο που περιγράφει αλληλεπιδράσεις με υπαλλήλους της OpenAI. Σύμφωνα με την αφήγηση του Buckmaster, οι υπάλληλοι της OpenAI παρουσίασαν δύο δυνατότητες. Οι Buckmaster και Alpöge θα μπορούσαν να δημοσιεύσουν την εργασία τους και η OpenAI θα δημοσίευε τη δική της λύση Navier–Stokes την επόμενη ημέρα, ή ο Buckmaster θα μπορούσε να συνεργαστεί με την OpenAI σε μια εργασία Navier–Stokes που θα απέκλειε τον Alpöge από τη συγγραφή λόγω της σύνδεσής του με την Anthropic. Το MIT Technology Review αναφέρει επίσης ότι η OpenAI αρνήθηκε πως οι υπάλληλοι ή οι agents της είχαν πρόσβαση στα transcript των Buckmaster και Alpöge.

Αυτές είναι σοβαρές καταγγελίες, αλλά το δημόσιο αρχείο είναι ελλιπές. Η σωστή στάση είναι να διαχωριστεί ο μαθηματικός ισχυρισμός από τη διαμάχη για την απόδοση. Η απόδειξη μπορεί να είναι σωστή ενώ η διαδικασία παραμένει ηθικά αμφισβητούμενη. Ή η απόδειξη μπορεί να αποτύχει στον έλεγχο ενώ τα ερωτήματα απόδοσης εξακολουθούν να έχουν σημασία.

Το Lean είναι proof assistant: ένα σύστημα για την έκφραση μαθηματικών προτάσεων και τον έλεγχο ότι κάθε βήμα προκύπτει από τυπικούς κανόνες. Στα μαθηματικά υψηλού διακυβεύματος, αυτό μπορεί να αφαιρέσει μια μεγάλη κατηγορία σφαλμάτων. Μπορεί επίσης να κάνει τις αποδείξεις που δημιουργούνται από AI πιο εύκολες στον έλεγχο, επειδή η απόδειξη δεν είναι μόνο πεζό κείμενο· είναι εκτελέσιμη τυπική λογική.

Γι’ αυτό είναι σημαντικό το στοιχείο του Lean. Αν η τυποποίηση είναι ορθή και αντιστοιχεί στην επιδιωκόμενη πρόταση Navier–Stokes, το αποτέλεσμα γίνεται πολύ πιο δύσκολο να απορριφθεί ως εύγλωττη παραίσθηση. Για τους AI builders, αυτή είναι η διαφορά ανάμεσα σε ένα μοντέλο που γράφει πειστικό συλλογισμό και σε ένα σύστημα που παράγει artifacts τα οποία μπορεί να ελέγξει ένα άλλο πρόγραμμα.

Αλλά το Lean δεν λύνει κάθε πρόβλημα εμπιστοσύνης. Δεν θεμελιώνει προτεραιότητα. Δεν αποκαλύπτει πώς βρέθηκε η απόδειξη. Δεν εξηγεί αν ιδιωτικά δεδομένα, transcript ή αδημοσίευτες ιδέες επηρέασαν την αναζήτηση. Και δεν αντικαθιστά τον ρόλο της μαθηματικής κοινότητας στην ερμηνεία της σημασίας της απόδειξης.

Αυτή η διάκριση θα πρέπει να είναι οικεία σε όσους χτίζουν AI προϊόντα. Τα structured outputs, τα tests, τα evals και οι τυπικοί έλεγχοι μπορούν να κάνουν τα συστήματα πιο αξιόπιστα, αλλά δεν απαντούν από μόνα τους σε ζητήματα διακυβέρνησης. Αν ένας AI agent μπορεί να καλεί εργαλεία, να επιθεωρεί logs, να επαναχρησιμοποιεί ιδιωτικό context ή να συντονίζεται με άλλους agents, το σύστημα χρειάζεται όρια και audit trails όσο και καθαρή ικανότητα.

Αυτός είναι ένας λόγος που η multi-agent εργασία είναι πρόβλημα μηχανικής, όχι απλώς ένα κόλπο prompting. Είτε σχεδιάζετε ερευνητικούς agents είτε επιχειρηματικά workflows, τα πρακτικά ερωτήματα είναι παρόμοια: ποιοι agents μπορούν να δουν ποιο context, ποια εργαλεία μπορούν να καλούν, πού γίνονται τα handoffs και τι καταγράφεται; Αυτές οι σχεδιαστικές επιλογές έχουν σημασία στους AI agents πολύ πριν το διακύβευμα φτάσει σε επίπεδο Προβλήματος της Χιλιετίας.

Η πιο εντυπωσιακή επιχειρησιακή λεπτομέρεια είναι η κλίμακα. Το Quanta αναφέρει περίπου 10.000 agents, 88 ώρες αναζήτησης, 17 ακόμη ώρες για τυποποίηση και σχεδόν 5 εκατομμύρια μηνύματα μεταξύ agents. Το MIT Technology Review αναφέρει ότι η OpenAI είπε πως το run κόστισε εκατομμύρια δολάρια.

Αυτή η κλίμακα δεν είναι διαθέσιμη στις περισσότερες ακαδημαϊκές ομάδες. Υποδηλώνει ένα πιθανό μέλλον όπου η frontier μαθηματική πρόοδος εξαρτάται από εσωτερικά μοντέλα, ιδιωτικούς προϋπολογισμούς compute και agent infrastructure συγκεντρωμένα μέσα σε λίγες AI εταιρείες.

Το MIT Technology Review το πλαισιώνει ως σημείο καμπής για τα μαθηματικά: αν μεγάλα ανοιχτά προβλήματα μπορούν να δεχθούν επίθεση από ιδιωτικά σμήνη agents, οι νόρμες της ακαδημαϊκής συνεργασίας μπορεί να πιεστούν. Οι μαθηματικοί συχνά μαθαίνουν από αποτυχημένες προσπάθειες, μερικά αποτελέσματα και λάθος στροφές. Αν αυτά συμβαίνουν μέσα σε ιδιωτικά συστήματα και δεν γίνονται ποτέ δημόσια, το πεδίο μπορεί να αποκτά απαντήσεις χωρίς τη μοιρασμένη διαδρομή που παραδοσιακά δημιουργεί νέα εργαλεία και υποπεδία.

Το Quanta παραθέτει τον μαθηματικό του Princeton Charles Fefferman, ο οποίος έγραψε την επίσημη περιγραφή του προβλήματος για το Clay Institute, να λέει ότι ήταν ενθουσιασμένος που το πρόβλημα λύθηκε και να αναγνωρίζει τους Córdoba και Martínez-Zoroa ως τους ήρωες της ιστορίας. Αυτή η απόδοση είναι μια χρήσιμη διόρθωση. Ακόμη κι αν το τελικό βήμα αυτοματοποιήθηκε, το ερευνητικό ένστικτο — η επιλογή μιας πολλά υποσχόμενης κατεύθυνσης — προήλθε από ανθρώπινη μαθηματική εργασία που χτίστηκε επί χρόνια.

Για τους builders, το μάθημα δεν είναι «χρησιμοποιήστε περισσότερους agents». Είναι ότι τα agentic συστήματα ενισχύουν την ποιότητα του χώρου αναζήτησης που τους δίνεται. Καλύτερα μοντέλα και μεγαλύτεροι προϋπολογισμοί βοηθούν, αλλά το framing του προβλήματος, η επιλογή context, η πρόσβαση σε εργαλεία και οι βρόχοι επαλήθευσης εξακολουθούν να καθορίζουν αν το σύστημα εξερευνά χρήσιμη περιοχή ή καίει compute.

Αν δρομολογείτε εργασία σε πολλά μοντέλα, η ίδια αρχή ισχύει σε μικρότερη κλίμακα. Χρησιμοποιήστε το καλύτερο μοντέλο για τη δουλειά, αλλά μην αντιμετωπίζετε την επιλογή μοντέλου ως ολόκληρο το σύστημα. Το περιβάλλον workflow — retrieval, περιορισμοί, έλεγχοι, approvals και logs — είναι εκεί όπου γεννιέται η αξιοπιστία. Με άλλα λόγια, η ικανότητα προκύπτει από ολόκληρο το workflow, όχι από μια επιλογή σε leaderboard.

Το πρώτο πράγμα που πρέπει να παρακολουθήσετε είναι η μαθηματική επικύρωση. Εξωτερικοί μαθηματικοί και το Clay Mathematics Institute θα χρειαστούν χρόνο για να αξιολογήσουν αν η απόδειξη είναι σωστή, αν η τυποποίηση σε Lean αντιστοιχεί στον επιδιωκόμενο ισχυρισμό και πώς το αποτέλεσμα εντάσσεται στην προηγούμενη εργασία.

Το δεύτερο είναι η απόδοση. Οι δημόσιες αφηγήσεις από την OpenAI, τον Buckmaster, τον Alpöge και εξωτερικούς μαθηματικούς δεν συγκροτούν ακόμη ένα οριστικό αρχείο. Τα κεντρικά ερωτήματα είναι πραγματολογικά: σε τι είχαν πρόσβαση οι agents ή οι υπάλληλοι της OpenAI, σε τι εκπαιδεύτηκαν, τι γνώριζαν και πότε το γνώριζαν;

Το τρίτο είναι αν αυτό θα γίνει πρότυπο. Αν frontier AI labs μπορούν να στρέφουν τεράστια σμήνη agents σε διάσημα άλυτα προβλήματα, θα ακολουθήσουν περισσότερες ανακοινώσεις. Κάποιες θα είναι καθαρές. Κάποιες θα αμφισβητηθούν. Κάποιες θα αποτύχουν στον έλεγχο. Τα πεδία που θα επηρεαστούν θα χρειαστούν νόρμες για την αναγνώριση, τη γνωστοποίηση, το ιδιωτικό compute και τους AI-assisted ισχυρισμούς προτεραιότητας.

Για όσους χτίζουν με AI εκτός καθαρών μαθηματικών, το μήνυμα είναι αρκετά σαφές: η ικανότητα μετακινείται προς τα συστήματα, όχι προς τα μεμονωμένα prompts. Agents, εργαλεία, model routing και επαλήθευση γίνονται η μονάδα εργασίας. Οι ομάδες που χειρίζονται καλά την προέλευση και τον έλεγχο θα βρίσκονται σε καλύτερη θέση από ομάδες που κυνηγούν μόνο μεγαλύτερα outputs.

Θα συνεχίσουμε να παρακολουθούμε την ιστορία της επαλήθευσης και της απόδοσης καθώς εξελίσσεται. Αν θέλετε νέα για την AI με το τεχνικό πλαίσιο να παραμένει μέσα, μπορείτε να εγγραφείτε στο newsletter της LIA.

• Η OpenAI ισχυρίζεται ότι αυτόνομοι AI agents βρήκαν μια ιδιομορφία στις τρισδιάστατες εξισώσεις Navier–Stokes και παρήγαγαν μια τυποποίηση σε Lean.
• Το αποτέλεσμα δεν έχει ακόμη επαληθευτεί από εξωτερικούς μαθηματικούς ούτε έχει γίνει αποδεκτό από το Clay Mathematics Institute.
• Μια απόδειξη σε Lean μπορεί να μειώσει πολλά σφάλματα ελέγχου απόδειξης, αλλά οι αξιολογητές πρέπει ακόμη να επιβεβαιώσουν ότι η τυπική πρόταση αντιστοιχεί στον επιδιωκόμενο μαθηματικό ισχυρισμό.
• Η ανακοίνωση εμπλέκεται με μια διαμάχη απόδοσης που αφορά την εργασία των Tristan Buckmaster, Levent Alpöge, Diego Córdoba και Luis Martínez-Zoroa.
• Η αναφερόμενη κλίμακα του run αναδεικνύει ένα χάσμα πόρων ανάμεσα στα frontier AI labs και τις περισσότερες ακαδημαϊκές ομάδες.
• Για τους AI builders, το επεισόδιο δείχνει ότι οι agents χρειάζονται provenance, audit trails, βρόχους επαλήθευσης και σαφή όρια, όχι απλώς περισσότερο compute.

Αυτή η ενότητα απαντά στα πρακτικά ερωτήματα πίσω από τον ισχυρισμό της OpenAI για τα Navier–Stokes: οι παρακάτω απαντήσεις καλύπτουν την ανακοίνωση, τον ρόλο του Lean και τα μέρη που εξακολουθούν να χρειάζονται ανεξάρτητο έλεγχο. Διαχωρίζει επίσης το μαθηματικό διακύβευμα από τη διαμάχη απόδοσης γύρω από την εργασία.

Η OpenAI λέει ότι έχει μια λύση δημιουργημένη από AI, αλλά ο ισχυρισμός εξακολουθεί να χρειάζεται εξωτερικό μαθηματικό έλεγχο και αξιολόγηση από το Clay Mathematics Institute.

Σύμφωνα με τα ρεπορτάζ που παρατίθενται, η OpenAI ισχυρίζεται ότι οι agents της βρήκαν μια ιδιομορφία στις τρισδιάστατες εξισώσεις Navier–Stokes και ότι ένα άλλο μοντέλο τυποποίησε το αποτέλεσμα σε Lean.

Το Lean μπορεί να ελέγξει ότι κάθε τυπικό βήμα προκύπτει από κανόνες, κάτι που κάνει την απόδειξη πιο δύσκολο να απορριφθεί ως πειστικό πεζό κείμενο. Οι μαθηματικοί εξακολουθούν να χρειάζεται να επαληθεύσουν ότι η τυποποιημένη πρόταση αντιστοιχεί στον επιδιωκόμενο ισχυρισμό Navier–Stokes.

Η διαφωνία αφορά το αν η εργασία της OpenAI ωφελήθηκε από AI-assisted έρευνα των Tristan Buckmaster και Levent Alpöge χωρίς την κατάλληλη αναγνώριση. Η OpenAI έχει αρνηθεί ότι οι υπάλληλοι ή οι agents της είχαν πρόσβαση στα transcript τους, σύμφωνα με το MIT Technology Review.

Όχι. Μια απόδειξη blowup θα αναδιαμόρφωνε τη μαθηματική κατανόηση των εξισώσεων πίσω από την κίνηση των ρευστών, αλλά δεν θα έλυνε άμεσα την τύρβη ως πρακτικό πρόβλημα μηχανικής.