A afirmación de OpenAI sobre a demostración de Navier–Stokes, explicada

As ecuacións de Navier–Stokes describen como se moven fluídos como a auga e o aire. Son centrais na dinámica de fluídos, a enxeñaría e a física, pero os matemáticos non tiveron unha comprensión analítica completa do seu comportamento en tres dimensións.

A versión do Premio do Milenio pregunta, a grandes trazos, se unhas condicións iniciais suaves levan sempre a solucións suaves para todo tempo futuro, ou se as ecuacións poden «explotar»: producir unha singularidade na que unha magnitude como a velocidade se volve infinita. O Clay Mathematics Institute designou o problema como un dos sete Problemas do Premio do Milenio no ano 2000, cada un asociado cun premio de $1 millón. Antes deste anuncio, só se resolvera a conxectura de Poincaré entre os sete, como resume Wikipedia.

A afirmación de OpenAI, segundo informou Quanta Magazine, é que axentes de IA autónomos executándose nun modelo interno atoparon unha singularidade nas ecuacións tridimensionais de Navier–Stokes. Quanta informa de que o traballo empregou arredor de 10.000 axentes, que os axentes atoparon unha demostración tras 88 horas, e que outro modelo de IA formalizou o resultado en Lean despois de 17 horas adicionais. Os axentes intercambiaron case 5 millóns de mensaxes, e Sébastien Bubeck, de OpenAI, estimou o custo computacional en varios millóns de dólares, segundo Quanta.

MIT Technology Review informa de que OpenAI di que non ten previsto reclamar o premio de $1 millón. Segundo Wikipedia, o contraexemplo aínda non foi verificado por matemáticos externos nin polo Clay Mathematics Institute.

Ese último punto importa. Unha formalización en Lean é un sinal forte, pero non é o mesmo ca a aceptación da comunidade. Quanta sinala que as demostracións formais poden establecer que unha afirmación se segue dentro do asistente de demostración, mentres que os matemáticos aínda teñen que comprobar que a afirmación formalizada é loxicamente equivalente á afirmación matemática que se pretendía demostrar.

As ecuacións diferenciais describen relacións entre magnitudes que cambian. Na mecánica de fluídos, as ecuacións de Navier–Stokes combinan velocidade, presión, viscosidade, forzas externas e conservación da masa. Son o bastante sinxelas de escribir en notación estándar, pero o seu comportamento a longo prazo pode ser extremadamente difícil de entender.

A dificultade central non é se os enxeñeiros poden simular fluídos. Fano, constantemente. A cuestión é se as ecuacións matemáticas idealizadas teñen garantido comportarse ben baixo as condicións especificadas polo problema do Premio do Milenio.

Unha singularidade significaría que as ecuacións predín unha ruptura: algunha parte do fluído evoluciona cara a un estado matemático imposible. Como explica Quanta, isto non implica un fallo práctico inmediato na enxeñaría do mundo real, porque os fluídos reais están feitos de moléculas e átomos, non de continuos perfectamente suaves. Pero, como matemáticas, mostraría que as ecuacións idealizadas teñen un comportamento máis sorprendente do que moitos esperaban.

O problema tamén conecta coa turbulencia, un dos fenómenos máis difíciles da física. Wikipedia describe a turbulencia como un dos maiores problemas sen resolver da física, malia a súa importancia na ciencia e na enxeñaría. Unha demostración de explosión non «resolvería a turbulencia» no sentido práctico, pero remodelaría o que os matemáticos saben sobre as ecuacións que hai detrás dela.

A controversia céntrase na relación entre o traballo de OpenAI e o traballo de Buckmaster e Alpöge.

Quanta informa de que o anuncio de OpenAI chegou unhas 12 horas despois de que Buckmaster anunciase resultados con Alpöge sobre problemas moi relacionados. O seu traballo empregou unha variedade de modelos de IA, incluídos modelos de OpenAI. MIT Technology Review informa de que Buckmaster e Alpöge traballaran case un ano no problema e que Buckmaster publicou unha demostración que mostra que unha versión simplificada das ecuacións de Navier–Stokes pode romper.

Tanto o traballo de OpenAI como o de Buckmaster–Alpöge parecen apoiarse nun enfoque asociado con Diego Córdoba e Luis Martínez-Zoroa. Quanta di que ambos equipos dependeron en gran medida do traballo de Córdoba e Martínez-Zoroa, que desenvolveron unha estratexia afastada dos métodos que estaban a usar a maioría dos matemáticos. MIT Technology Review cita o profesor de matemáticas da Brown University Javier Gómez-Serrano dicindo que este enfoque era un dos varios que se consideraban prometedores para o problema.

OpenAI recoñeceu, segundo MIT Technology Review, que o equipo se inspirou para perseguir o problema despois de escoitar un rumor sobre os esforzos de Buckmaster e Alpöge. A disputa trata de se os modelos ou empregados de OpenAI tiveron acceso ao traballo de Buckmaster e Alpöge, se se adestraron con el ou se se beneficiaron del doutro xeito.

MIT Technology Review informa de que Buckmaster publicou un documento que describe interaccións con empregados de OpenAI. Segundo o relato de Buckmaster, os empregados de OpenAI presentaron dúas posibilidades. Buckmaster e Alpöge podían publicar o seu traballo e OpenAI publicaría a súa solución de Navier–Stokes ao día seguinte, ou Buckmaster podía traballar con OpenAI nun artigo sobre Navier–Stokes que excluíse a Alpöge da autoría pola súa afiliación con Anthropic. MIT Technology Review tamén informa de que OpenAI negou que os seus empregados ou axentes accedesen ás transcricións de Buckmaster e Alpöge.

Son acusacións serias, pero o rexistro público está incompleto. A postura correcta é separar a afirmación matemática da disputa de atribución. A demostración pode ser correcta mentres o proceso segue sendo eticamente cuestionado. Ou a demostración pode fallar na revisión mentres as cuestións de atribución continúan importando.

Lean é un asistente de demostración: un sistema para expresar afirmacións matemáticas e comprobar que cada paso se segue de regras formais. Nas matemáticas de alto risco, iso pode eliminar unha gran clase de erros. Tamén pode facer que as demostracións xeradas por IA sexan máis fáciles de auditar, porque a demostración non é só prosa; é lóxica formal executable.

Por iso o compoñente de Lean é importante. Se a formalización é sólida e coincide coa afirmación prevista de Navier–Stokes, o resultado vólvese moito máis difícil de descartar como unha alucinación fluída. Para quen constrúe IA, esta é a diferenza entre un modelo que escribe razoamentos plausibles e un sistema que produce artefactos que outro programa pode comprobar.

Pero Lean non resolve todos os problemas de confianza. Non establece prioridade. Non revela como se atopou a demostración. Non explica se datos privados, transcricións ou ideas inéditas influíron na busca. E non substitúe o papel da comunidade matemática á hora de interpretar a importancia da demostración.

Esta distinción debería resultar familiar ás persoas que constrúen produtos de IA. Saídas estruturadas, probas, evals e comprobacións formais poden facer os sistemas máis fiables, pero por si soas non responden a preguntas de gobernanza. Se un axente de IA pode chamar ferramentas, inspeccionar rexistros, reutilizar contexto privado ou coordinarse con outros axentes, o sistema necesita límites e rastros de auditoría tanto como capacidade bruta.

Esa é unha razón pola que o traballo multi-axente é un problema de enxeñaría, non só un truco de prompting. Tanto se deseñas axentes de investigación como fluxos de traballo empresariais, as preguntas prácticas son semellantes: que axentes poden ver que contexto, que ferramentas poden chamar, onde se producen os traspasos e que queda rexistrado? Esas decisións de deseño importan nos axentes de IA moito antes de que as apostas cheguen ao territorio dos Premios do Milenio.

O detalle operativo máis rechamante é a escala. Quanta informa de arredor de 10.000 axentes, 88 horas de busca, 17 horas máis para a formalización e case 5 millóns de mensaxes entre axentes. MIT Technology Review informa de que OpenAI dixo que a execución custou millóns de dólares.

Esa escala non está dispoñible para a maioría dos grupos académicos. Suxire un posible futuro no que o progreso matemático de fronteira dependa de modelos internos, orzamentos de cómputo privados e infraestrutura de axentes concentrada dentro dunhas poucas empresas de IA.

MIT Technology Review enmarca isto como un punto de inflexión para as matemáticas: se grandes problemas abertos poden ser atacados por enxames privados de axentes, as normas da colaboración académica poden verse sometidas a tensión. Os matemáticos adoitan aprender de intentos fallidos, resultados parciais e camiños equivocados. Se iso acontece dentro de sistemas privados e nunca se fai público, o campo pode obter respostas sen o camiño compartido que tradicionalmente crea novas ferramentas e subcampos.

Quanta cita o matemático de Princeton Charles Fefferman, autor da descrición oficial do problema do Clay Institute, dicindo que estaba encantado de que o problema se resolvese e identificando a Córdoba e Martínez-Zoroa como os heroes da historia. Esa atribución é un correctivo útil. Mesmo se o paso final foi automatizado, o criterio investigador —escoller unha dirección prometedora— veu de traballo matemático humano construído durante anos.

Para quen constrúe, a lección non é «usa máis axentes». É que os sistemas axénticos amplifican a calidade do espazo de busca que se lles dá. Mellores modelos e orzamentos máis grandes axudan, pero a formulación do problema, a selección do contexto, o acceso a ferramentas e os bucles de verificación seguen determinando se o sistema explora territorio útil ou queima cómputo.

Se estás a enrutar traballo entre múltiples modelos, o mesmo principio aplícase a menor escala. Usa o mellor modelo para a tarefa, pero non trates a elección do modelo como se fose todo o sistema. O fluxo de traballo arredor —recuperación, restricións, comprobacións, aprobacións e rexistros— é de onde vén a fiabilidade. Noutras palabras, a capacidade vén de todo o fluxo de traballo, non dunha elección nunha clasificación.

O primeiro que hai que observar é a validación matemática. Os matemáticos externos e o Clay Mathematics Institute necesitarán tempo para avaliar se a demostración é correcta, se a formalización en Lean coincide coa afirmación prevista e como encaixa o resultado no traballo previo.

O segundo é a atribución. Os relatos públicos de OpenAI, Buckmaster, Alpöge e matemáticos externos aínda non forman un rexistro pechado. As preguntas centrais son factuais: a que accederon os axentes ou empregados de OpenAI, con que se adestraron, que sabían e cando o souberon?

O terceiro é se isto se converte nun modelo. Se os laboratorios de IA de fronteira poden dirixir enormes enxames de axentes a problemas famosos sen resolver, seguirán máis anuncios. Algúns serán limpos. Algúns serán disputados. Algúns fallarán na revisión. Os campos afectados necesitarán normas para o crédito, a divulgación, o cómputo privado e as reivindicacións de prioridade asistidas por IA.

Para as persoas que constrúen con IA fóra das matemáticas puras, a mensaxe é bastante clara: a capacidade está a desprazarse cara aos sistemas, non cara a prompts illados. Axentes, ferramentas, enrutamento de modelos e verificación están a converterse na unidade de traballo. Os equipos que xestionen ben a procedencia e a revisión estarán nunha mellor posición ca os equipos que só persigan saídas máis grandes.

Seguiremos de preto a historia da verificación e da atribución a medida que evolucione. Se queres noticias de IA co contexto técnico incluído, podes subscribirte ao boletín de LIA.

• OpenAI afirma que axentes de IA autónomos atoparon unha singularidade nas ecuacións tridimensionais de Navier–Stokes e produciron unha formalización en Lean.
• O resultado aínda non foi verificado por matemáticos externos nin aceptado polo Clay Mathematics Institute.
• Unha demostración en Lean pode reducir moitos erros de comprobación de probas, pero os revisores aínda teñen que confirmar que a afirmación formal coincide coa afirmación matemática prevista.
• O anuncio está entrelazado cunha disputa de atribución que implica traballos de Tristan Buckmaster, Levent Alpöge, Diego Córdoba e Luis Martínez-Zoroa.
• A escala comunicada da execución pon de manifesto unha fenda de recursos entre os laboratorios de IA de fronteira e a maioría dos grupos académicos.
• Para quen constrúe IA, o episodio mostra que os axentes necesitan procedencia, rastros de auditoría, bucles de verificación e límites claros, non só máis cómputo.

Esta sección responde ás preguntas prácticas detrás da afirmación de OpenAI sobre Navier–Stokes: as respostas de abaixo cobren o anuncio, o papel de Lean e as partes que aínda necesitan revisión independente. Tamén separa o que está en xogo matematicamente da disputa de atribución arredor do traballo.

OpenAI di que ten unha solución xerada por IA, pero a afirmación aínda precisa revisión matemática externa e avaliación por parte do Clay Mathematics Institute.

Segundo os informes citados, OpenAI afirma que os seus axentes atoparon unha singularidade nas ecuacións tridimensionais de Navier–Stokes e que outro modelo formalizou o resultado en Lean.

Lean pode comprobar que cada paso formal se segue de regras, o que fai que a demostración sexa máis difícil de descartar como prosa plausible. Os matemáticos aínda teñen que verificar que a afirmación formalizada coincide coa afirmación prevista de Navier–Stokes.

A disputa trata de se o traballo de OpenAI se beneficiou da investigación asistida por IA de Tristan Buckmaster e Levent Alpöge sen o crédito adecuado. OpenAI negou que os seus empregados ou axentes accedesen ás súas transcricións, segundo MIT Technology Review.

Non. Unha demostración de explosión remodelaría a comprensión matemática das ecuacións que hai detrás do movemento dos fluídos, pero non resolvería directamente a turbulencia como problema práctico de enxeñaría.