OpenAI pubblica 372 risultati matematici generati da AI su GitHub, sfidando la tradizione accademica

OpenAI ha reso pubblici 372 nuovi risultati matematici generati da un modello interno su GitHub, sfidando la tradizionale pubblicazione in riviste accademiche. I risultati, che includono miglioramenti a algoritmi di computer e progressi sul problema di Riemann, sono stati resi disponibili con formalizzazioni in Lean, un linguaggio per dimostrazioni matematiche verificabili. La decisione di OpenAI, che ha scelto GitHub come piattaforma, segna un cambiamento radicale nel modo in cui la comunità scientifica riceve e valuta nuove conoscenze. I matematici sono divisi tra entusiasmo e frustrazione, con alcune voci che preoccupano per l’impatto sull’educazione e la comprensione umana.

Un’esplosione di risultati matematici

La pubblicazione di 372 risultati matematici, generati da un modello interno di OpenAI, rappresenta un’esplosione di dati che potrebbe rivoluzionare il campo. Ogni risultato è stato progettato per risolvere un problema aperto o avanzare significativamente in una direzione. La maggior parte dei risultati è stata ottenuta con un singolo prompt rivolto a un singolo agente, con un consumo medio di circa tre ore di calcolo su ChatGPT Pro. Alcuni risultati, come la soluzione al problema di Navier-Stokes, richiedevano un approccio molto più complesso, con migliaia di agenti e costi elevati. OpenAI ha anche annunciato piani per finanziare workshop e conferenze focalizzati sulla comprensione dei risultati generati da AI. La società ha riconosciuto la necessità di migliorare la qualità delle citazioni e della presentazione dei risultati, e sta lavorando a un rilascio responsabile del modello per “empoderare direttamente i scienziati con capacità di punta”.

Un dibattito tra innovazione e tradizione

La scelta di OpenAI di pubblicare i risultati su GitHub, invece che in riviste accademiche, ha suscitato reazioni contrastanti. Mentre alcuni vedono un’opportunità per accelerare la condivisione del sapere, altri temono che la velocità di produzione possa compromettere la qualità e la comprensione umana. I matematici del Consiglio di Consulenza su Matematica e Intelligenza Artificiale, tra cui il campione Timothy Gowers, hanno espresso preoccupazioni sull’effetto a lungo termine di una produzione massiccia di risultati.

Le formalizzazioni in Lean possono verificare la correttezza logica, ma non possono giudicare la rilevanza o l’originalità di un risultato. Gli esperti hanno sottolineato che la velocità di produzione potrebbe portare a una perdita di profondità e originalità. La comunità scientifica, quindi, si trova di fronte a una sfida: come adattarsi a un’era in cui l’AI sta cambiando radicalmente il modo in cui la conoscenza matematica viene prodotta e condivisa.

Fields Medal winner Terence Tao ha sottolineato l’importanza di mantenere un’educazione matematica che enfatizzi l’aspetto umano e limiti l’uso degli strumenti AI per garantire una comprensione genuina. Allo stesso tempo, OpenAI ha annunciato piani per finanziare workshop e conferenze per aiutare la comunità a comprendere meglio i risultati generati da AI. La comunità matematica è divisa su cosa significhi la massificazione dei risultati. Mentre alcuni vedono un’opportunità per accelerare la ricerca, altri temono che la velocità di produzione possa portare a una perdita di profondità e originalità. La comunità scientifica, quindi, si trova di fronte a una sfida: come adattarsi a un’era in cui l’AI sta cambiando radicalmente il modo in cui la conoscenza matematica viene prodotta e condivisa.