OpenAI Yadai Suluhisho la Navier–Stokes Huku Kukizuka Maswali kuhusu Data ya Codex

Nini kimebadilika

Kulingana na taarifa ya VentureBeat, OpenAI yasema mfumo wa ndani uliotumia kundi la mawakala 10,000 umetatua tatizo la kuwepo na ulaini wa Navier–Stokes, mojawapo ya Matatizo Saba ya Tuzo ya Millennium yaliyoanzishwa miaka 26 iliyopita. Taarifa hiyo pia yasema OpenAI haiwezi kuondoa uwezekano kwamba data ya faragha ya Codex ya mtafiti ilichangia matokeo hayo.

Kwa nini hili ni muhimu

Hili bado si mafanikio ya bidhaa ya kuingiza kwenye ramani ya maendeleo. Ni jaribio gumu la kufafanua maana ya kusema “AI imelitatuа” wakati matokeo yanaweza kubadili mwelekeo wa taaluma.

Kundi la mawakala linaweza kutoa jibu la kuvutia sana; lakini bado lazima lionyeshe namna lilivyolifikia. Kwa timu zinazounda mifumo ya utafiti ya mawakala wengi, athari ya vitendo iko wazi: ufuatiliaji wa chanzo cha data na uwezo wa kurudia matokeo vinakuwa sehemu ya bidhaa. Mfumo unaohifadhi njia ya uthibitisho inayoweza kuchunguzwa na rekodi yenye msingi thabiti ya pembejeo zake unaweza kujenga imani ambayo matokeo yasiyoeleweka wazi hayawezi kupata.

Mtazamo wetu (makisio yenye msingi): katika wiki zijazo, hili lina uwezekano wa kubaki kazi ya uhakiki, wala si nadharia iliyothibitishwa. Iwapo OpenAI itaweza kuonyesha hoja inayoweza kukaguliwa na chanzo cha data kilicho wazi, mifumo ya mawakala wanaoratibiwa inaweza kuvuta juhudi zaidi kuelekea mantiki rasmi. Isipofaulu, mifumo yenye uwazi inaweza kuwa muundo wenye thamani zaidi katika ushindani.

Mlinganisho wa kihistoria

Mwaka 2012, Nature iliripoti kwamba Shinichi Mochizuki alidai kuwa na uthibitisho wa dhana ya abc. Ufanano wa kimuundo unaonekana katika kikwazo kilekile kisichorahisisha mambo: dai kubwa la kihisabati linahitaji wataalamu wa nje wachunguze hatua za msingi kabla ya imani kujengeka.

Tofauti ni ya maana. Uthibitisho wa Mochizuki uliandikwa na binadamu katika makala nyingi; dai la OpenAI lililoripotiwa linatokana na mfumo wa mawakala wengi na linaibua swali tofauti kuhusu matumizi yanayowezekana ya data ya faragha ya Codex. Kufikia 2020, Nature iliripoti kwamba uthibitisho wa Mochizuki ulikubaliwa kuchapishwa, lakini mtazamo mpana wa wataalamu haukubadilika kwa kiasi kikubwa baada ya wanahisabati wawili kubaini walichoona kuwa kasoro kubwa. Kuchapishwa hakukuthibitisha nadharia hiyo. Safari hii, nyaraka za umma za uthibitisho, rekodi za kurudia matokeo na ukaguzi wa chanzo cha data vinaweza kutoa njia iliyo wazi zaidi ya kufikia uamuzi.

Tathmini ya athari

Wanahisabati huru wanakabiliwa na mabadiliko ya haraka katika kazi: kuchunguza hesabu zinazodaiwa na kama zinaweza kuhakikiwa bila kubaki maswali yasiyojibiwa kuhusu chanzo cha data. Uwezo wao wa kuthibitisha utabaini kama tangazo hilo litakuwa matokeo au mpango wa utafiti.

Makundi ya utafiti yanayotathmini AI ya mawakala wengi sasa yana uwiano wa faida na hasara ulio wazi zaidi. Suluhisho lililothibitishwa na linaloweza kuchunguzwa linaweza kuhalalisha uwekezaji zaidi katika mantiki rasmi inayotegemea uratibu mkubwa. Matokeo ambayo bado hayajathibitishwa yanaweza kufanya rekodi wazi, tabia inayoweza kurudiwa na pembejeo zilizoandikwa kuwa faida ya ushindani.

Vyuo vikuu na taasisi za utafiti pia zinaweza kukaza masharti yao kwa kazi inayosaidiwa na AI. Wakati dai lenye athari kubwa huenda lilinufaika na data ya faragha, rekodi za zana na pembejeo zinakuwa sehemu ya uadilifu wa utafiti, si mapambo ya kiutawala.

Matukio yanayowezekana

Yanayowezekana zaidi: Iwapo njia ya uthibitisho au chanzo cha data kitaendelea kuwa kigumu kuchunguzwa, taasisi zitachukulia dai hilo kuwa la muda katika kipindi cha wiki hadi miezi na zitaendelea kuweka utafiti unaozalishwa na AI chini ya uchunguzi mkali zaidi. Hiyo ndiyo hali yenye uwezekano mkubwa kwa sababu kukubalika huru kunategemea upatikanaji wa hoja za msingi na rekodi za matumizi ya data. Maswali mahsusi ya uhakiki, nyaraka zisizokamilika, au chanzo cha data ambacho hakijafafanuliwa kingeimarisha hali hiyo; uthibitisho mwingi wa kujitegemea pamoja na ukaguzi kamili ungeibadilisha.

Faida: Iwapo wakaguzi wa nje wanaweza kuthibitisha uthibitisho unaoweza kuchunguzwa na kubaini kwamba data ya faragha ya Codex haikuwa na mchango wa maana katika matokeo, makundi ya utafiti yanaweza kuelekeza uwezo zaidi kwenye mifumo ya mawakala wanaoratibiwa kwa matatizo rasmi ya kisayansi katika muda wa miezi sita hadi 12. Hilo lingefanya zana za uhakiki na uratibu wa mawakala wengi kuwa miundombinu ya msingi zaidi ya utafiti. Uthibitisho wa kujitegemea, tabia ya mfumo inayoweza kurudiwa na kazi zinazofanana kutoka makundi mengine vingeimarisha njia hii.

Hasara: Iwapo wakaguzi hawawezi kuthibitisha uthibitisho huo au chanzo chake cha data, mashirika yanaweza kuhitaji nyaraka kali zaidi kwa madai ya utafiti yanayotokana na AI katika mwaka unaofuata. Hilo linaweza kupendelea mifumo iliyoundwa kwa misingi ya mantiki inayoweza kuchunguzwa na rekodi za matumizi ya data kuliko maonyesho ya kuvutia lakini yasiyo wazi. Kasoro ya msingi, ukaguzi ambao haujakamilika, au ushahidi kwamba data ya faragha ilitoa mchango wa maana ungeharakisha matokeo hayo.

Cha kufuatilia baadaye

• OpenAI kuchapisha uthibitisho au rekodi nyingine ya kihisabati inayoweza kuchunguzwa, ili wanahisabati huru wakague mantiki ya msingi.
• Tathmini iliyoandikwa kuhusu iwapo data ya faragha ya Codex ilichangia kwa namna ya maana katika matokeo hayo.
• Wanahisabati huru kubaini njia thabiti, iliyothibitishwa, kupitia suluhisho linalodaiwa, au kasoro ya msingi inayozuia kukubalika.