Människorna valde problemet, agenterna slutförde uppgiften

4 timmar sedan·2 min läsning

OpenAI satte 10 000 AI-agenter på ett av matematikens mest kända olösta problem och hade en lösning efter 88 timmar. Människorna valde problemet och fördelade resurserna.

Den 1 september satte OpenAI sin nya interna AI-modell på de sex återstående millennieproblemen, några av matematikens mest kända olösta frågor. Omkring 88 timmar senare hade enligt företaget omkring 10 000 samtidiga AI-agenter kommit fram till en lösning på Navier-Stokes-problemet, som varit olöst i närmare 90 år. Resultatet är ännu inte etablerat som en accepterad lösning. Men sättet det togs fram på är redan intressant.

Det var AI-agenterna som utförde själva problemlösningen. Under körningen skickade de 2,7 miljoner meddelanden och producerade omkring 130 miljarder tokens. När arbetet var klart använde OpenAI GPT-6 Astra i ytterligare 17 timmar för att skriva om resultatet i Lean, ett system som kan kontrollera att stegen i ett matematiskt resonemang följer logiskt på varandra. Modellen som gjorde huvudarbetet är inte tillgänglig för allmänheten. OpenAI beskriver den som betydligt starkare än Astra och säger att den fortfarande tränas.

Människornas roll låg framför allt i att bestämma vad systemen skulle arbeta med. OpenAI:s forskare formulerade olika varianter av problemet och delade ut dem till agentgrupper. De lät också ett mindre antal agenter arbeta med ett enklare, närliggande problem. När knappt hundra agenter lyckades lösa det efter ungefär 50 timmar flyttade forskarna mer resurser till Navier-Stokes och lät de andra agenterna bygga vidare på resultatet.

Människorna valde alltså riktning och fördelade resurser. AI-systemen kunde göra en stor del av sökandet efter lösningen.

”De som inte har tillgång till verktygen kommer att hamna på efterkälken forskningsmässigt”, säger Svante Linusson, professor i matematik vid KTH, till DN.

Tristan Buckmaster vid New York University och Levent Alpöge på Anthropic hade arbetat med ett närliggande problem under en stor del av det senaste året. Under augusti använde de bland annat Claude och Codex och hade den 22 augusti nått ett resultat som också hade kontrollerats i Lean.

En forskare kan ha Claude eller Codex som stöd i arbetet. OpenAI kan i stället sätta en starkare intern modell och tusentals agenter på samma problem samtidigt. Skillnaden handlar därför inte bara om vem som har tillgång till AI, utan om vilken sorts forskning verktygen gör möjlig.

Om OpenAI:s lösning håller återstår att se. Beviset och Lean-filerna är offentliga, men resultatet har ännu inte fått den breda oberoende granskning som krävs för att räknas som etablerat. Det förändrar inte vad försöket visar redan nu: gränsen för vad som kan lämnas över till AI i forskning har flyttats.

Fråga upplyst.ai

Varför spelar det roll?

Agenterna gjorde själva problemlösningen. Forskarna på OpenAI bestämde vilket problem som skulle angripas, i vilka varianter, och flyttade resurser när ett enklare problem gick att lösa. Skillnaden mot en forskare som har Claude eller Codex som stöd är inte bara tillgången till AI, utan att OpenAI kan sätta en starkare intern modell och tusentals agenter på samma problem samtidigt. Det är vad Svante Linusson menar med att den som saknar verktygen hamnar på efterkälken.

Vad är bakgrunden?

Millennieproblemen är sju av matematikens mest kända olösta frågor, med en miljon dollar i prispengar var. Ett är löst sedan tidigare. Navier-Stokes-problemet gäller ekvationerna för hur vätskor och gaser rör sig och har stått öppet i närmare 90 år. Lean är ett system som kontrollerar att stegen i ett matematiskt resonemang följer logiskt på varandra. OpenAI:s modell skrev om resultatet till den formen med hjälp av GPT-6 Astra, i ytterligare 17 timmar.

Vad är osäkert?

Alla uppgifter om agenter, meddelanden, tokens och timmar är OpenAI:s egna och går inte att kontrollera utifrån. Beviset och Lean-filerna är offentliga, men ingen bred oberoende granskning är klar. Clay Mathematics Institute, som delar ut priset, kräver publicering, två års väntan och allmän acceptans innan det kan bli aktuellt, och OpenAI säger att de inte tänker söka det. Att agenterna gjorde problemlösningen betyder inte att ingen styrde: forskarna formulerade varianterna, flyttade agenter mellan problemen och lät dem bygga vidare på ett delresultat. Metoden som både OpenAI:s agenter och Buckmaster och Alpöge byggde på kommer från matematikerna Diego Córdoba och Luis Martínez-Zoroa. Buckmaster säger att de fått tips om att deras framsteg nått OpenAI, vilket OpenAI förnekar. OpenAI utesluter inte att avidentifierad användardata förbättrat modellen.

Källor

Tillbaka till Nyheter