OpenAI:s matematikbesked väcker strid om forskningskreditering
OpenAI säger att ett jättelikt agentsystem har löst en del av Navier–Stokes-problemet, men beskedet blottar en ny konflikt om hur AI-forskning ska krediteras.
OpenAI uppger att ett internt agentsystem har tagit fram ett analytiskt kandidatbevis och en Lean-formalisering för ändlig tids singularitet i de framtvingade Navier–Stokes-ekvationerna. Företaget kopplar resultatet till del C och D i Clay-institutets problemformulering, men säger uttryckligen att det inte avser att göra anspråk på prispengarna.
Skalan är ovanlig även för AI-forskning. Enligt OpenAI deltog uppemot 10 000 agenter i Navier–Stokes-arbetet, som förbrukade omkring 130 miljarder utdata-tokens och 2,7 miljoner agentmeddelanden. Företaget anger 88 timmar till lösningsförslaget och ytterligare 17 timmar för formalisering och verifiering i Lean.
OpenAI beskriver bilden som en lokal ögonblicksbild av den inkompressibla rörelsen i konstruktionen. Orange markerar snabbare rotation och turkost långsammare. Figuren hör till företagets kandidatbevis, inte till någon bedömning från Clay-institutet.
Två resultat och en tidslinje
Kredittvisten gäller vad som hände runt genombrottet. OpenAI skriver att satsningen började den 1 september efter ett rykte som senare visade sig gälla matematikerna Levent Alpöge och Tristan Buckmaster. Deras privata samarbete hade då nått resultat för bland annat Euler-ekvationer med slät yttre kraft, medan OpenAI säger att dess agenter först löste ett enklare Euler-problem utan yttre kraft och därefter gick vidare till Navier–Stokes.
I sin egen redogörelse beskriver Buckmaster ett annat förlopp för forskningskrediteringen. Han hävdar att OpenAI skyndade sitt projekt efter att ha hört om deras arbete och senare föreslog upplägg där han skulle presentera Navier–Stokes-resultatet utan Alpöge. Buckmaster betonar samtidigt att han inte har sett OpenAI:s bevis, inte vet hur modellen arbetade och inte anklagar någon för att ha använt deras data.
OpenAI förnekar att forskare eller agenter tog del av parets arbete före den offentliga publiceringen. Företaget säger också att ingen specifik användardata hämtades för projektet, men kan inte helt utesluta att avidentifierad produktdata tidigare har förbättrat modellerna. WIRED:s intervjuer bekräftar att parterna ger oförenliga bilder av samtalen; de avgör inte vilken beskrivning som är korrekt.
Clay Mathematics Institute listar fortfarande Navier–Stokes som olöst. Det betyder inte att OpenAI:s kandidatbevis är fel, men att den offentliga och institutionella granskningen ännu inte har hunnit ikapp beskedet.
OpenAI säger att ett stort agentsystem har producerat ett kandidatbevis och en Lean-formalisering för en del av Navier–Stokes-problemet. Beskedet följdes omedelbart av en tvist om tidslinje och forskningskreditering med Tristan Buckmaster. Clay-institutet har ännu inte ändrat problemets status.
Om resultatet håller visar det att agentsvärmar kan göra mer än att assistera en forskare: de kan söka, dela delresultat och formalisera ett helt bevis i mycket stor skala.
Samtidigt blir forskningsproveniens en teknisk kärnfråga. Tidsstämplade promptar, mellanresultat, modellversioner, datagränser och mänsklig styrning behöver kunna granskas nästan lika noggrant som själva matematiken.
Det intressanta här är inte vem som vann en lanseringsdag, utan att forskningshistorien blir svår att rekonstruera när miljontals agentsteg ligger bakom ett resultat. Lean kan hjälpa oss kontrollera logiken. För att kontrollera äran behövs en lika robust kedja för hur upptäckten faktiskt uppstod.
