OpenAI مدعی حل مسئله ناویر-استوکس با هزاران ایجنت هوش مصنوعی شد
OpenAI میگوید سیستم داخلی این شرکت توانسته برای مسئله ناویر-استوکس، یکی از مسائل جایزه هزاره، راهحل ارائه کند؛ ادعایی که با واکنش و حاشیههایی همراه شده است.

OpenAI اعلام کرده است سیستم داخلی این شرکت توانسته برای مسئله «وجود و همواری» ناویر-استوکس، یکی از هفت مسئله جایزه هزاره، راهحل ارائه کند. این شرکت میگوید اثبات بهدستآمده نشان میدهد یک سیال که حرکت خود را بهصورت هموار و از حالت سکون آغاز میکند، میتواند در زمانی متناهی به تکینگی برسد.
مسائل جایزه هزاره مجموعهای از هفت مسئله دشوار ریاضی هستند که مؤسسه Clay در سال ۲۰۰۰ معرفی کرد و برای حل هرکدام جایزه یک میلیون دلاری تعیین کرده است. مسئله ناویر-استوکس به معادلاتی مربوط میشود که حرکت سیالات، از جمله مایعات و گازها، را توصیف میکنند. پرسش اصلی این است که آیا حرکت سهبعدی یک سیال تراکمناپذیر با چگالی ثابت که از وضعیتی هموار آغاز میشود، میتواند در زمانی متناهی به وضعیتی برسد که سرعت سیال بدون کران افزایش پیدا کند یا نه.
طبق توضیح OpenAI، سیستم داخلی این شرکت یک اثبات تحلیلی و همچنین صورتبندی رسمی آن را در زبان Lean تولید کرده است. این شرکت میگوید راهحل ارائهشده بر پایه گردابهای است که به سمت داخل به حالت مارپیچ درمیآید و همزمان کشیده و باریکتر میشود؛ در این وضعیت، ناحیه مرکزی گردابه کوچکتر و سریعتر میشود، اما انرژی سیال همچنان محدود باقی میماند.
OpenAI میگوید برای آزمایش مدل داخلی جدید خود روی مسائل حلنشده جایزه هزاره و چند مسئله مهم دیگر، از سیستمی متشکل از ایجنتهای متعدد استفاده کرده است. گروهی که روی مسئله ناویر-استوکس کار کرد، در مقطعی حدود ۱۰ هزار ایجنت همزمان داشت. به گفته شرکت، ایجنتها حدود ۸۸ ساعت پس از آغاز پروژه به راهحل ناویر-استوکس رسیدند و صورتبندی و راستیآزمایی اثبات در Lean نیز با استفاده از GPT-6 Astra حدود ۱۷ ساعت دیگر زمان برد.
براساس اعلام OpenAI، ایجنتهای این شرکت در پروژه ناویر-استوکس ۲.۷ میلیون پیام ارسال کردند و حدود ۱۳۰ میلیارد توکن خروجی تولید شد. در مجموع همه مسائل بررسیشده نیز ۴.۹ میلیون پیام و حدود ۳۰۰ میلیارد توکن خروجی ثبت شده است.
این ادعا بدون حاشیه نبوده است. «تریستان باکمستر»، ریاضیدان دانشگاه نیویورک، و «لِوِنت آلپوگه»، پژوهشگری در Anthropic، پیشتر روی پژوهشی مستقل در این زمینه کار کرده بودند و در تلاش خود از چند مدل زبانی بزرگ، از جمله Claude، ابزار Codex متعلق به OpenAI و مدل مرزی Astra استفاده کرده بودند. باکمستر این پرسش را مطرح کرده که آیا OpenAI از کاری که او و آلپوگه در جلسات Codex انجام داده بودند برای رسیدن به نتیجه خود استفاده کرده است یا نه.
OpenAI در پاسخ گفته است پروژه داخلی این شرکت پس از شنیدن شایعهای آغاز شد که بعداً مشخص شد به آلپوگه و باکمستر مربوط بوده است. این شرکت همچنین میگوید پس از تکمیل پروژه و راستیآزمایی در Lean، با تصور اینکه این دو پژوهشگر نیز راهحلی برای ناویر-استوکس دارند، با آنها تماس گرفته تا انتشار همزمان نتایج و بهرسمیتشناختن اولویت آنها را پیشنهاد کند. به گفته OpenAI، در جریان این گفتوگو مشخص شده پژوهش آن دو نفر به حل مسئله «اویلر اجباری» مربوط بوده است، نه همان مسئلهای که OpenAI مدعی حل آن است.
OpenAI تأکید کرده است پژوهشگران و ایجنتهایش تا زمان انتشار عمومی کار آلپوگه و باکمستر، به کار آنها دسترسی نداشتهاند. این شرکت همچنین اعلام کرده قصد ندارد جایزه یک میلیون دلاری مسئله ناویر-استوکس را مطالبه کند و هدف اصلی از انتشار نتیجه را نمایش میزان پیشرفت مدلهای هوش مصنوعی خود دانسته است.
منابع خبر
- digiato.com — منبع اصلیhttps://digiato.com/artificial-intelligence/openai-navier-stokes-controversy
مطالب مرتبط
برای ادامه مطالعه
این یادداشتها بر اساس موضوع مشترک، همپوشانی برچسبها و تازگی انتشار انتخاب میشوند.

DeepSeek V4.1-Flash-1017 با کوانتیزهسازی یکبیتی محلی شد
Unsloth نسخه یکبیتی DeepSeek V4.1-Flash-1017 را برای اجرای محلی آماده کرده است؛ مدلی ۲۵۰ گیگابایتی که حداقل ۱۲۸ گیگابایت رم نیاز دارد.

ساندار پیچای: مدیریت ایجنتهای هوش مصنوعی را از امروز بیاموزید
در یادداشتی منتسب به ساندار پیچای تأکید شده است که مهندسان باید بهجای کدنویسی خطبهخط، هدایت و مدیریت ایجنتهای هوش مصنوعی را بیاموزند.

DeepSeek-V4.1-Flash با آفلود SSD روی مک ۱۲۸ گیگابایتی اجرا میشود
Unsloth راهنمای اجرای محلی DeepSeek-V4.1-Flash-1017 را منتشر کرده است؛ نسخه یکبیتی مدل با کمک انتقال جدول Engram به SSD روی سیستمهای دارای حداقل ۱۲۸ گیگابایت حافظه اجرا میشود.
دیدگاهها
اولین نفری باش که دیدگاه میذاره