Az OpenAI „Astra” modellje megoldott régóta nyitott matematikai problémákat

Az OpenAI nemrégiben bejelentette legújabb technológiai áttörését: az Astra, a vállalat következő generációs modellcsaládjának belső verziója tíz olyan komplex matematikai és számítástudományi problémát oldott meg, amelyek évtizedek óta vártak megoldásra. A tudományos közösséget különösen az döbbentette meg, hogy a modell olyan szakterületeken ért el eredményeket, mint a geometria, a csoportelmélet vagy a kvantumkomplexitás. Az elért sikerek közül kiemelkedik egy 1999 óta megoldatlan rejtély: az Astra bebizonyította a non-sofic csoportok létezését, létrehozva ezzel az első olyan szimmetriastruktúrát, amelyet korábban egyetlen véges keverés sem tudott megfelelően utánozni. Emellett a modell olyan tekintélyes kihívásokkal is megbirkózott, mint Alain Connes merevségi sejtése, az Ehrhart-térfogat sejtése, valamint három olyan probléma, amely Paul Erdős híres listáján szerepelt, és amelyeken az elmúlt tíz évben nem történt érdemi előrelépés.

A fejlesztés technikai háttere legalább annyira lenyűgöző, mint maguk a megoldások. Az OpenAI csapata a Lean nevű, formális verifikációt végző szoftverrel hitelesítette az összes bizonyítást, így kizárva a tévedés lehetőségét, a CoT (Chain of Thought) levezetéseket pedig a transzparencia jegyében nyilvánosságra hozták. Különösen figyelemre méltó az elért eredmények gazdasági hatékonysága: a teljes folyamat – az összes sikeres futtatást számítva – mindössze körülbelül 2000 dollárba került a standard API árakat alapul véve. A felfedezés hitelességét igazolja, hogy az Anthropic egyik kutatója, Levent Alpoge alig huszonnégy órán belül képes volt a tíz bizonyítás felét reprodukálni a Fable modell segítségével, méghozzá úgy, hogy ehhez nem volt szüksége internetkapcsolatra, csupán egy általános promptra.

Ez a mérföldkő alapjaiban kérdőjelezi meg a tudományos teljesítményről alkotott eddigi elképzeléseinket, és heves vitákat indított el a szakmai közösségben. A legfontosabb kérdés jelenleg az, hogy vajon érdemesek-e ezek a gépi bizonyítások olyan rangos elismerésekre, mint a Fields-érem, amelyeket eddig kizárólag embereknek ítéltek oda. Bár a kérdés elsőre egyszerűnek tűnik, a válasz mélyreható etikai és filozófiai vitákat gerjeszt a „gépi gondolkodás” és a kreativitás természetéről. Ugyanakkor az Astra teljesítménye túlmutat az elméleti matematikán: az, hogy egy LLM ilyen alacsony költségek mellett képes áttöréseket elérni, előrevetíti az AI alkalmazását az olyan kritikus területeken, mint a gyógyszerkutatás vagy az anyagtudomány. A technológia képessége, hogy komplex rendszereket elemezzen és megoldásokat generáljon, a tudományos kutatás és a technológiai innováció teljesen új korszakát nyithatja meg.