Matemáticos contestam prova da OpenAI para problema de Navier-Stokes
Especialistas questionam a abordagem da OpenAI em prova de Navier-Stokes e apontam dúvidas sobre a real utilidade do uso de 10.000 agentes de IA.
Resumo rápido
- Matemáticos afirmam que a prova de Navier-Stokes da OpenAI difere da abordagem original divulgada pela empresa.
- A empresa aplicou 10.000 instâncias de modelos no projeto, mas não se sabe a contribuição exata desse sistema.
- Pesquisador da OpenAI estima que menos de 10% do sucesso se deve à estrutura com múltiplos agentes.
Entenda o contexto
A OpenAI é uma empresa de pesquisa e desenvolvimento de inteligência artificial. O estudo aborda a verificação de demonstrações matemáticas complexas em linguagens formais como o Lean, em meio às divergências sobre o uso de múltiplos agentes e repositórios de dados na pesquisa científica.
Em início de setembro, a OpenAI apresentou uma demonstração potencial de 166 páginas para o problema de Navier-Stokes, alegando ter seguido a abordagem dos matemáticos espanhóis Diego Córdoba e Luis Martínez-Zoroa. Contudo, diversos especialistas contestaram essa afirmação. Segundo reportagem do veículo The Decoder, o matemático Gonzalo Cao-Labora, da EPFL, afirmou que o exame dos detalhes revela uma estratégia diferente, mantendo apenas semelhanças superficiais com o trabalho citado.
O documento foi redigido em Lean, uma linguagem de verificação formal que valida etapas lógicas, mas não torna o conteúdo legível para humanos sem análise adicional. O Clay Mathematics Institute vem revisando a proposta desde a publicação. Antes do lançamento, o matemático Tristan Buckmaster, da NYU, acusou a OpenAI de construir o resultado com base no trabalho que ele e Levent Alpöge, da Anthropic, realizaram com modelos públicos. A OpenAI negou a alegação, afirmando que não utilizou dados de Buckmaster, enquanto Camillo De Lellis, do Institute for Advanced Study, avalia que uma resposta definitiva é improvável pelo fato de os modelos de linguagem funcionarem como caixas-pretas.
Computação e incertezas sobre o uso de agentes
Para desenvolver a proposta, a OpenAI empregou cerca de 10.000 instâncias de modelos por aproximadamente 88 horas e 130 bilhões de tokens. Apesar desse volume computacional, não há clareza sobre o ganho real fornecido pela estrutura. O pesquisador Noam Brown, da própria OpenAI, relatou que ninguém sabe exatamente o que a frota de agentes acrescentou ao resultado final. Segundo Brown, menos de 10% do sucesso é atribuível à configuração de múltiplos agentes, e o fator determinante foi o próprio modelo base atuando em paralelo por longos períodos.
Testes comparativos para medir a vantagem de milhares de agentes em relação a um único modelo não foram realizados devido aos altos custos. A publicação de cerca de 400 outros resultados de forma solta no GitHub no início de outubro também gerou descontentamento na comunidade científica, conforme reportado. Para acompanhar como essas tecnologias impactam o meio acadêmico, veja como a uso de IA em provas matemáticas gera debate entre pesquisadores e a reação do setor quando a OpenAI gera atritos com matemáticos devido a anúncios de IA.
Referências
- Reportagem consultada: The Decoder
Links para conferência: não indicam endosso das fontes ao conteúdo do portal.
Gostou? Compartilhe:
Comentários 0
Ninguém comentou ainda. Seja o primeiro!
