Matematycy zranieni przez OpenAI zaczynają budować własne modele AI od podstaw

By: www.laohunote.com|
0
Udostępnij
copy
Oceń nas w GoogleOceń nas w Google

Świat akademicki matematyki i wielkie firmy AI stają w obliczu narastających napięć. Po ogłoszeniu przez OpenAI, że wykorzysta AI do rozwiązania wielu problemów matematycznych, nie tylko nie zyskało to szerokiego uznania w środowisku akademickim, ale wręcz wywołało intensywne dyskusje na temat przynależności wyników badań, praw do wykorzystania danych oraz wartości rozwiązań AI. Niektórzy matematycy uważają, że firmy komercyjne przekształcają wyniki badań matematycznych w produkty i materiały marketingowe, nie szanując w wystarczającym stopniu wkładu i praw akademickich.

W tym kontekście coraz więcej matematyków zaczyna próbować omijać komercyjne firmy AI, samodzielnie rozwijając modele open source i narzędzia badawcze. Doniesienia wskazują, że profesor Sergei Gukov z California Institute of Technology prowadzi zespół, który buduje model AI specjalnie do badań matematycznych; laureat nagrody Fields, profesor Terence Tao z Uniwersytetu Kalifornijskiego w Los Angeles, dąży do stworzenia platformy współpracy AI kontrolowanej przez matematyków.

Oś sporu wykracza już poza to, czy AI może rozwiązywać problemy matematyczne, i obejmuje, kto powinien kontrolować dane badawcze, jak oceniać wyniki matematyczne generowane przez AI oraz czy środowisko akademickie może zachować autonomię w obliczu szybkiej ekspansji komercyjnego AI.

Środowisko akademickie kwestionuje OpenAI: wyniki rozwiązań i wykorzystanie danych budzą kontrowersje

Niezadowolenie matematyków z OpenAI trwa od dłuższego czasu, a obecna kontrowersja koncentruje się na dwóch kwestiach: czy odpowiedzi matematyczne generowane przez AI mają rzeczywistą wartość badawczą oraz czy firmy komercyjne mają prawo korzystać z danych i wyników badań środowiska akademickiego.

W październiku tego roku OpenAI ogłosiło, że jego model rozwiązał wiele długo nierozwiązanych problemów matematycznych, ale ta wiadomość nie spotkała się z powszechnym uznaniem w środowisku matematycznym. Niektórzy badacze uważają, że odpowiedzi opublikowane przez OpenAI nie mają wystarczającej wartości akademickiej i że matematycy muszą poświęcić tygodnie, aby ocenić, czy proces dowodzenia jest rygorystyczny i czy rzeczywiście rozwiązał problem.

Doktorant matematyki w California Institute of Technology oraz wyraźnie przeciwny AI bloger Tasmin Chu określiła te odpowiedzi jako "odpady". Uważa, że działanie OpenAI bardziej przypomina wykorzystywanie wyników badań w dziedzinie matematyki do budowania własnej reputacji, a nie rzeczywistego wspierania badań matematycznych.

Problemy związane z wykorzystaniem danych dodatkowo zaostrzyły konflikt między obiema stronami. Wcześniej dwóch matematyków oskarżyło OpenAI o nieautoryzowane wykorzystanie ich rozmów, aby pomóc w rozwiązaniu słynnego problemu Naviera-Stokesa. To zdarzenie jeszcze bardziej zaniepokoiło matematyków, którzy obawiają się, że ich interakcje z systemami AI mogą być wykorzystywane do szkolenia modeli komercyjnych lub badań bez ich zgody.

Chu postrzega działania matematyków w zakresie samodzielnego rozwoju systemów AI jako część walki o "własność środków produkcji". Przyznaje jednak, że przyszły rozwój tego trendu pozostaje niepewny.

Omijając firmy komercyjne: matematycy zaczynają budować profesjonalne modele

W obliczu dominacji komercyjnych firm AI, Gukov postanowił skupić się na rozwoju modeli. W laboratorium California Institute of Technology prowadzi zespół studentów, którzy projektują i trenują otwarte modele AI skierowane na badania matematyczne. Jak twierdzi, te modele już rozwiązały niektóre z problemów matematycznych, które OpenAI ogłosiło jako rozwiązane.

Jednak budowa modeli przez środowisko akademickie wciąż napotyka wyraźne ograniczenia możliwości. Gukov porównuje to do Ferrari: doskonałe w określonych zadaniach, ale trudne do zaspokojenia szerokich potrzeb użytkowników.

Obecnie te modele są w większości zoptymalizowane pod kątem określonego rodzaju problemów matematycznych, a gdy są proszone o wnioskowanie międzydziedzinowe, ich możliwości stają się wyraźnie ograniczone. W przeciwieństwie do tego modele komercyjnych firm AI, takich jak Anthropic, mają większą uniwersalność i są w stanie radzić sobie z problemami matematycznymi z różnych dziedzin. Gukov stwierdził, że jego zespół pracuje nad modelami o większej uniwersalności, ale obecnie nie są one gotowe.

Mimo to, Gukov ma pozytywne nastawienie do udziału AI w badaniach matematycznych, uważając, że ta dziedzina jest pełna możliwości eksploracyjnych. Opisał obecne badania AI jako odkrywanie Nowego Świata przez Kolumba, co jest ekscytujące.

Matematycy nie osiągnęli konsensusu: Tao promuje stworzenie autonomicznej platformy

Inicjatywa budowy własnych modeli nie oznacza, że środowisko matematyczne osiągnęło jednolitą pozycję. Wciąż istnieją wyraźne różnice wśród naukowców dotyczące tego, czy AI powinno wchodzić w badania matematyczne.

Przeciwnicy AI, tacy jak Chu, chcą jak najdłużej utrzymać tradycyjne metody badawcze. Twierdzi, że nadal pragnie prowadzić badania matematyczne bez polegania na AI i uważa, że ta droga jest nadal wykonalna. Inna grupa młodych matematyków jest bardziej pozytywnie nastawiona do AI, uważając, że nowa technologia może przynieść przełom w badaniach matematycznych, a niektórzy postrzegają to jako okazję do zmiany istniejącego modelu badawczego.

Tao stara się znaleźć równowagę między obiema stronami. Niedawno zaprezentował na California Institute of Technology Open Math OS, platformę stworzoną przez jego organizację non-profit. Ta platforma integruje nowoczesne modele AI open source, zasoby obliczeniowe w chmurze i narzędzia współpracy, koncentrując się na tym, aby matematycy mogli samodzielnie decydować, jak wykorzystywane są dane badawcze, a nie oddawać całkowicie kontrolę nad danymi komercyjnym firmom AI.

Od profesjonalnych modeli po autonomiczne platformy współpracy, matematycy próbują stworzyć system technologiczny różniący się od komercyjnych firm AI. Ich kluczowe żądanie to nie tylko lepsze rozwiązywanie problemów matematycznych przez AI, ale także zachowanie kontroli nad danymi badawczymi, wynikami wiedzy i sposobami ich wykorzystania.

W miarę jak udział AI w badaniach matematycznych rośnie, konflikt między technologiczną przewagą modeli komercyjnych a autonomią danych w środowisku akademickim będzie się utrzymywał. Kluczowym pytaniem w tej debacie pozostaje, czy matematycy będą w stanie stworzyć autonomiczną ekosystem badawczy, który będzie w stanie konkurować z dużymi firmami AI.

Cena --

--
--
--

Niniejsza treść ma charakter wyłącznie informacyjny i nie stanowi porady finansowej, inwestycyjnej, prawnej ani podatkowej. Wszelkie wydarzenia, nagrody, promocje online lub powiązane informacje, o których tu mowa, nie powinny być traktowane jako rekomendacja, zachęta ani zaproszenie do kupna, sprzedaży, wymiany lub innego rodzaju obrotu aktywami kryptograficznymi. Aktywa kryptograficzne charakteryzują się dużą zmiennością i mogą prowadzić do strat. Dostępność usług, produktów i powiązanych wydarzeń WEEX może się różnić w zależności od regionu. Użytkownik jest odpowiedzialny za upewnienie się, że jego udział jest zgodny z obowiązującymi lokalnymi przepisami i regulacjami.

Możesz również polubić

iconiconiconiconiconiconiconiconicon
Obsługa klienta:@weikecs
Współpraca biznesowa:@weikecs
Quant trading i MM:[email protected]
Program VIP:[email protected]