OpenAIने तीन नवे संशोधन-दावे प्रसिद्ध केले
गणित, संगणकशास्त्र आणि भौतिकशास्त्राशी संबंधित तीन महत्त्वाचे शोध सादर केल्याचे OpenAIने जाहीर केले आहे. AI-निर्मित वैज्ञानिक निष्कर्ष प्रसिद्ध करण्याच्या पद्धतीतही कंपनीने बदल केला आहे.
तीनपैकी दोन क्षेत्रांत बाहेरील तज्ज्ञांना सहभागी करून घेण्यात आले असून, स्वतंत्र संशोधकांना तपासता यावे म्हणून मूलभूत सामग्री सार्वजनिक करण्यात आली आहे.
प्रसिद्ध केलेल्या निष्कर्षांमध्ये Euclidean wave equation साठी local smoothing, संगणकशास्त्रातील Exponential Time Hypothesis खोटी ठरवण्याचा दावा आणि भौतिकशास्त्रातील आणखी एक निष्कर्ष यांचा समावेश आहे.
या घोषणेचे महत्त्व केवळ दाव्यांमध्ये नाही, तर AI-निर्मित कामाचे मूल्यांकन, स्पष्टीकरण आणि प्रसार करण्यासाठी विषयतज्ज्ञांना सहभागी करून घेण्याच्या प्रक्रियेतही आहे.
बाहेरील तज्ज्ञ कामाची तपासणी करतील
संगणकशास्त्र आणि भौतिकशास्त्रातील निष्कर्षांसाठी “shepherds” म्हणून ओळखले जाणारे बाहेरील तज्ज्ञ मार्गदर्शन करत असल्याचे OpenAIने सांगितले. गणिताच्या बाबतीत, संशोधकांनी स्वतःची स्पष्टीकरणे विकसित करावीत म्हणून AI output प्रसिद्ध करण्याची शिफारस सल्लागारांनी केली.
दावा आणि संशोधनसमुदायाने स्वीकारलेला निष्कर्ष एकच नसतो. स्वतंत्र तपासणीमुळे गृहितके तपासणे, प्रत्येक टप्पा पडताळणे आणि दाव्याच्या अटींचे मूल्यांकन करणे शक्य होते.
Russell Impagliazzo, Ramamohan Paturi आणि Ryan Williams यांच्या नेतृत्वाखालील स्वतंत्र संगणकशास्त्र गट proof तपासून त्याचे स्पष्टीकरण देणार आहे.
सार्वजनिक प्रकाशनामुळे पुनरुत्पादन, टीका आणि पर्यायी स्पष्टीकरणांना संधी मिळते; मात्र त्यामुळे निष्कर्ष आपोआप योग्य ठरत नाही.
Wave equations आणि प्रमुख conjectures बाबत दावा
OpenAIने प्रसिद्ध केलेल्या एका लेखाचे शीर्षक Local smoothing for the Euclidean wave equation आहे. auxiliary partial differential equation वापरून किमान दोन spatial dimensions मध्ये waves साठी Sogge’s local smoothing result सिद्ध केल्याचा कंपनीचा दावा आहे.
याच कामातून Kakeya maximal आणि dimension conjectures तसेच conjectured range च्या अंतर्गत Stein’s spherical restriction estimates मिळतात, असे प्रकाशनात म्हटले आहे.
ही mathematical analysis मधील अत्यंत तांत्रिक विधाने आहेत. घोषणा स्वतः त्यांची स्थिती सिद्ध करत नाही; ती AI-generated argument मांडून संशोधकांना त्याचा अभ्यास करण्याचे निमंत्रण देते.
संगणकशास्त्रातील मूलभूत hypothesis ला आव्हान
The Exponential Time Hypothesis is False या paper मध्ये fixed-width CNF formulas मधील satisfying assignments मोजण्यासाठी subexponential time आणि polynomial space वापरणारा deterministic algorithm दिल्याचे OpenAIचे म्हणणे आहे.
3-SATच्या बाबतीत यामुळे Exponential Time Hypothesis खोटी ठरेल, असे कंपनी म्हणते. Computational problems च्या संभाव्य वेळेच्या गरजा समजून घेण्यासाठी theoretical computer science मध्ये ही hypothesis महत्त्वाची आहे.
AI-सहाय्यित विज्ञानासाठी वेगळी पद्धत
ही घोषणा एक महत्त्वाचा प्रश्न उपस्थित करते: एखाद्या model ने महत्त्वाचे ठरू शकणारे, पण वैज्ञानिकांना लगेच पडताळता न येणारे काम तयार केले तर काय करावे?
OpenAIची पद्धत hybrid process आहे. Model output सार्वजनिक करण्यात आले असून स्वतंत्र तज्ज्ञ त्याची तपासणी आणि व्याख्या करत आहेत.
हे दावे स्वीकारलेले निष्कर्ष ठरतील की नाही, हे proofs आणि arguments च्या स्वतंत्र परीक्षणावर अवलंबून राहील.
This article is based on reporting by The Verge. Read the original article.
Originally published on theverge.com


