OpenAI మూడు కొత్త పరిశోధనా వాదనలను విడుదల చేసింది

గణితం, కంప్యూటర్ సైన్స్ మరియు భౌతిక శాస్త్రంలో మూడు ప్రధాన ఆవిష్కరణలను ప్రకటించిన OpenAI, AI రూపొందించిన శాస్త్రీయ ఫలితాలను విడుదల చేసే విధానంలో మార్పును కూడా ప్రకటించింది.

మూడు రంగాల్లో రెండింటికి బాహ్య నిపుణులను చేర్చామని, స్వతంత్ర పరిశోధకులు పరిశీలించేందుకు మూల పదార్థాలను ప్రజలకు అందుబాటులో ఉంచామని సంస్థ తెలిపింది.

విడుదల చేసిన ఫలితాల్లో Euclidean wave equation కోసం local smoothing, కంప్యూటర్ సైన్స్‌లో Exponential Time Hypothesis ను ఖండిస్తుందని చెప్పబడుతున్న ఫలితం, అలాగే భౌతిక శాస్త్రానికి సంబంధించిన మరో ఫలితం ఉన్నాయి.

ఈ ప్రకటన ప్రాధాన్యం వాదనల్లో మాత్రమే కాదు; AI రూపొందించిన పత్రాలను రంగ నిపుణులు అంచనా వేసి, వివరించి, ప్రజలకు తెలియజేయడంలోనూ ఉంది.

బాహ్య నిపుణులు పరిశోధనను పరిశీలిస్తున్నారు

కంప్యూటర్ సైన్స్ మరియు భౌతిక శాస్త్ర ఫలితాలకు “shepherds”గా పిలువబడే బాహ్య నిపుణులు మార్గనిర్దేశం చేస్తున్నారని OpenAI తెలిపింది. గణిత ఫలితాన్ని పరిశోధకులు స్వయంగా వివరించేందుకు దాన్ని విడుదల చేయాలని సలహాదారులు సూచించారు.

ఒక వాదన మరియు పరిశోధనా సమాజం అంగీకరించిన ఫలితం ఒకటే కాదు. స్వతంత్ర పరిశీలన ఊహలను పరీక్షించి, ప్రతి దశను ధృవీకరించడానికి అవసరం.

Russell Impagliazzo, Ramamohan Paturi మరియు Ryan Williams నేతృత్వంలోని స్వతంత్ర కంప్యూటర్-సైన్స్ బృందం proof ను పరిశీలించి వివరించనుంది.

ప్రజా విడుదల పునరావృత పరీక్ష, విమర్శ మరియు ప్రత్యామ్నాయ వివరణలకు అవకాశం ఇస్తుంది; అయితే అది సరైనదని నిర్ధారించదు.

Wave equations మరియు ప్రధాన conjectures పై వాదన

OpenAI విడుదల చేసిన ఒక పత్రం పేరు Local smoothing for the Euclidean wave equation. కనీసం రెండు spatial dimensionsలో waves కోసం Sogge’s local smoothing result ను auxiliary partial differential equation ద్వారా స్థాపిస్తుందని సంస్థ తెలిపింది.

అదే పని Kakeya maximal మరియు dimension conjectures తో పాటు conjectured range లోపల Stein’s spherical restriction estimates ను కూడా అందిస్తుందని విడుదల పేర్కొంది.

ఇవి mathematical analysisలో అత్యంత సాంకేతిక వాదనలు. ప్రకటన ఒక్కటే వాటి స్థితిని నిర్ధారించదు; AI-generated argument ను పరిశీలించమని పరిశోధకులను ఆహ్వానిస్తుంది.

కంప్యూటర్ సైన్స్‌లోని కీలక hypothesis కు సవాలు

The Exponential Time Hypothesis is False అనే paper, fixed-width CNF formulasలో satisfying assignments ను subexponential time మరియు polynomial spaceలో లెక్కించే deterministic algorithm ను అందిస్తుందని OpenAI తెలిపింది.

3-SAT విషయంలో ఇది Exponential Time Hypothesis ను ఖండిస్తుందని సంస్థ చెబుతోంది. Computational problems యొక్క సమయ అవసరాలను అర్థం చేసుకోవడంలో ఈ hypothesis theoretical computer scienceలో ముఖ్యమైనది.

AI సహాయక శాస్త్రానికి వేరే నమూనా

ఈ విడుదల ఒక ప్రశ్నను లేవనెత్తుతోంది: ముఖ్యమైనదిగా ఉండగలిగినప్పటికీ వెంటనే ధృవీకరించలేని model output వచ్చినప్పుడు ఏమి చేయాలి?

OpenAI యొక్క విధానం hybrid process. Model output ను ప్రజలకు అందుబాటులో ఉంచి, స్వతంత్ర నిపుణులు దాన్ని పరిశీలించి వివరించనున్నారు.

ఈ వాదనలు అంగీకరించబడిన ఫలితాలవుతాయా అనేది proofs మరియు arguments పై స్వతంత్ర సమీక్షపై ఆధారపడి ఉంటుంది.

This article is based on reporting by The Verge. Read the original article.

Originally published on theverge.com