
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 OpenAI   je svoje pokušaje dokaza 14. februara za  , izazov koji su sastavila 11 vodećih matematičara sa obrazovnih institucija poput Harvarda, Yalea, Stanforda i MIT-a. objavio First Proof Izazov je set od 10 neobjavljenih matematičkih problema na istraživačkom nivou, dizajniranih posebno da budu nemogući za modele umjetne inteligencije (AI) da su ih vidjeli ranije. Cilj je razumjeti da li AI istinski   prilikom rješavanja problema, u odnosu na potencijalno   kako riješiti već poznati matematički problem. rasuđuje pamćenje Rezultati iscrpnog kviza bili su mješoviti, ali izvanredni. Na osnovu povratnih informacija stručnjaka, OpenAI vjeruje da najmanje pet pokušaja dokaza njihovih modela (problemi 4, 5, 6, 9 i 10) ima veliku šansu da budu tačni, dok je nekoliko drugih još uvijek u pregledu. Glavni naučnik Jakub Pachocki kasnije je taj broj ažurirao na šest, napisavši: "Na osnovu povratnih informacija stručnjaka, vjerujemo da najmanje šest rješenja (2, 4, 5, 6, 9, 10) ima veliku šansu da budu tačna, a nekoliko dodatnih izgleda obećavajuće." On je   da je pokušaj "bio bočni sprint izveden za nedelju dana uglavnom upitima jednom od modela koje trenutno obučavamo," priznajući da "metodologija koju smo primijenili ostavlja mnogo da se poželi." dodao https://x.com/merettm/status/2022517085193277874?s=20&embedable=true Matematičari su, međutim, već identificirali potencijalne rupe u najmanje jednom od tih šest, a konačni sud će zavisiti od formalnog recenzentskog postupka. Nisu javno najavljeni nikakvi specifični rokovi za recenzentski postupak. Pokušaj je bio rezultat jednonedjeljnog sprinta u kojem su najnoviji interni modeli OpenAI-ja radili zajedno sa ljudskim matematičarima sa stručnošću u relevantnim oblastima. Važno je napomenuti da pravila First Proof zahtijevaju da sve matematičke ideje potiču autonomno od AI-ja; ljudski unos za matematički sadržaj je izričito zabranjen, što saradnju sa stručnjacima čini tačkom provjere. Sam tim First Proof-a je utvrdio da su, bez ograničenja, AI sistemi, uključujući GPT 5.2 Pro i Gemini 3.0 Deepthink, samouvjereno proizveli dokaze za svih 10 problema, ali su samo dva izdržala stručnu recenziju. Ovo nastojanje se uklapa u šire nastojanje OpenAI-ja ka naučnom i numeričkom rasuđivanju. U julu 2025. jedan od njihovih modela osvojio je zlatnu medalju na   sa 35 od 42 boda. Međunarodnoj matematičkoj olimpijadi Nedavno je GPT-5.2 pomogao istraživačima da riješe otvoreni teorijski problem u statistici, pri čemu je ljudska uloga bila ograničena na verifikaciju i pisanje, a ne na matematičko skeliranje. Šta je First Proof? First Proof je benchmark koji su kreirali 11 istraživača matematičara, uključujući imena sa Fieldsove medalje sa Harvarda, Yalea, Columbije i EPFL-a, kako bi testirali da li AI može autonomno rješavati probleme koji nastaju u akademskom istraživanju. Za razliku od takmičarske matematike (pomislite na olimpijske probleme sa čistim numeričkim odgovorima), ovo su leme: manje, tehničke dokaze koje matematičari susreću radeći na većim rezultatima. Problemi obuhvataju polja poput algebarske topologije, spektralne teorije grafova, simplektičke geometrije i numeričke linearne algebre. Ključno je da nijedno rješenje nikada nije objavljeno na internetu prije izazova, što onemogućava bilo kakvu mogućnost kontaminacije podataka za obuku AI-ja. Rješenja su enkriptovana i objavljena 13. februara, dajući učesnicima tačno jednu sedmicu da se pozabave dokazima. Izazov dobija svoje ime po metafori pečenja: prvi dokaz je grupno dizanje tijesta, prvi korak prije nego što se išta oblikuje u konačni proizvod. Lekcija iz First Proof nije da je AI podbacio. To je da je ljestvica za ono što se smatra "rješavanjem" matematičkog problema upravo postala znatno viša. 
 
 Juan Pablo Aguirre Osorio, novinar, The Sociable

This story contains new, firsthand information uncovered by the writer.

Follow us on Twitter 

Read My Stories

Ovaj audio je proizveden na originalnom jeziku priče!

OpenAI gura neuronsku mrežu do krajnjih granica napredne matematike

About Author

KOMENTARI

HANG TAGS

OVAJ ČLANAK JE PREDSTAVLJEN U

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps