Vi offentliggør en bred vifte af nye matematiske resultater fra en intern banebrydende model.
Vi arbejder på at standardisere, hvordan vi deler resultater med matematikmiljøet. Derfor har vi rådført os med den uafhængige rådgivningsgruppe for matematik og kunstig intelligens ved Institute for Advanced Study(åbner i et nyt vindue) for at udvikle bedste praksis. Vi indarbejder gruppens råd og offentlige anbefalinger(åbner i et nyt vindue) i den måde, vi offentliggør disse resultater på.
Denne gang offentliggør vi resultaterne i et GitHub-lager med retningslinjer for revision af artikler og kildehenvisninger. Vi undersøger fortsat andre muligheder for at offentliggøre disse resultater på platforme, som drives af fagmiljøet og opfylder udvalgets retningslinjer. Ved fremtidige offentliggørelser vil vi fortsat forbedre artiklernes kvalitet gennem kildehenvisningerne, den matematiske fremstilling og præsentationen af resultaterne, så de bliver lettere at forstå.
I vores GitHub-lager deler vi formaliseringer af mange af beviserne i Lean, et programmeringssprog, der gør det muligt at kontrollere matematiske beviser med en computer. Vi opdaterer lageret med flere formaliseringer, efterhånden som de bliver klar.
For at fremme videnskabelig gennemsigtighed og åbenhed offentliggør vi også flere detaljer i lageret om, hvordan vi nåede frem til resultaterne. Det omfatter 10 opsummeringer af modellens ræsonnering, skøn over den anvendte beregningskraft udtrykt som brug af Pro i ChatGPT samt statistik over antallet af problemer, modellen har forsøgt at løse. Hvert resultat krævede i gennemsnit beregningskraft svarende til omtrent tre timers tænkning i ChatGPT Pro.
Vi ønsker, at disse fremskridt skal flytte grænserne for menneskelig viden og muliggøre yderligere fremskridt inden for matematik. Vi vil finansiere en række workshops, konferencer og særlige programmer med fokus på at forstå væsentlige resultater frembragt af AI. Vi fortæller mere om dette i den nærmeste fremtid.
Vi vil give forskere direkte adgang til de mest avancerede muligheder og arbejder på at frigive den model, der frembragte disse resultater, på en ansvarlig måde. Derfor er det vigtigt, at vi fortsat evaluerer vores interne banebrydende modeller inden for matematik og andre videnskaber, så vi hurtigere kan udvikle værktøjer, der bringer disse fagområder videre. Vi vil fortsat handle på feedback fra fagmiljøet og opdatere vores standarder for fremtidig offentliggørelse af væsentlige videnskabelige fremskridt.
