Vi publiserer et bredt spekter av nye matematiske resultater utarbeidet av en intern banebrytende modell.
Vi ønsker å standardisere hvordan vi deler resultater med matematikkmiljøet. Derfor har vi rådført oss med den uavhengige rådgivningsgruppen for matematikk og kunstig intelligens ved Institute for Advanced Study(åpnes i et nytt vindu) for å utvikle beste praksis. Vi innarbeider rådene og de offentlige anbefalingene(åpnes i et nytt vindu) deres i måten vi publiserer disse resultatene på.
Denne gangen publiserer vi resultatene i et GitHub-lager, med retningslinjer for revisjon av artiklene og kildehenvisninger. Vi fortsetter å utforske andre publiseringsalternativer som drives av fagmiljøet og oppfyller komiteens retningslinjer. Ved fremtidige publiseringer vil vi forbedre kvaliteten på artiklene ytterligere gjennom bedre kildehenvisninger, matematiske fremstillinger og presentasjon av resultatene, slik at de blir lettere å forstå.
I GitHub-lageret vårt deler vi også formaliseringer av mange av bevisene i Lean, et programmeringsspråk som gjør det mulig å kontrollere matematiske bevis med en datamaskin. Vi vil oppdatere lageret med flere formaliseringer etter hvert som de blir klare.
For å fremme vitenskapelig innsyn og åpenhet publiserer vi også flere detaljer i lageret om hvordan vi kom frem til resultatene. Dette omfatter 10 sammendrag av modellens resonnering, anslag over hvor mye regnekraft som ble brukt, uttrykt som Pro-bruk i ChatGPT, og statistikk over antall problemer modellen forsøkte å løse. For hvert resultat ble det i gjennomsnitt brukt like mye regnekraft som omtrent tre timers tenking i ChatGPT Pro.
Vi ønsker at disse fremskrittene skal flytte grensene for menneskelig kunnskap og legge til rette for videre fremskritt innen matematikk. Vi vil finansiere en rekke arbeidsseminarer, konferanser og særskilte programmer for å øke forståelsen av viktige resultater utarbeidet av KI. Vi deler mer om dette i nær fremtid.
Vi ønsker å gi forskere direkte tilgang til det fremste innen KI, og jobber med å gjøre modellen som utarbeidet disse resultatene, tilgjengelig på en ansvarlig måte. Derfor er det viktig at vi fortsetter å evaluere de interne banebrytende modellene våre innen matematikk og andre vitenskaper. Slik kan vi utvikle verktøy raskere og bidra til fremskritt på disse feltene. Vi vil fortsette å følge opp tilbakemeldinger fra fagmiljøet og oppdatere standardene våre for fremtidig offentliggjøring av store vitenskapelige fremskritt.
