Udostępniamy szeroki zakres nowych wyników matematycznych uzyskanych przez wewnętrzny model pionierski.
Chcemy ujednolicić sposób udostępniania wyników społeczności matematycznej. W tym celu konsultujemy się z niezależną Grupą Doradczą ds. Matematyki i Sztucznej Inteligencji przy Institute for Advanced Study(otwiera nowe okno), aby opracować najlepsze praktyki. Uwzględniamy jej wskazówki i publiczne zalecenia(otwiera nowe okno) w sposobie publikowania tych wyników.
Tym razem publikujemy wyniki w repozytorium na GitHubie wraz z zasadami wprowadzania zmian w pracach i ich cytowania. Nadal szukamy innych możliwości udostępnienia tych wyników na platformach prowadzonych przez społeczność, które spełniają wytyczne grupy doradczej. Przy kolejnych publikacjach zamierzamy dalej podnosić jakość prac, udoskonalając odniesienia do literatury, objaśnienia matematyczne i sposób prezentacji wyników, aby ułatwić ich zrozumienie.
W naszym repozytorium na GitHubie udostępniamy formalizacje wielu dowodów w Lean — języku programowania umożliwiającym komputerową weryfikację dowodów matematycznych. Będziemy uzupełniać repozytorium o kolejne formalizacje w miarę ich uzyskiwania.
Aby wspierać przejrzystość i otwartość nauki, publikujemy też w repozytorium dodatkowe informacje o tym, jak uzyskaliśmy te wyniki. Obejmują one 10 podsumowań rozumowania modelu, szacunki wykorzystanych zasobów obliczeniowych w przeliczeniu na korzystanie z Pro w ChatGPT oraz statystyki dotyczące liczby problemów, które próbowano rozwiązać. Uzyskanie jednego wyniku wymagało średnio zasobów obliczeniowych odpowiadających około trzem godzinom myślenia ChatGPT Pro.
Chcemy, aby te osiągnięcia poszerzały granice ludzkiej wiedzy i umożliwiały dalszy rozwój matematyki. Sfinansujemy cykl warsztatów, konferencji i specjalnych programów poświęconych zrozumieniu przełomowych wyników uzyskanych przez AI. Więcej informacji na ten temat podamy w najbliższej przyszłości.
Chcemy dać naukowcom bezpośredni dostęp do najnowocześniejszych możliwości i pracujemy nad odpowiedzialnym udostępnieniem modelu, który uzyskał te wyniki. Dlatego tak ważne jest dalsze ocenianie naszych wewnętrznych modeli pionierskich w matematyce i innych naukach. Dzięki temu możemy szybciej rozwijać narzędzia wspierające postęp w tych dziedzinach. Będziemy nadal uwzględniać uwagi społeczności i aktualizować nasze standardy dotyczące przyszłych publikacji przełomowych osiągnięć naukowych.
