Predstavljamo napredek umetne inteligence v matematiki
Objavljamo širok nabor novih matematičnih rezultatov, ki jih je ustvaril interni prelomni model.
Da bi poenotili način deljenja rezultatov z matematično skupnostjo, se o razvoju dobrih praks posvetujemo z neodvisno Svetovalno skupino za matematiko in umetno inteligenco pri Inštitutu za napredne študije(odpre se v novem oknu). Njene nasvete in javna priporočila(odpre se v novem oknu) vključujemo v način objavljanja teh rezultatov.
Tokrat rezultate objavljamo v repozitoriju na GitHubu, skupaj s protokoli za posodabljanje in citiranje člankov. Še naprej preučujemo druge možnosti za to objavo na platformah, ki jih gosti skupnost in ki izpolnjujejo smernice odbora. Pri prihodnjih objavah smo zavezani nadaljnjemu izboljševanju kakovosti člankov z boljšim navajanjem virov, matematično razlago in predstavitvijo rezultatov, da bodo ti lažje razumljivi.
V našem repozitoriju na GitHubu delimo tudi formalizacije številnih dokazov v jeziku Lean, programskem jeziku, ki omogoča računalniško preverjanje matematičnih dokazov. Repozitorij bomo dopolnjevali z novimi formalizacijami, ko jih pridobimo.
Za spodbujanje preglednosti in odprtosti v znanosti v repozitoriju objavljamo tudi dodatne podrobnosti o tem, kako smo prišli do rezultatov. Te vključujejo 10 povzetkov sklepanja modela, ocene porabljenih računskih virov, izražene z obsegom uporabe modela Pro v ChatGPT, in statistične podatke o številu problemov, ki jih je model poskušal rešiti. Za posamezen rezultat je bilo v povprečju porabljenih približno toliko računskih virov kot za tri ure razmišljanja v ChatGPT Pro.
Želimo, da ta napredek premakne meje človeškega znanja in omogoči nadaljnji napredek v matematiki. Financirali bomo vrsto delavnic, konferenc in posebnih programov, namenjenih razumevanju pomembnih rezultatov, ki jih je ustvarila umetna inteligenca. Več o tem bomo povedali v bližnji prihodnosti.
Znanstvenikom želimo omogočiti neposreden dostop do najnaprednejših zmogljivosti, zato si prizadevamo za odgovorno objavo modela, ki je ustvaril te rezultate. Zato je pomembno, da še naprej vrednotimo naše interne prelomne modele na področju matematike in drugih znanosti ter tako pospešimo razvoj orodij za napredek na teh področjih. Še naprej bomo upoštevali povratne informacije skupnosti in posodabljali naše standarde za prihodnje objave pomembnih znanstvenih dosežkov.
