Progrès d'OpenAI en mathématiques

OpenAI rapporte qu'un nouveau modèle interne a résolu plus de 100 problèmes mathématiques de longue date, incluant les équations de Navier-Stokes. Environ 10 000 agents IA ont collaboré pour atteindre ces résultats en seulement 24 jours.

Face à la rapidité des découvertes, OpenAI a formé un groupe consultatif indépendant. L'objectif est de définir comment valider et partager ces résultats mathématiques avec la communauté scientifique.

Le projet a duré 24 jours, utilisant un apprentissage par renforcement massif sur un modèle pré-entraîné. Le système a intégré des versions améliorées du modèle en temps réel pour optimiser la recherche de solutions.

Avant cette étape, OpenAI avait déjà résolu 10 problèmes complexes en août via le modèle Astra. Ces travaux ont été formalisés en preuves Lean, avec un coût opérationnel estimé à 2 000 dollars en jetons API.

Le modèle a résolu le problème du millénaire de Navier-Stokes en construisant un contre-exemple. Il a démontré mathématiquement que des singularités de vitesse peuvent apparaître dans certains flux fluides tout en maintenant une énergie finie.

Environ 10 000 agents ont exploré diverses approches simultanément, avec Codex coordonnant les résultats intermédiaires. La vérification finale via l'outil Lean a pris 17 heures supplémentaires après 88 heures de recherche.

Des rapports suggèrent qu'OpenAI se rapproche de la résolution de la conjecture de Hodge. Bien qu'aucune annonce officielle n'ait été faite, l'intérêt pour ce domaine distinct confirme l'ampleur des recherches internes.

L'identité du modèle, potentiellement lié au projet 'Bel', reste incertaine. OpenAI précise seulement qu'il surpasse largement Astra, soulevant des questions sur l'intégration de ces capacités dans les futurs produits publics.

OpenAI développe des 'internes de recherche automatisés' capables de gérer des tâches complexes. Cette méthode pourrait transformer la rédaction de code, la conception d'expériences et l'analyse de données scientifiques.

La mesure du succès ne se limite plus au nombre de problèmes résolus, mais à la fiabilité du modèle. Les tests montrent que le nouveau modèle surpasse Astra à charge de calcul égale.

Des experts comme Timothy Gowers et Edward Witten conseillent OpenAI sur les normes académiques. Ils évaluent comment fournir aux mathématiciens des outils pour explorer leurs propres problèmes.

La conférence DevDay pourrait révéler si ces méthodes de recherche multi-agents seront accessibles aux développeurs. L'intégration de ces outils pourrait radicalement changer la productivité des chercheurs.

L'avenir réside dans l'utilisation de ces agents par des chercheurs externes. À terme, chaque scientifique pourrait déployer des milliers d'agents IA pour accélérer ses propres travaux de recherche.

Les détails complets sur le groupe consultatif et les avancées en mathématiques sont disponibles sur le site officiel d'OpenAI.