ओपनएआयने नवीन कृत्रिम बुद्धिमत्ता (एआय) मॉडेल आणि हजारो एआय बॉट्सचा वापर करून दशकांच्या जुन्या प्रगत गणिताच्या समस्येवर काही तासांत उपाय शोधला असल्याचे म्हटले आहे.
ChatGPT-निर्माता मंगळवारी सांगितले, बाह्य अंदाजे 10,000 AI एजंट्स किंवा AI बॉट्स जे काहीसे स्वायत्ततेने कार्य करतात त्यांच्या गटावर लक्ष केंद्रित करून, त्याने केवळ 88 तासांत एक कुख्यात गणिताची समस्या सोडवली.
समस्या भाग होती नेव्हियर-स्टोक्स समीकरणे, बाह्यजे द्रव कसे हलतात याची चिंता करतात. 90 वर्षांपासून समस्यांच्या महत्त्वाच्या पैलूंना पुराव्याचा अभाव आहे, योग्य गणित समीकरण अंतर्निहित युक्तिवाद.
OpenAI ने सोल्यूशनला “मैलाचा दगड” म्हणून ओळखले आणि AI टूल्स त्वरीत सुधारत असल्याचा पुरावा दिला.
OpenAI च्या सोल्यूशनची पडताळणी करणे बाकी आहे किंवा द क्ले मॅथेमॅटिक्स इन्स्टिट्यूट, यूएस स्थित गणित संस्था, जे मिलेनियम पारितोषिक चालवते जे काही गणिती समस्या सोडवण्यासाठी प्रथम व्यक्तीला मोठी रक्कम देते.
कंपनीने सांगितले की, ऑगस्टच्या अखेरीस, त्यांनी एका नवीन मॉडेलला प्रशिक्षण देण्यास सुरुवात केली ज्यामुळे ते गणितात पारंगत असल्याचे त्वरीत दिसून आले. एआय मॉडेल्स हे संगणक प्रोग्राम आहेत जे माहितीमधील नमुने ओळखण्यासाठी आणि अंदाज लावण्यासाठी मोठ्या प्रमाणात डेटावर प्रशिक्षित केले जातात.
नवीन OpenAI मॉडेल हे फक्त कंपनीमध्ये वापरले जाणारे साधन राहिले आहे, कारण ते कंपनीच्या सर्वात अलीकडील AI मॉडेलच्या रिलीझपेक्षा “लक्षणीयदृष्ट्या अधिक सक्षम” आहे, त्याच्या संशोधकांनी काही उल्लेखनीय प्रगत गणिताच्या समस्यांवर त्याचा वापर करण्याचा निर्णय घेतला.
OpenAI ने कबूल केले की गेल्या आठवड्यात 1 सप्टेंबर रोजी, “दोन मिलेनियम पारितोषिक समस्यांचे निराकरण झाल्याची अफवा ऐकली होती” आणि त्यामुळे काही उर्वरित समस्यांचे निराकरण करण्याचा प्रयत्न करण्यासाठी नवीन अंतर्गत मॉडेलवर प्रशिक्षित हजारो AI बॉट्स ठेवण्याचा निर्णय घेतला.
5 सप्टेंबरपर्यंत, किंवा 10,000 एआय बॉट्स कार्यासाठी सेट केल्यानंतर सुमारे 88 तासांनंतर, ओपनएआयने नेव्हीअर-स्टोक्स अस्तित्व आणि स्मूथनेस समस्येवर उपाय शोधला होता.
समस्या अशांततेच्या केंद्रस्थानी आहे, जी एक अशी घटना आहे जी अद्याप नीट समजलेली नाही.
AI बॉट्सना तोडगा काढण्यासाठी थोडासा वेळ लागला असला तरी, OpenAI ने सांगितले की बॉट्सने जवळपास 3 दशलक्ष संदेशांची देवाणघेवाण केली आणि 130 अब्ज आउटपुट टोकन वापरले, किंवा एकट्या Navier-Stokes वर AI मॉडेलने उत्तरांमध्ये तयार केलेल्या मजकूर आणि कोडच्या वैयक्तिक ओळींचा वापर केला.
OpenAI च्या आधारे अशा प्रयत्नासाठी अंदाजे $10m (£7.3m) खर्च आला असेल स्वतःची किंमत, बाह्य त्याच्या सर्वात प्रगत मॉडेल्समधून आउटपुटसाठी.
ओपनएआयच्या म्हणण्यानुसार ते आता नेव्हीअर-स्टोक्सच्या अस्तित्वापर्यंत पोहोचले आहे आणि सहजतेच्या समस्येने मिलेनियम प्राइजची मागणी केल्याच्या पुराव्यातील चार विधानांपैकी दोन विधाने सोडवली आहेत. विजेत्यासाठी बक्षीस $1 मिलियन इतके आहे.
“हा निकाल जाहीर करण्याचे आमचे ध्येय आमच्या AI मॉडेल्सच्या भरीव प्रगतीचा अहवाल देणे आहे”, OpenAI ने मंगळवारी सांगितले. “या निकालासाठी मिलेनियम पुरस्कारावर दावा करण्याचा आमचा हेतू नाही.”
आधीच कंपनीच्या दाव्यामुळे काही वाद निर्माण झाले आहेत.
ट्रिस्टन बकमास्टर, न्यूयॉर्क विद्यापीठातील गणिताचे प्राध्यापक, मंगळवारी सांगितले, बाह्य तो आणि Levent Alpöge, OpenAI प्रतिद्वंद्वी Anthropic साठी काम करणारे गणितज्ञ, देखील समस्येचे निराकरण करण्यासाठी काम करत होते.
हे दोघे त्यांच्या कामात ओपनएआयचे कोडेक्स टूल वापरत होते. परंतु बकमास्टर म्हणाले की 3 सप्टेंबर रोजी त्यांना कळले की “आमच्या प्रगतीबद्दलची माहिती OpenAI ला देण्यात आली आहे.”
बकमास्टरचे विधान त्याच दिवशी आले, परंतु काही तासांपूर्वी, OpenAI ने त्याचे Navier-Stokes कार्य प्रकाशित केले. “आमच्या कामाची माहिती OpenAI पर्यंत पोहोचेपर्यंत” OpenAI ने Navier-Stokes समीकरणांवर काम करण्यास सुरुवात केली नाही असा दावा त्यांनी केला. कामाबद्दल ओपनएआय सोबत देवाणघेवाण केलेल्या ईमेलमधील मजकूर आणि कंपनीच्या वेळेबद्दल आणि पद्धतींबद्दलचे त्यांचे प्रश्न त्यांनी समाविष्ट केले.
बकमास्टरने जोडले की त्याने अद्याप OpenAI चा पूर्ण पुरावा वाचलेला नाही, परंतु “मला काय सांगितले गेले, केव्हा आणि काय प्रस्तावित केले गेले होते ते सार्वजनिकपणे जाण्यास भाग पाडले … कारण पर्याय म्हणजे घोषणांचा क्रम मला खोटे आहे असे काही सांगू देणे.”
ओपनएआयने मंगळवारी बकमास्टर आणि अल्पोगेच्या “समवर्ती कार्य” चे अभिनंदन केले आणि त्याला “उल्लेखनीय” म्हटले.
कंपनीने म्हटले आहे की “त्यांनी ते सार्वजनिकरीत्या रिलीझ करेपर्यंत कोणत्याही माध्यमातून त्यांचे कोणतेही काम पाहिले नाही” आणि नेव्हीअर-स्टोक्स समस्येवरील कामात वापरकर्त्याच्या डेटामध्ये प्रवेश केला गेला नाही.
“संभाव्य नसतानाही, आम्ही नाकारू शकत नाही की आमच्या उत्पादनांच्या वापरातून मिळालेल्या डी-आयडेंटिफाईड डेटामुळे आमचे मॉडेल्स सुधारण्यात मदत झाली”, कंपनी पुढे म्हणाली. “तथापि, आमचे पुरावे लक्षणीय भिन्न आहेत आणि सिद्ध केलेले अचूक परिणाम देखील भिन्न आहेत.”
Comments are closed.