اپنایآی میگوید آسترا برای ۱۰ مسئلهٔ دیرینه اثباتهای ماشینی قابلاعتبارسازی تولید کرده
اپنایآی گزارش کرده نسخهٔ داخلی مدل مرزیاش، «آسترا»، توانسته برای ده مسئلهٔ دیرینه در ریاضیات و علوم نظری محاسبات، اثباتهایی تولید کند که با ابزارهای ماشینی قابلاعتبارسازی هستند. اجرای این فرایند معادل هزینهٔ توکن حدود ۲۰۰۰ دلار برآورد شده و محاسبهٔ این رقم بر اساس نرخهای APIِ جیپیتی-5.6 سول صورت گرفته است.
جزئیات فنی و محدودهٔ نتایج
اپنایآی مدل را عمومی نکرده و تأکید کرده تمام اثباتها نیازمند بازبینی فنی و ارزیابی توسط ریاضیدانان انسانی هستند. برآورد ۲۰۰۰ دلاری صرفاً هزینهٔ اجرای استنتاج با آن حجم توکن را نشان میدهد و هزینهٔ آموزش مدل، زیرساخت یا دستمزد خبرگان را شامل نمیشود. برای توضیح مفاهیم پایهای مرتبط میتوانید به صفحهٔ اثبات قضیهٔ خودکار (ویکیپدیا) مراجعه کنید.
چرا هزینهٔ توکن اهمیت دارد؟
قیمتگذاری اعلامشده تصویری عملی از «بودجهٔ استنتاجی» ارائه میدهد: پژوهشگاهها و شرکتها میتوانند برآورد کنند برای هر تلاش استنتاجی چقدر هزینه لازم است. برخلاف هزینههای آموزش و زیرساخت که معمولاً سنگین و نامنظماند، بودجهٔ استنتاج از طریق فراخوان API قابل برنامهریزی و پیشبینی است.
نمونههایی از کاربردهای قابل برنامهریزی
- تیمهای دانشگاهی با بودجهٔ محدود میتوانند چند هزار دلار برای بررسی یک قضیه کنار بگذارند.
- شرکتهای دارویی ممکن است بودجهای بزرگتر برای محدود کردن فضای جستوجو و یافتن اثباتهای کاربردی تخصیص دهند.
- استارتاپها نیازی به سرمایهگذاری اولیه در سختافزار یا آموزش مدل از صفر ندارند و میتوانند دسترسی به استدلال مرزی را اجاره کنند.
محدودیتها و عدم تضمین نتیجه
هزینهٔ بیشتر تضمینکنندهٔ موفقیت نیست؛ ممکن است هزاران دلار صرف شود و اثری حاصل نشود. این نوع عدم قطعیت ذات هر پژوهش اکتشافی است و دسترسی به API تنها یک گزینهٔ دیگر برای پیگیری راهحلها فراهم میآورد.
پیامدها برای پژوهش و صنعت
نوآم براون از اپنایآی اشاره کرده مدلِ آزمایشی در اجرا از توان محاسباتی نسبتاً محدودی استفاده کرده و امکان دسترسی به بودجههای استنتاج بزرگتر وجود دارد. اگر دسترسی کنترلشده به مدلهای مرزی از طریق API رایج شود، مؤسسات پژوهشی میتوانند تصمیمهای پژوهشی را بر اساس بودجهٔ استنتاج اتخاذ کنند، نه فقط گزارشهای عمومی دربارهٔ قابلیتها.
چه گروههایی از این تغییر بهره میبرند؟
- تیمهای کوچک پژوهشی با منابع محدود که بهجای سرمایهگذاری کلان روی زیرساخت، هزینهٔ مشخصی برای هر تلاش امتحانی کنار میگذارند.
- شرکتهایی که ارزش مالی مشخصی برای حل یک مسئله قائلاند، مانند کشف دارو یا بهینهسازی طراحی.
- توسعهدهندگان ابزارهای پژوهشی که میتوانند خدمات مبتنی بر بودجهٔ استنتاج ارائه دهند.
نگاهی رو به جلو
اپنایآی هنوز مدل را عمومی نکرده و ده اثبات اعلامشده باید توسط جامعهٔ ریاضیات بررسی شوند. با این حال، تجربهٔ اخیر نشان میدهد استدلال مرزی را میتوان به یک متغیر مالی تبدیل کرد: بودجهٔ استنتاج. در صورت فراهمشدن دسترسی کنترلشده، فرایند پژوهش در حوزههایی مثل ریاضیات نظری و کشف دارو متحول شده و گروهها مجبور خواهند شد ارزش مادی هر تلاش پژوهشی را پیش از آغاز مشخص کنند.
منابع مرتبط: تحلیل داخلی اپنایآی، اثبات قضیهٔ خودکار (ویکیپدیا)، مسائل جایزهٔ هزاره (ویکیپدیا).
