OpenAI решила задачу Навье–Стокса — и обвинения в том, что чужие идеи «подсмотрели»

OpenAI объявила о разрешении проблемы существования и гладкости решений уравнений Навье–Стокса — одной из семи «Проблем тысячелетия», за каждую из которых с 24 мая 2000 года назначена премия в миллион долларов. Работу выполнила ещё не выпущенная внутренняя модель.

По описанию самой OpenAI, всё началось 1 сентября, когда до компании дошли слухи, что две «Проблемы тысячелетия» уже решены с помощью языковых моделей. Вдохновившись этим и резким скачком в возможностях внутренней модели, команда запустила агентов на все открытые проблемы. К решению Навье–Стокса они пришли 5 сентября — примерно через 88 часов после старта; ещё 17 часов заняла формализация и проверка в Lean силами GPT‑6 Astra. По подсчётам OpenAI, на все задачи агенты отправили 4,9 млн сообщений и израсходовали около 300 млрд выходных токенов; на одну лишь Навье–Стокса — 2,7 млн сообщений и порядка 130 млрд токенов. Саймон Уиллисон замечает, что по публичным ценам API на GPT‑6 Astra такой объём токенов стоил бы около 15 миллионов долларов.

Кого именно опередили

Праздник омрачён обвинениями. Тристан Бакмастер, профессор математики из Нью‑Йоркского университета, вместе с Левентом Альпёге (сейчас работает в Anthropic) почти год бился над родственными задачами, активно используя Claude и Codex — прежде всего модель GPT‑5.6 Sol. Прорыва они достигли 15 августа. Затем сработала математическая «фабрика слухов»: OpenAI узнала, что Anthropic якобы разрешила «крупную открытую проблему», и вышла на связь.

По словам Бакмастера, на прямой вопрос, когда был отправлен первый запрос их команды, ответ долго не давали — в итоге признали, что это случилось в последние дни, уже после того как сведения об их работе дошли до OpenAI. На вопрос, обучалась ли модель на их сессиях в Codex, куда они складывали все черновики проекта, ему сказали, что модель не обращается к пользовательским данным; повторный вопрос про обучение остался без ответа. OpenAI, со своей стороны, утверждает, что не видела чужих наработок и что доказательства существенно различаются, хотя и не исключает, что обезличенные данные могли повлиять на модель. При этом Альпёге в соавторы не позвали — из‑за конкуренции с его работодателем.

Достаточно слуха

Уиллисон видит в истории тревожную параллель с миром кибербезопасности: сегодня достаточно одного слуха об уязвимости, чтобы натравить агентов на её поиск. Похоже, то же верно и для математики — само знание о существовании нерешённой задачи может запустить миллионные траты на вычисления, лишь бы прийти первым. Отсюда его новый любимый вопрос: если помогать себе ChatGPT в решении «Проблемы тысячелетия», какова вероятность, что твои наработки повлияют на обучение — и следующая модель поможет решить задачу кому‑то другому раньше тебя?

Источник: Simon Willison