数学におけるAIは、分野の最高の問題のいくつかを新たに発見される問題よりも早く解決しています。UCLAの教授であり、現存する最高の純粋数学者と広く見なされている2006年フィールズ賞受賞者のテレンス・タオは、MathstodonでAIが分野の良質なオープン問題の供給を枯渇させていると警告しました。研究室では、数学、物理学、医学の問題に対してモデルをテストしており、5月にはOpenAIのモデルがエルデシュ単位距離予想を反証しました。
テレンス・タオは、UCLAの教授であり、現存する最高の純粋数学者として広く尊敬されており、2006年にフィールズ賞を受賞しました。Mathstodonで、タオはAIが数学の分野の良質なオープン問題の供給を枯渇させており、研究者に利用可能な課題のセットを減少させていると警告しました。彼は強力な解決策抽出ツールを特定し、その無差別な使用が即時の短期的な問題解決を達成できる一方で、次の進展のためのエコシステムの維持に費用を伴う可能性があると警告しました。また、この実践がすでに得られた進展の理解を妨げるかもしれないとも警告しました。これらの発言は、数学研究エコシステムに対するAIの長期的な影響についてのタオの公の懸念を総括しています。
AIの研究室では、数学、物理学、医学の難しい問題に対してモデルをテストしています。5月には、OpenAIのモデルがエルデシュ単位距離予想を反証しました。エルデシュ単位距離予想は、平面上の点のペアが正確に1単位離れて配置できる数についてのものです。これらのテストには、量子物理学から応用数学、医学に至るまでさまざまな問題が含まれています。
Anthropicの研究者Levent Alpögeは、同一の単位距離問題を、企業の未発表のトップモデルであるClaude Mythosを使用してオフラインで実行しました。これにより、OpenAIの公開された解法をコピーすることはできませんでした。AnthropicのエンジニアSholto Douglasは、Mythosの結果を「かわいく、シンプルな証明」と表現し、OpenAIのものよりも短いと述べました。数学者Daniel Littは、Mythosの証明をOpenAIのバージョンより「少し劣る」と評価しましたが、MythosもOpenAIの解法を特定しました。これらの比較評価は、困難な科学問題に対するモデルの広範なテストに伴って行われました。
AIラボは、数学、物理学、医学を含む難しい問題に対してモデルをテストしています。5月には、OpenAIのモデルが、平面上に正確に1単位離れて座ることができる点のペアの数に関するErdősの単位距離予測を反証しました。これらのモデルテストから報告された結果は、量子物理学から応用数学、医学にまで及びます。これらのテストは複数の研究所によって実施されました。
AI駆動の問題解決の急速な進歩は、将来の進展のための数学研究エコシステム維持に対する懸念を引き起こしています。この素材は、強力な解法抽出ツールの無差別な使用と、長期的な理解と発展への潜在的なコストについてこれらの懸念を結びつけています。また、これらの発展に関連して最前線のAIシステムと推論モデルにも言及しています。AI生成の証明や解法に関する比較評価が研究者やエンジニアの間で報告されています。
これらの発展は、数学におけるオープン問題の将来的な供給についての疑問を提起しています。報告された結果は、複数の科学分野にわたります。
数学におけるAIは、最近、著名な問題に対する解決策を生み出し、関連する科学分野での課題に対して試験的に使用されてきました。この急速な問題解決は、テレンス・タオをはじめとする著名な数学者たちから、良好なオープン問題の供給が減少し、研究エコシステムに負担をかける可能性があるという警告を促しています。観察者たちは、これらの発展を強力な最前線のAIシステムや推論モデルの使用、および物理学や医学などの分野におけるより広範な影響に関連付けています。
