OpenAI Astra：數學與理論電腦科學的十項進展

OpenAI Astra 解決了十個長期存在的數學問題

OpenAI 宣布其下一個重大模型 Astra 的內部版本已成功解決了數學與理論電腦科學領域中的十個開放性問題。這些問題的主結果至少十年來沒有任何進展，在許多情況下，時間甚至更長。為了確保正確性，OpenAI 已透過公開的 GitHub 儲存庫發布了每個證明的 Lean 證書。

數學突破摘要

這些結果涵蓋了多個複雜領域，包括高維幾何、群論和量子複雜度。解決的十個問題包括：

  • 高維球體填充 (High-dimensional sphere packing)： 建立了新的球體填充密度上限，直到達到 Cohn–Elkies 閾值。
  • 二進制與球面代碼 (Binary and spherical codes)： 對於任何指定的最小距離，產生了二進制代碼最大規模的指數級改進界限，對於高維球面代碼也有類似結果。
  • 非索菲克群 (Non-sofic groups)： 提供了一種構造方法，確立了非索菲克群的存在性，解決了群論中的一個核心開放問題。
  • Connes 剛性猜想 (Connes’s rigidity conjecture)： 駁回了某些群由其 von Neumann 代數唯一確定的猜想。
  • 算術電路複雜度 (Arithmetic circuit complexity)： 建立了使用算術電路和公式計算 permanent 的新下界，包括一個 $n^{4/\log n}$ 階的算術公式下界。
  • 量子平行重複 (Quantum parallel repetition)： 為一般的雙人量子遊戲開發了一種指數級平行重複定理，擴展了經典複雜度理論的原則。
  • 最近向量問題 (Closest vector problem)： 發現了最近向量問題的近似難度為多項式因子，這是後量子密碼學中的一個關鍵格點問題。
  • Ehrhart 體積猜想 (Ehrhart’s volume conjecture)： 確定了在每一維度中，質心為其唯一內部格點的凸體的最大可能體積。
  • 多色 Ramsey 數 (Multicolor Ramsey numbers)： 透過提供多色三角形 Ramsey 數的超指數下界，解決了 Erdős 問題 183。
  • 極值數猜想 (Extremal number conjectures)： 解決了關於極值圖論中緊湊性與退化性猜想的 Erdős 問題 146 與 180。

方法論與資源消耗

這些解決方案是由 Astra 模型的內部版本生成的。OpenAI 報告稱，若以目前的 Sol API 費率計算，尋找這些解決方案的總 Token 成本約為 2,000 美元。

在 AI 發現數學論證之後，人類研究人員與模型協作將結果整理成手稿。最後，模型將每個論證形式化為 Lean 證書，以提供機器可驗證的正確性證明。

AI 數學領域中的責任與歸屬

OpenAI 主張歸屬權應誠實地反映結果的來源，並表示聲稱 AI 生成的證明具有人類作者身份將會誤導學術工作的性質。雖然人類在手稿準備和 Lean 形式化方面提供了協助，但 OpenAI 將核心數學論證歸功於 Astra 系統。

社群分析與反對觀點

這項宣布在技術社群內引發了關於 AI 驅動發現的性質以及過程透明度的重大辯論。

透明度與實驗嚴謹性

某些批評者認為，若沒有實驗設置的完全透明度，報告的 $2,000 美元的成本可能會具有誤導性。

"I want to know: 1. How many total problems were given to the model, and what percent were left unsolved at what cost before giving up? 2. How many attempts did you give the model at solving these problems?"

啟發式搜索 vs. 新穎理論

目前正在討論模型是在生成真正新穎的數學理論，還是在僅僅是對現有工具進行窮舉搜索，以尋找解決已知問題的正確組合。

"Do these proofs contribute new ideas to the mathematical corpus, or are they simply an effective method to exhaustively search the literature for the application of the right combination of existing tools to the problem?"

對數學專業的影響

雖然有些人將這些結果視為對該專業的威償，但其他人則認為 AI 將作為催化劑，為人類研究人員開闢新途徑。

"For every conjecture defeated some seven or eight new ideas open up. Our path through that combination will be set by creative and curious human mathematicians."

技術觀察

觀察者指出，某些生成的 Lean 證明非常長——長達 50,000 行——這突顯了 AI 生成的形式化與簡潔的人類撰寫證明之間的差異。

Sources