
OpenAI-ի GPT-6 Astra-ն օգնեց կառուցել ապացույց Standard Model-ի վանդակային խնդրի համար
Նաթանիել Քրեյգն ասում է, որ OpenAI-ի GPT-6 Astra-ն ռազմավարությունը վերածեց աշխատող կառուցվածքի և ղեկավարեց 50-ամյա մասնիկային ֆիզիկայի խնդրի ապացույցի մշակումը։ Վանդակային տեսաբանները վերանայեցին այն։
OpenAI-ի GPT-6 Astra-ն օգնեց կառուցել ապացույց, որը կարող է լուծել մասնիկային ֆիզիկայի 50 տարվա խնդիրը, ըստ UC Santa Barbara-ի ֆիզիկոս Նաթանիել Քրեյգի։ Քրեյգը՝ որպես OpenAI-ի հրավիրյալ գիտնական, մոտեցումը ներկայացրեց OpenAI-ի բլոգում և որպես նախնական հրատարակություն։ Նա ղեկավարում է UCSB-ի մասնիկային տեսության խումբը և Քավլիի տեսական ֆիզիկայի ինստիտուտի մշտական անդամն է։
Ինչու է ամբողջ Standard Model-ը դժվար տեղադրել վանդակում
Ֆիզիկոսները կարող են սիմուլյացնել Standard Model-ի մասերը համակարգչային ցանցի վրա, որը կոչվում է վանդակ։ Standard Model-ը տեսություն է, որը նկարագրում է բոլոր հայտնի մասնիկներն ու հիմնարար ուժերը։ Այդ աշխատանքը հանգեցրել է բացահայտումների, ինչպիսին է պրոտոնի զանգվածի հաշվարկումը առաջին սկզբունքներից։ Սակայն ամբողջ տեսությունը վանդակում տեղադրելը անհնար է եղել։ Թույլ ուժը, որը կառավարում է ռադիոակտիվ քայքայման որոշ տեսակները, ձախակողմ և աջակողմ մասնիկներին տարբեր կերպ է վերաբերվում։ Պարզ վանդակներում այս անհամաչափությունը ստեղծում է անցանկալի ուրվական մասնիկներ։ Հատուկ վանդակային մասնիկներ, որոնք կոչվում են օվերլապ ֆերմիոններ, կարող են դրանք զտել, սակայն ավելի քան 25 տարի ոչ ոք չէր կարողանում ճիշտ սահմանել դրանց փուլը։
Ինչպես ներդրում ունեցավ GPT-6 Astra-ն
Քրեյգն ուներ ռազմավարություն՝ փուլը շտկելու համար՝ համեմատելով աստիճանաբար ավելի մանր վանդակները, բայց չէր կարողանում ապացուցել, որ այն աշխատում է բոլոր դեպքերում, որոնք պետք է ընդգրկեր։ GPT-6 Astra-ն գաղափարը վերածեց աշխատող կառուցվածքի և ղեկավարեց մանրամասն ապացույցի մշակումը։ Դիագրամը ցույց է տալիս, թե ինչպես է աստիճանաբար ավելի մանր վանդակների համեմատումը օգնում շտկել փուլային շեղումը սկզբնական վանդակում։
Վերանայում և հաջորդ քայլեր
Վանդակային դաշտի տեսաբաններ Մաարտեն Գոլտերմանը, Անդրեաս Կրոնֆելդը և Յիգալ Շամիրը վերանայեցին ապացույցը և բարձրացրին հարցեր, որոնք, Քրեյգի խոսքով, օգնեցին ամրապնդել վստահությունը արդյունքի նկատմամբ։ Նա աշխատանքը կոչում է «շատ ավելի սկիզբ, քան վերջ» և ասում է, որ մինչև ռեալիստական սիմուլյացիաները հնարավոր դառնան, դեռ շատ բան է մնում անելու։
Ավելի լայն AI-մաթեմատիկական առաջընթացի մաս
Արդյունքը հաջորդում է մաթեմատիկայում AI-ի առաջընթացների շարքին, որը սկսվել է 2026 թվականի հունվարին։ Մայիսին OpenAI-ի Erdős-ի միավոր հեռավորության հիպոթեզի հերքումը դարձավ մաթեմատիկայի առաջատար ամսագրի համար արժանի առաջին AI ապացույցը։ Մի քանի օր անց Google DeepMind-ի AlphaProof Nexus-ը լուծեց Erdős-ի 353 բաց խնդիրներից ինը՝ մի քանի հարյուր դոլարի դիմաց, իսկ հոկտեմբերին նրա արդյունքները անցան գործընկերների գնահատումը։ Ամենալայն ազդեցություն ունեցող պնդումը եղավ սեպտեմբերին, երբ OpenAI-ը ներկայացրեց Navier-Stokes Millennium Prize Problem-ի 166 էջանոց ապացույցը, և Clay Mathematics Institute-ը ասաց, որ այն «ըստ երևույթին լուծված է»։ Լուծումը դեռ վերանայման փուլում է, և մաթեմատիկոսները կասկած են հայտնել, թե արդյոք OpenAI-ն լիովին հասկանում է իր սեփական ապացույցը։ Ոլորտում մաթեմատիկոսները խառը զգացումներ ունեն, քանի որ AI-ը շարունակում է լուծել չլուծված խնդիրները։
Աղբյուրներ՝ The Decoder
SiTech — AI-ով հզորացված վեբ մշակում
Ստեղծում ենք արագ ու ժամանակակից կայքեր և AI-ը ներդնում իրական բիզնես գործընթացներում։ Ունե՞ք նախագիծ կամ հարց։ Ուրախ կլինենք օգնել։