Résumé :
Avec l'annonce très médiatisée d'OpenAI selon laquelle son système interne d'intelligence artificielle a réussi à surmonter l'un des « problèmes du Prix du Millénaire » qui tourmentent la communauté mathématique depuis près d'un siècle : l'existence et la fluidité des équations de Navier-Stokes (équations de Navier-Stokes), une énorme controverse autour de la source des données d'entraînement sous-jacentes aux modèles de pointe, de la propriété des droits de propriété intellectuelle de la recherche scientifique et de l'éthique académique a rapidement explosé dans la communauté universitaire mondiale et l'industrie technologique.
Alors que l'intelligence artificielle envahit progressivement l'avant-garde de la recherche scientifique fondamentale, où les modèles de raisonnement mathématique d'ordre élevé de géants tels qu'OpenAI puisent-ils des nutriments clés, et si les chercheurs scientifiques deviennent par inadvertance des « fertilisants de données » pour les modèles privés des géants de la technologie lorsqu'ils utilisent quotidiennement des outils commerciaux d'IA.
La controverse provient d'une preuve mathématique de 165 pages et d'un certificat de code formel Lean publié par OpenAI. Selon la divulgation d'OpenAI, il a déployé un modèle interne non divulgué qui est plus puissant que le nouveau GPT-6 Astra, a mobilisé environ 10 000 agents d'IA autonomes capables de communication collaborative, a consommé des centaines de milliards de jetons de sortie et de ressources de supercalcul d'une valeur d'environ 22,5 millions de dollars en 88 heures, et a finalement dérivé une preuve mathématique que l'équation du fluide incompressible produit une singularité dans un temps limité. OpenAI a également clairement indiqué qu'il ne recevrait pas le bonus d'un million de dollars établi par le Clay Mathematics Institute. Cependant, juste avant la publication des résultats d'OpenAI, Tristan Buckmaster, professeur au Courant Institute of Mathematical Sciences de l'Université de New York, et Levent Alpöge, chercheur chez son concurrent Anthropic, venaient de divulguer leurs résultats précurseurs révolutionnaires sur des problèmes liés à la dynamique des fluides tels que l'équation d'Euler forcée.
Buckmaster a immédiatement publié une déclaration publique, soulevant de sérieux doutes quant à la percée indépendante d'OpenAI. Buckmaster a souligné qu'au cours d'une année de recherche collaborative, lui et Alperger ont utilisé en profondeur l'outil de génération de code d'OpenAI, Codex, et le modèle Claude d'Anthropic pour déduire des formules et rédiger des ébauches intermédiaires. Tous les manuscrits de dérivation de base non publiés, les chemins d'entrée mathématiques subdivisés et les paramètres de conditions aux limites spécifiques ont été entièrement saisis dans le journal de session du Codex. Buckmaster a révélé qu'après avoir appris qu'OpenAI avait eu connaissance de rumeurs de recherche externes pertinentes, il a directement demandé à OpenAI si le modèle interne de résolution de problèmes avait été exposé ou formé à partir de leurs données d'interaction privées sur le Codex ; Bien que le personnel technique d'OpenAI ait insisté sur le fait que le modèle n'accédait pas directement aux données utilisateur spécifiques en temps réel, ils ont évité de répondre à la question clé de « s'il avait été incorporé dans l'ensemble de données de pré-formation ou de réglage précis du modèle ». De manière encore plus controversée, Buckmaster a également accusé le chercheur principal d'OpenAI, Sébastien Bubeck, d'avoir fixé des conditions de co-auteur dans des communications privées, mais a demandé qu'Alperger, un employé d'Anthropic, soit complètement exclu de la co-auteur.
Confronté aux doutes croissants concernant le plagiat universitaire et le détournement de données, OpenAI a officiellement publié une déclaration niant avoir espionné les manuscrits des deux personnes par des canaux informels avant leur diffusion publique. Bubeck a également souligné que la preuve mathématique dérivée d'OpenAI est essentiellement différente de celle de l'équipe Buckmaster en termes de structure technique et de conclusions spécifiques. Cependant, OpenAI a rarement inclus un avertissement intrigant dans sa réponse officielle : les responsables « ne peuvent pas exclure la possibilité que les données anonymes anonymisées générées par l'utilisation de ses produits par les utilisateurs aient objectivement contribué à améliorer les performances du modèle ». Cette déclaration a immédiatement provoqué un tollé dans le cercle universitaire et a été interprétée par de nombreux universitaires comme un aveu déguisé par OpenAI selon lequel les enregistrements d'interactions privées d'éminents universitaires stockés dans des outils de développement commerciaux ont très probablement été impliqués dans le pipeline d'itérations continues de son modèle sous-jacent.
Cette tourmente a révélé la réalité cachée de « l'épuisement des données » et de « l'absorption inverse » auxquelles sont confrontés les laboratoires d'intelligence artificielle de pointe lorsqu'ils construisent des capacités mathématiques de haut niveau. La plupart des données traditionnelles de pré-formation proviennent de l'exploration du Web public, mais la grande majorité des corpus mathématiques publics sur Internet se situent uniquement au niveau des concours des écoles primaires et secondaires ou des manuels de base du premier cycle, et ne peuvent pas prendre en charge le modèle pour comprendre une analyse géométrique approfondie des équations aux dérivées partielles ou de la topologie algébrique. Afin de doter le modèle du raisonnement logique profond et des capacités de déduction rigoureuses des meilleurs mathématiciens du monde, le laboratoire d'IA, en plus d'embaucher des mathématiciens professionnels pour écrire du code Lean formel et des données synthétiques, s'appuie fortement sur des problèmes de recherche de pointe, des hypothèses de résolution de problèmes non publiées et des flux de mots rapides avancés saisis par de vrais meilleurs chercheurs dans les outils de développement (tels que la plate-forme Codex). Une fois que l’accord d’utilisation contiendra une clause autorisant la plateforme à utiliser des données d’interaction anonymisées pour l’optimisation des algorithmes, le travail cérébral original des chercheurs sera tranquillement digéré et amplifié par les clusters de puissance de calcul des entreprises dans une zone grise juridique.
Des experts en philosophie des sciences et en droit de la propriété intellectuelle ont souligné que le différend Navier-Stokes n'était pas une querelle entre des universitaires individuels et des géants du monde des affaires, mais qu'il marquait plutôt une crise éthique structurelle à laquelle il fallait faire face lorsque le paradigme de la découverte scientifique humaine subit une fission fondamentale. Au cours des centaines d’années passées, le système d’honneur et d’incitation du monde universitaire s’est basé sur un examen strict par les pairs, la priorité des publications et une éthique standardisée des citations de la littérature ; Cependant, face à la « recherche violente » industrialisée qui implique des dizaines de milliers d’agents intelligents coopérant en parallèle et coûtant des dizaines de millions de dollars, les lignes de défense traditionnelles de la découverte universitaire deviennent vulnérables. Si les géants de la technologie commerciale non seulement contrôlent l’hégémonie de pointe en matière de puissance de calcul, mais utilisent également les logiciels de productivité qu’ils contrôlent pour absorber unilatéralement les idées inédites d’universitaires de pointe et refuser toute attribution substantielle, le fondement de la confiance de la communauté universitaire mondiale dans les outils de recherche scientifique ouverts sera complètement ébranlé. Cela obligera également les grandes universités et les instituts de recherche scientifique indépendants à commencer à réexaminer les énormes risques potentiels liés au transfert de secrets de recherche scientifiques fondamentaux vers des outils d’IA cloud non vérifiés.
Commentaires