OpenAI i 722 prace z matematyki. Wąskim gardłem jest weryfikacja

OpenAI opublikowało kolejną paczkę rozwiązań długo otwartych problemów matematycznych. Tym razem to 722 manuskrypty, pogrupowane w 372 rodziny wyników. Autorem jest model, którego firma jeszcze nie udostępniła publicznie.

To nie pierwsza taka publikacja. Część środowiska matematyków jest pod wrażeniem, część jest zaniepokojona. Pojawiają się też pytania o etykę badań naukowych.

Dlaczego to ma znaczenie

Najciekawsza w tym newsie nie jest sama matematyka. Ciekawa jest skala. Siedemset dwadzieścia dwa manuskrypty to nie jest wynik, który ktoś przeczyta w weekend. Każdy dowód matematyczny trzeba sprawdzić. Robią to ludzie, a ich czas się nie skaluje. Model może wyprodukować setki prac. Sprawdzenie ich zajmie środowisku miesiące albo lata.

Wąskie gardło przesuwa się więc z wytwarzania na weryfikację. Napisanie przestaje być trudne. Trudne staje się ustalenie, czy napisane jest prawdziwe. Niepokój części matematyków bierze się po części stąd: wolumen rośnie szybciej niż zdolność do jego oceny.

Druga rzecz to forma ogłoszenia. Wyniki pokazuje model, którego nikt z zewnątrz nie może przetestować. To jest też komunikat marketingowy producenta. Pokazuje, co model potrafi, zanim ktokolwiek może to sprawdzić na własnych zadaniach.

Co to znaczy dla polskiej firmy

Bezpośrednio nic. Modelu nie ma w sprzedaży. Nie wiadomo, kiedy będzie, ile będzie kosztował i czy trafi do zwykłych planów ChatGPT. Nie ma też informacji, jak radzi sobie z polskim. Czekanie na niego nie ma sensu, bo nie ma na co czekać.

Pośrednio ten news dobrze opisuje problem, który wiele firm już ma u siebie. Mała firma usługowa B2B, która używa AI do maili, ofert i wycen, też szybko odkrywa, że wygenerowanie dwudziestu odpowiedzi trwa minutę. Przeczytanie ich i sprawdzenie, czy kwoty, terminy i warunki się zgadzają, trwa godzinę. Jeśli tej godziny nikt nie zaplanował, błędy wychodzą u klienta.

W tygodniu pracy takiej firmy ta publikacja nie zmienia niczego. Zmienia się tylko to, że kolejny raz widać, gdzie leży prawdziwy koszt pracy z AI. Nie w generowaniu, tylko w sprawdzaniu.

Co z tym zrobić

• Policz czas weryfikacji, nie tylko czas generowania. Jeśli AI pisze u Ciebie oferty albo odpowiedzi do klientów, zmierz przez tydzień, ile trwa ich sprawdzanie. Dopiero ta liczba mówi, czy narzędzie realnie oszczędza czas.
• Ustal, co zawsze sprawdza człowiek. Kwoty, terminy, nazwy firm, warunki umowy. Lista pięciu punktów wystarczy. Wszystko inne może przejść szybciej.
• Nie zmieniaj planów pod niewydany model. Zapowiedzi możliwości to nie produkt. Oceniaj narzędzia, które możesz dziś przetestować na własnych danych.

Źródło: The Verge AI