Ruzie over AI-bewijs wiskundig miljoenenprobleem zet OpenAI onder druk

De ruzie draait om de Navier-Stokesvergelijkingen, een van de zeven Millennium-problemen waar een prijs van een miljoen dollar op staat. OpenAI claimde dat zijn AI-model met een oplossingsrichting voor dit probleem kwam. Wiskundige Tristan Buckmaster, die aan hetzelfde probleem werkte met co-auteur Levent Alpöge, beschuldigt het bedrijf van "absolute academische wanpraktijken". Hij zegt dat OpenAI zijn conceptoplossingen heeft gebruikt, hem onder druk zette en Alpöge als auteur probeerde te weren omdat die bij concurrent Anthropic werkt.

Onbetwist is dat OpenAI zelf gerichte trainingsinspanningen startte nadat er geruchten de ronde deden dat modellen van Anthropic het probleem al hadden opgelost. OpenAI-CEO Sam Altman en onderzoeker Sébastien Bubeck ontkennen plagiaat, maar erkennen in een officiële verklaring dat ze niet kunnen uitsluiten dat gede-identificeerde gebruikersdata heeft bijgedragen aan het trainen van hun modellen.

Tegenstrijdige lezingen

Buckmaster en Alpöge stellen dat hun aanpak sterk lijkt op wat OpenAI presenteerde, en dat ze een vergelijkbare oplossing eerder al hadden ingevoerd in OpenAI's eigen systemen. Volgens Buckmaster is die inbreng vervolgens in de trainingsdata van het model beland. OpenAI-medewerker Boaz Barak spreekt dat tegen: volgens hem had het model geen hulp van buitenaf nodig en bewees het zelfs een sterkere stelling dan die van Buckmaster en Alpöge. Ook over de rol van Alpöge verschillen de verhalen. Altman schrijft op X dat Alpöge niet wilde samenwerken met OpenAI, maar Alpöge zegt zelf juist wél open te hebben gestaan voor samenwerking en geeft aan het jammer te vinden dat dit niet is gebeurd.

Wat dit betekent voor open wetenschap

Los van wie er precies gelijk heeft, legt de zaak een structureel probleem bloot. Een gerucht alleen was voor OpenAI al genoeg om grote rekenkracht in te zetten op een onderzoeksprobleem, met het risico dat het bedrijf ongemerkt profiteert van data die onderzoekers zelf hebben ingevoerd. Vermaard wiskundige Terence Tao waarschuwt op Mastodon dat zelfs het gerucht dat iemand aan een probleem werkt, kan leiden tot een golf van AI-gedreven inspanningen die het oorspronkelijke onderzoek overvleugelen voordat het de kans heeft gekregen zich te ontwikkelen. Volgens Tao dreigt dit onderzoekers ervan te weerhouden hun werk nog te delen, wat eeuwenoude tradities van open wetenschap zou ondermijnen. Voor iedereen die onderzoeksdata invoert in commerciële AI-systemen is de les duidelijk: het uitschakelen van trainingsopties in de instellingen biedt op zijn best een dunne bescherming, zeker nu AI-bedrijven op het gebied van databeleid nog geen blind vertrouwen hebben verdiend.