
ดราม่า OpenAI กับการอ้างว่าแก้ปัญหา Navier-Stokes — นักวิจัยโต้แย้งเรื่องข้อมูล
นักคณิตศาสตร์โต้ แย้ง OpenAI อาจได้ประโยชน์จากข้อมูลผู้ใช้
สรุปข่าว
OpenAI ประกาศว่าใช้โมเดลภายในที่มีประสิทธิภาพมากกว่า GPT-6 Astra พร้อมตัวแทน 10,000 ตัว (10,000 concurrent agents) ในการค้นพบวิธีแก้ปัญหา Navier-Stokes ปัญหาทางคณิตศาสตร์ที่ค้างมานานประมาณ 90 ปี ซึ่งเป็นหนึ่งใน Millennium Prize Problems ที่มีรางวัล 1 ล้านดอลลาร์
ข้อโต้แย้งจากนักวิจัย
ก่อนการประกาศของ OpenAI เพียงหนึ่งวัน Tristan Buckmaster ศาสตราจารย์ด้านคณิตศาสตร์จาก New York University และ Levent Alpöge นักวิจัยที่ Anthropic เผยผลงานเกี่ยวข้อง Buckmaster ระบุว่าเขาเคยติดต่อ OpenAI หลังทราบว่าทางบริษัทรู้ความคืบหน้าของทีมเขา และตั้งข้อสงสัยว่า OpenAI อาจเข้าถึงข้อมูลการทดลองของพวกเขาที่บันทึกไว้ใน Codex
Buckmaster ระบุว่าได้สอบถามว่าโมเดลถูกฝึกด้วยข้อมูลจาก sessions ใน Codex หรือไม่ และถูกบอกว่าโมเดลไม่ได้ดูข้อมูลผู้ใช้ เขายังบอกว่าเมื่อถามเรื่องการฝึกซ้ำก็ไม่ได้คำตอบที่ชัดเจน
คำชี้แจงของ OpenAI และฝ่ายเทคนิค
OpenAI ออกแถลงว่า "ไม่มีการเข้าถึงข้อมูลผู้ใช้เฉพาะเจาะจงเพื่อแก้ปัญหานี้" แต่ก็ยอมรับความเป็นไปได้เล็กน้อยว่า "ข้อมูลที่ถูก de-identified อาจมีส่วนช่วยปรับปรุงโมเดล"
Sebastien Bubeck สมาชิกทีมเทคนิคของ OpenAI ระบุว่า ทีมของบริษัทไม่ได้เห็นงานของ Buckmaster และ Alpöge จนกว่าจะเผยแพร่ต่อสาธารณะ และชี้ว่างานพิสูจน์ของ OpenAI แตกต่างทั้งแนวทางและผลลัพธ์ที่พิสูจน์ได้
ในขณะที่ Buckmaster โพสต์บน Mastodon ว่า OpenAI ยอมรับว่าใช้ข้อมูลการฝึกจากช่วงเวลาก่อนหน้าที่ทีมเขาพบผล
ประเด็นสำคัญ
- OpenAI ระบุว่าเริ่มฝึกโมเดลภายในเมื่อ 28 สิงหาคม และโมเดลแสดงผลการทำงานโดดเด่นใน benchmark ทางคณิตศาสตร์
- งานของ Buckmaster และ Alpöge เผยแพร่ก่อนการประกาศของ OpenAI หนึ่งวัน และมีความเกี่ยวข้องเชิงทฤษฎี
- ข้อกังวลหลักคือการเข้าถึงข้อมูลใน Codex และการใช้ข้อมูลผู้ใช้ในการฝึกโมเดล
- OpenAI ปฏิเสธการเข้าถึงข้อมูลผู้ใช้แบบเฉพาะเจาะจง แต่ไม่ตัดความเป็นไปได้ของข้อมูลที่ถูก de-identified
- OpenAI ระบุว่าจะไม่รับรางวัล 1 ล้านดอลลาร์จาก Millennium Prize
ผลกระทบที่ต้องติดตาม
เรื่องนี้ยกประเด็นสำคัญเกี่ยวกับความโปร่งใสในการฝึก model ขนาดใหญ่ และการใช้ข้อมูลผู้ใช้ในการพัฒนาเทคโนโลยีทางวิจัย หากข้อสงสัยเกี่ยวกับแหล่งข้อมูลเป็นจริง อาจกระทบความเชื่อมั่นของชุมชนวิจัยและแนวทางการใช้ข้อมูลในอนาคต
รีวิวจากผู้ใช้จริง
รีวิวทั้งหมด: (/0)
ดูรีวิวทั้งหมด


















