Latenode

Tao et d’autres critiquent la publication mathématique d’OpenAI

Pour les équipes qui déploient des agents à forts enjeux, le goulot d’étranglement passe de la génération à la vérification. La provenance, les files de revue experte et les mécanismes de retrait doivent faire partie du produit.

Réactions de mathématiciens à la publication d’OpenAI

La publication d’OpenAI sur les mathématiques a suscité des critiques après que The Decoder a rapporté que l’entreprise avait publié plus de 700 manuscrits d’un coup, dont des solutions revendiquées à des centaines de problèmes ouverts, et que plus de 100 chercheurs avaient réagi par la suite.

La réaction de Terence Tao était nuancée. Selon le rapport, il a suggéré que certaines preuves pourraient contenir des idées réellement utiles, tout en exprimant une profonde frustration face au manque d’explications et de discussions humaines nécessaires aux mathématiciens pour évaluer ces résultats et s’appuyer sur eux. Tao a également affirmé que les objectifs des entreprises d’IA étaient fortement désalignés de ceux de la communauté mathématique. Le même rapport cite Hugo Duminil-Copin, médaillé Fields : « Le choc est immense. Je suis paralysé. »

Dans sa publication sur les mathématiques, OpenAI a indiqué que de nombreuses preuves incluaient des formalisations Lean et que davantage de contenus seraient ajoutés au fil du temps. Les critiques des mathématiciens soulignent un autre problème : les systèmes peuvent désormais générer des affirmations techniques plus vite que les experts ne peuvent les vérifier, les expliquer ou les contester.

Quand les modèles et les API changent le workflow continue

Connectez dans un même scénario les modèles et apps de ce type d'actualité. Si un fournisseur change le routage, le tarif ou la disponibilité, vous mettez à jour le workflow — vous ne recommencez pas à zéro.

Commencer gratuitement

Offre gratuite à vie. Aucune carte bancaire requise.