Il se passe quelque chose d’inhabituel dans le monde des mathématiques pures, et cela ne vient pas d’un laboratoire universitaire. OpenAI affirme qu’un système d’IA interne a permis de résoudre dix problèmes de mathématiques et d’informatique théorique qui étaient restés sans solution pendant au moins une décennie, et dans certains cas bien plus longtemps. Cette annonce, associée à une initiative distincte ouvrant un accès avancé à ChatGPT pour 100 000 chercheurs, indique que les avancées de l’IA en mathématiques passent du statut de curiosité à celui de véritable infrastructure de recherche.
Summary
Points clés à retenir
- OpenAI a lancé ChatGPT for Academic Researchers, offrant à 100 000 scientifiques et mathématiciens un accès gratuit à ses meilleurs modèles ChatGPT.
- Un modèle OpenAI non publié a produit en mai une réfutation générée par IA de la conjecture d’Erdős sur les distances unitaires.
- Dix nouveaux résultats, obtenus avec une version interne d’un modèle de prochaine génération appelé Astra, résolvent des problèmes ouverts dans huit domaines des mathématiques et de l’informatique théorique.
- Selon OpenAI, la recherche de ces solutions a coûté environ 2 000 $ en jetons aux tarifs de l’API Sol.
- Des chercheurs humains ont transformé les arguments générés par l’IA en manuscrits, puis le modèle a formalisé chaque preuve dans un certificat Lean.
OpenAI ouvre l’accès à ChatGPT à 100 000 chercheurs académiques
Le point de départ de cette initiative chez OpenAI est l’accès, et pas seulement la production de résultats. L’entreprise a récemment déployé ChatGPT for Academic Researchers, une initiative qui offre à 100 000 scientifiques et mathématiciens l’utilisation gratuite de ses modèles ChatGPT les plus performants. L’idée, telle que la présente OpenAI, est de mettre des outils de raisonnement plus puissants directement entre les mains de personnes travaillant sur des problèmes non résolus, plutôt que de garder les modèles les plus avancés derrière un paywall réservé aux clients entreprises.
Cela compte parce que l’accès a souvent été le goulot d’étranglement pour la recherche assistée par IA. Les budgets académiques couvrent rarement des abonnements IA premium à grande échelle, et le fait que des chercheurs individuels testent des modèles de pointe sur des questions mathématiques de niche n’est pas quelque chose que la plupart des institutions peuvent financer largement. En supprimant cette barrière pour un large groupe de scientifiques, OpenAI parie de fait qu’un accès plus large fera émerger davantage de résultats du type de ceux qu’elle met aujourd’hui en avant.
Une percée discrète : l’IA réfute la conjecture d’Erdős sur les distances unitaires
En mai dernier, OpenAI a partagé quelque chose qui laissait entrevoir ce qui allait suivre : une réfutation générée par IA de la conjecture d’Erdős sur les distances unitaires, un problème lié au mathématicien Paul Erdős qui avait dérouté les chercheurs pendant des années. Cette réfutation est apparue presque par accident, découverte alors qu’OpenAI évaluait un modèle non publié plutôt que dans le cadre d’un effort de recherche dédié.
Ce résultat unique s’est révélé être plus qu’une simple curiosité isolée. Selon OpenAI, la réfutation d’Erdős a déjà inspiré de nouveaux développements en mathématiques et en informatique théorique, avec des articles ultérieurs s’appuyant sur cette approche. C’est l’un des exemples les plus clairs de « pourquoi c’est important » dans cette histoire : lorsqu’un résultat généré par IA déclenche des travaux de suivi chez des mathématiciens humains, cela suggère que ces systèmes ne produisent pas seulement des réponses isolées — ils apportent des techniques que d’autres chercheurs peuvent prolonger.
Dix nouvelles solutions pilotées par l’IA à des problèmes que les mathématiciens n’avaient pas pu résoudre depuis des décennies
L’élément central de l’annonce d’OpenAI est un ensemble de dix nouveaux résultats, tous portant sur des problèmes pour lesquels aucune avancée n’avait été réalisée sur la question principale depuis au moins dix ans, et dans de nombreux cas bien plus longtemps. OpenAI décrit ces problèmes comme étant d’un intérêt substantiel pour leurs communautés mathématiques respectives, plusieurs étant considérés comme importants pour les mathématiques dans leur ensemble.
Portée et diversité des problèmes résolus
Les dix résultats couvrent un large éventail de domaines techniques : géométrie de haute dimension, théorie des codes, complexité des circuits arithmétiques, théorie des groupes, algèbres d’opérateurs, complexité quantique, cryptographie sur réseaux et combinatoire extrémale. Cette ampleur est en soi remarquable — il ne s’agit pas de sous-questions adjacentes dans un seul créneau, mais de problèmes ouverts distincts provenant de différents coins des mathématiques et de l’informatique, chacun avec sa propre histoire de recherche s’étendant sur des décennies.
Parmi les avancées spécifiques listées par OpenAI :
- De nouvelles bornes supérieures sur la densité d’empilement de sphères en haute dimension, atteignant le seuil de Cohn–Elkies.
- Des bornes exponentiellement améliorées sur la taille maximale des codes binaires et des codes sphériques de haute dimension pour une distance minimale donnée.
- Une construction prouvant l’existence de groupes non sofiques, résolvant une question centrale ouverte en théorie des groupes.
- Une réfutation de la conjecture de rigidité de Connes, qui affirmait que certains groupes sont uniquement déterminés par leurs algèbres de von Neumann.
- De nouvelles bornes inférieures pour le calcul du permanent à l’aide de circuits arithmétiques, incluant une borne inférieure de formule arithmétique de l’ordre de n^4/log n.
- Un théorème de répétition parallèle exponentielle pour des jeux quantiques généraux à deux joueurs, étendant un principe classique de complexité au cadre quantique.
- Une difficulté d’approximation à facteur polynomial pour le problème du vecteur le plus proche, une question de réseaux pertinente pour la cryptographie post-quantique.
- Une résolution, dans chaque dimension, du volume maximal d’un corps convexe dont le centroïde est son unique point de réseau intérieur — une partie de la conjecture de volume d’Ehrhart.
- Une borne inférieure superexponentielle pour les nombres de Ramsey de triangles multicolores, résolvant le problème 183 d’Erdős.
- Des résultats sur les conjectures de compacité et de dégénérescence en théorie des graphes extrémale, résolvant les problèmes 146 et 180 d’Erdős.
Processus technique et efficacité des coûts avec le modèle Astra
Les dix résultats ont tous été produits par une version interne d’Astra, décrit par OpenAI comme son prochain grand modèle. Ce qui ressort, c’est le coût : OpenAI estime que le volume total de jetons nécessaire pour trouver des solutions aux dix problèmes reviendrait à environ 2 000 $ aux tarifs de l’API Sol. Pour des recherches sur lesquelles les mathématiciens humains n’avaient fait aucun progrès pendant une décennie ou plus, quelques milliers de dollars de calcul représentent un prix remarquablement faible — et c’est l’un des signaux les plus clairs de la façon dont les avancées de l’IA en mathématiques modifient l’économie de l’attaque de problèmes ouverts difficiles.
Le processus n’était toutefois pas entièrement automatisé. Des chercheurs humains ont pris les arguments bruts du modèle et les ont transformés en manuscrits structurés, en travaillant aux côtés du même modèle. Ensuite, le modèle a lui-même formalisé chaque argument dans un certificat Lean — un format de preuve vérifiable par machine utilisé pour valider les affirmations mathématiques avec rigueur. OpenAI a également publié une narration du processus de réflexion du modèle pour chaque solution, offrant aux chercheurs externes une fenêtre sur la façon dont le système a raisonné pour parvenir à chaque réponse.
Cette combinaison — arguments générés par IA, manuscrits préparés par des humains et certificats Lean formalisés par machine — pointe vers un flux de travail où les systèmes d’IA génèrent l’intuition mathématique brute tandis que les outils de vérification formelle et la supervision humaine assurent la confirmation. C’est une division du travail qui pourrait devenir un modèle à mesure que davantage de résultats assistés par IA commenceront à apparaître sur d’autres problèmes ouverts.
Pourquoi cela compte pour la recherche et la concurrence
La portée plus large de cette annonce va au-delà de dix problèmes résolus. Si un seul modèle interne peut produire des résultats de qualité publiable dans huit disciplines mathématiques distinctes pour environ 2 000 $ de calcul, la contrainte qui pèse sur l’attaque de problèmes ouverts de longue date commence à se déplacer de l’intuition mathématique vers l’accès à des modèles performants — ce qui est précisément ce que le programme d’accès académique d’OpenAI vise à étendre. Cette combinaison de calcul peu coûteux et d’accès large pour les chercheurs est susceptible d’attirer l’attention de laboratoires d’IA concurrents et de départements de mathématiques qui réfléchissent à la manière d’intégrer ces outils dans leurs propres travaux.
OpenAI note également que cette ligne de travail a déjà suscité des recherches supplémentaires s’appuyant sur la réfutation de la conjecture d’Erdős, avec plusieurs articles de suivi explorant des questions connexes en théorie somme-produit, en géométrie d’incidence et en complexité computationnelle. Que cette dynamique se maintienne au même rythme, ou que d’autres laboratoires d’IA produisent des résultats comparables avec différents modèles, déterminera probablement la vitesse à laquelle la génération de preuves assistée par IA sera intégrée dans la pratique mathématique quotidienne.
FAQ
Qu’est-ce que ChatGPT for Academic Researchers ?
C’est une initiative d’OpenAI qui offre à 100 000 scientifiques et mathématiciens un accès gratuit à des modèles ChatGPT avancés afin d’accélérer les découvertes.
Quel problème mathématique de longue date le modèle d’IA d’OpenAI a-t-il réfuté ?
Une réfutation générée par IA de la conjecture d’Erdős sur les distances unitaires a été produite à l’aide d’un modèle OpenAI non publié, et partagée pour la première fois en mai.
Quels types de problèmes Astra a-t-il résolus avec l’aide de l’IA ?
Astra, le modèle interne de prochaine génération d’OpenAI, a produit des résultats en géométrie de haute dimension, théorie des codes, complexité des circuits arithmétiques, théorie des groupes, algèbres d’opérateurs, complexité quantique, cryptographie sur réseaux et combinatoire extrémale.
Comment les preuves générées par l’IA ont-elles été validées ?
Des chercheurs humains ont préparé des manuscrits à partir des arguments générés par l’IA, puis le modèle a formalisé chaque preuve dans un certificat Lean pour une vérification automatisée.
{« @context »: »https://schema.org », »@type »: »FAQPage », »mainEntity »:[{« @type »: »Question », »name »: »Qu’est-ce que ChatGPT for Academic Researchersu00a0? », »acceptedAnswer »:{« @type »: »Answer », »text »: »C’est une initiative d’OpenAI qui offre à 100 000 scientifiques et mathématiciens un accès gratuit à des modèles ChatGPT avancés afin d’accélérer les découvertes. »}},{« @type »: »Question », »name »: »Quel problème mathématique de longue date le modèle d’IA d’OpenAI a-t-il réfutéu00a0? », »acceptedAnswer »:{« @type »: »Answer », »text »: »Une réfutation générée par IA de la conjecture d’Erdős sur les distances unitaires a été produite à l’aide d’un modèle OpenAI non publié, et partagée pour la première fois en mai. »}},{« @type »: »Question », »name »: »Quels types de problèmes Astra a-t-il résolus avec l’aide de l’IAu00a0? », »acceptedAnswer »:{« @type »: »Answer », »text »: »Astra, le modèle interne de prochaine génération d’OpenAI, a produit des résultats en géométrie de haute dimension, théorie des codes, complexité des circuits arithmétiques, théorie des groupes, algèbres d’opérateurs, complexité quantique, cryptographie sur réseaux et combinatoire extrémale. »}},{« @type »: »Question », »name »: »Comment les preuves générées par l’IA ont-elles été validéesu00a0? », »acceptedAnswer »:{« @type »: »Answer », »text »: »Des chercheurs humains ont préparé des manuscrits à partir des arguments générés par l’IA, puis le modèle a formalisé chaque preuve dans un certificat Lean pour une vérification automatisée. »}}]}
Article produit avec l’assistance de l’intelligence artificielle et relu par l’équipe éditoriale.
