ریاضی‌دانان می‌گویند اوپن‌ای‌آی اثبات مسئله ناویه–استوکس خود را درک نمی‌کند
اوپن‌ای‌آی در اوایل سپتامبر راه‌حل احتمالی ۱۶۶ صفحه‌ای خود را برای مسئله ناویه–استوکس معرفی کرد. این شرکت مدعی شد که اثبات ارائه‌شده از رویکرد دیه‌گو کوردوبا و لوئیس مارتینس-زوروآ، دو ریاضی‌دان اسپانیایی، پیروی می‌کند.
بااین‌حال، به گزارش ساینتیفیک امریکن، چند گروه از متخصصان با این ادعا موافق نیستند. گونسالو کائو-لابورا، ریاضی‌دان مؤسسه فناوری فدرال لوزان (EPFL)، می‌گوید: «وقتی وارد جزئیات می‌شوید، می‌بینید که این کار از رویکرد متفاوتی استفاده می‌کند.» به گفته او، شباهت‌ها صرفاً ظاهری هستند.
این اثبات احتمالی با زبان Lean نوشته شده است؛ زبانی برای راستی‌آزمایی صوری که تک‌تک مراحل منطقی را بررسی می‌کند، اما به‌خودی‌خود متنی قابل‌فهم برای انسان تولید نمی‌کند. مؤسسه ریاضیات کلی (CMI) نیز از زمان انتشار این اثبات، در حال بررسی آن بوده است. این مؤسسه پیش‌تر درباره ظاهراً حل‌شدن مسئله ناویه–استوکس، یکی از مسائل جایزه هزاره، اظهار نظر کرده بود.
پیش از انتشار اثبات، تریستان باک‌مستر، ریاضی‌دان دانشگاه نیویورک، اوپن‌ای‌آی را متهم کرده بود که کار خود را بر پژوهش‌هایی بنا کرده است که او و لِوِنت آلپوگه از شرکت آنتروپیک با استفاده از مدل‌های در دسترس عموم انجام داده بودند. اوپن‌ای‌آی این ادعا را رد کرد و گفت که هرگز از داده‌های باک‌مستر استفاده نکرده است. کامیلو دِ لِلیس از مؤسسه مطالعات پیشرفته معتقد است احتمالاً دستیابی به پاسخی قطعی در این زمینه ناممکن است، زیرا مدل‌های زبانی جعبه‌سیاه هستند.
اوپن‌ای‌آی در اوایل اکتبر حدود ۴۰۰ نتیجه دیگر را نیز منتشر کرد؛ مجموعه‌ای که جامعه ریاضی به‌سختی می‌تواند با حجم آن همگام شود. این شرکت نتایج را در قالب مجموعه‌ای غیرمنسجم در گیت‌هاب منتشر کرد؛ اقدامی که خشم بسیاری از ریاضی‌دانان را برانگیخت، زیرا آن‌ها احساس می‌کردند این شیوه انتشار، شأن و ارزش رشته ریاضیات را پایین می‌آورد.
هیچ‌کس نمی‌داند آیا ۱۰ هزار عامل هوش مصنوعی واقعاً کمکی کرده‌اند یا نه
موضوع دیگری نیز وجود دارد که ظاهراً خود اوپن‌ای‌آی از آنچه در جریان این پروژه انجام داده، درک روشنی ندارد. این شرکت برای دستیابی به راه‌حل احتمالی مسئله ناویه–استوکس، منابع محاسباتی گسترده‌ای اختصاص داد: حدود ۱۰ هزار نمونه از مدل‌های هوش مصنوعی را به مدت تقریباً ۸۸ ساعت به کار گرفت و از ۱۳۰ میلیارد توکن استفاده کرد. به گفته نوآم براون، پژوهشگر اوپن‌ای‌آی، هنوز هیچ‌کس نمی‌داند این انبوه عامل‌های هوش مصنوعی دقیقاً چه سهمی در دستیابی به نتیجه داشته‌اند.
رفتار چنین سامانه‌هایی در این مقیاس هنوز به‌طور نظام‌مند بررسی نشده است، زیرا اجرای آزمون‌های مقایسه‌ای با هزاران عامل هزینه بسیار زیادی دارد. تاکنون کسی آزمایش نکرده است که یک عامل به‌تنهایی برای حل همین مسئله به چه مدت زمان نیاز دارد. همچنین تقریباً ناممکن است مشخص شود ۱۰ هزار عامل در مقایسه با هزار عامل، چه مزیت ملموسی ایجاد می‌کنند.
براون سهم سازوکار چندعاملی در این موفقیت را کمتر از ۱۰ درصد می‌داند. به گفته او، این سامانه‌ها فناوری‌هایی جدید و چشمگیر هستند و به همین دلیل، بیش از اندازه سهم و اعتبار دریافت می‌کنند. آنچه واقعاً اهمیت دارد، خود مدل پایه است؛ مدلی که می‌تواند برای مدت طولانی به انجام وظایف ادامه دهد و کارها را به‌صورت موازی پیش ببرد.