Zusammenfassung:
Mit der viel beachteten Ankündigung von OpenAI, dass sein internes künstliches Intelligenzsystem eines der „Millenniumspreis-Probleme“, die die Mathematik-Gemeinschaft seit fast einem Jahrhundert plagen – die Existenz und Glätte der Navier-Stokes-Gleichungen (Navier-Stokes-Gleichungen) – erfolgreich überwunden hat, entbrannte in der globalen akademischen Gemeinschaft und der Technologiebranche schnell eine große Kontroverse um die Quelle der zugrunde liegenden Trainingsdaten für Spitzenmodelle, den Besitz von geistigen Eigentumsrechten für die wissenschaftliche Forschung und die akademische Ethik.
Da künstliche Intelligenz allmählich an die Spitze der wissenschaftlichen Grundlagenforschung vordringt, stellt sich die Frage, woher die hochrangigen mathematischen Denkmodelle von Giganten wie OpenAI wichtige Nährstoffe beziehen und ob wissenschaftliche Forscher unbeabsichtigt zum „Datendünger“ für die privaten Modelle von Technologiegiganten werden, wenn sie täglich kommerzielle KI-Tools verwenden.
Die Kontroverse entstand aus einem 165-seitigen mathematischen Beweis und einem Lean-Formalcode-Zertifikat, das von OpenAI veröffentlicht wurde. Den Offenlegungen von OpenAI zufolge hat es ein nicht bekannt gegebenes internes Modell eingesetzt, das leistungsfähiger ist als das neu veröffentlichte GPT-6 Astra, etwa 10.000 autonome KI-Agenten mobilisiert, die zur kollaborativen Kommunikation fähig sind, Hunderte Milliarden Ausgabetokens und Supercomputing-Ressourcen im Wert von etwa 22,5 Millionen US-Dollar in 88 Stunden verbraucht und schließlich einen mathematischen Beweis dafür erbracht, dass die inkompressible Flüssigkeitsgleichung in begrenzter Zeit eine Singularität erzeugt. OpenAI machte außerdem klar, dass es den vom Clay Mathematics Institute festgelegten Bonus von 1 Million US-Dollar nicht erhalten wird. Doch kurz vor der Veröffentlichung der OpenAI-Ergebnisse hatten Tristan Buckmaster, Professor am Courant Institute of Mathematical Sciences der New York University, und Levent Alpöge, Forscher beim Konkurrenten Anthropic, gerade ihre bahnbrechenden Vorläuferergebnisse zu verwandten Problemen der Fluiddynamik wie der erzwungenen Euler-Gleichung veröffentlicht.
Buckmaster gab sofort eine öffentliche Erklärung ab, in der er starke Zweifel am unabhängigen Durchbruch von OpenAI aufkommen ließ. Buckmaster wies darauf hin, dass er und Alperger während der einjährigen gemeinsamen Forschung das Codegenerierungstool Codex von OpenAI und das Claude-Modell von Anthropic eingehend genutzt hätten, um Formeln abzuleiten und Zwischenentwürfe zu entwerfen. Alle unveröffentlichten Kernableitungsmanuskripte, unterteilten mathematischen Eingabepfade und spezifischen Randbedingungseinstellungen wurden vollständig in das Codex-Sitzungsprotokoll eingegeben. Buckmaster gab bekannt, dass er, nachdem er erfahren hatte, dass OpenAI von relevanten externen Forschungsgerüchten erfahren hatte, OpenAI direkt fragte, ob das interne Problemlösungsmodell ihren privaten Interaktionsdaten auf Codex ausgesetzt oder anhand dieser trainiert worden sei; Obwohl die technischen Mitarbeiter von OpenAI darauf bestanden, dass das Modell nicht direkt in Echtzeit auf bestimmte Benutzerdaten zugreift, vermied sie die Beantwortung der Schlüsselfrage, „ob diese in den Datensatz vor dem Training oder in den Feinabstimmungsdatensatz des Modells integriert worden waren.“ Noch kontroverser war, dass Buckmaster dem OpenAI-Kernforscher Sébastien Bubeck vorwarf, Bedingungen für die Mitautorenschaft in privaten Mitteilungen festgelegt zu haben, forderte jedoch, dass Alperger, ein Mitarbeiter von Anthropic, vollständig von der Mitautorenschaft ausgeschlossen werde.
Angesichts wachsender Zweifel an akademischem Plagiat und Datenveruntreuung gab OpenAI offiziell eine Erklärung heraus, in der es dementierte, die Manuskripte der beiden Personen vor der Veröffentlichung auf informellen Kanälen ausgespäht zu haben. Bubeck betonte auch, dass sich der von OpenAI abgeleitete mathematische Beweis hinsichtlich der technischen Struktur und der spezifischen Schlussfolgerungen wesentlich vom Buckmaster-Team unterscheidet. Allerdings hat OpenAI selten einen interessanten Haftungsausschluss in seine offizielle Antwort aufgenommen: Beamte „können die Möglichkeit nicht ausschließen, dass anonymisierte anonyme Daten, die aus der Nutzung seiner Produkte durch Benutzer generiert werden, objektiv zur Verbesserung der Modellleistung beigetragen haben.“ Diese Aussage sorgte sofort für Aufruhr in akademischen Kreisen und wurde von vielen Wissenschaftlern als verstecktes Eingeständnis von OpenAI interpretiert, dass die privaten Interaktionsaufzeichnungen von Spitzenwissenschaftlern, die in kommerziellen Entwicklertools gespeichert sind, höchstwahrscheinlich in die kontinuierliche Iterationspipeline des zugrunde liegenden Modells involviert waren.
Dieser Aufruhr offenbarte die verborgene Realität der „Datenverarmung“ und „umgekehrten Absorption“, mit der hochmoderne Labore für künstliche Intelligenz beim Aufbau hochwertiger mathematischer Fähigkeiten konfrontiert sind. Die meisten traditionellen Pre-Training-Daten stammen aus dem öffentlichen Web-Crawling, aber die überwiegende Mehrheit des öffentlichen Mathematikkorpus im Internet befindet sich nur auf der Ebene von Wettbewerben für Grund- und Sekundarschulen oder Grundlehrbüchern für Studenten und kann das Modell nicht unterstützen, um eine tiefgreifende geometrische Analyse partieller Differentialgleichungen oder algebraischer Topologie zu verstehen. Um das Modell mit der tiefen logischen Argumentation und den rigorosen Schlussfolgerungsfähigkeiten der weltbesten Mathematiker auszustatten, stützt sich das KI-Labor nicht nur auf die Einstellung professioneller Mathematiker, die formalen Lean-Code und synthetische Daten schreiben, sondern auch in hohem Maße auf aktuelle Forschungsschwerpunkte, unveröffentlichte Problemlösungshypothesen und fortschrittliche schnelle Wortflüsse, die von echten Top-Wissenschaftlern in Entwicklungstools (wie der Codex-Plattform) eingegeben werden. Sobald die Nutzungsvereinbarung eine Klausel enthält, die es der Plattform ermöglicht, nicht identifizierte Interaktionsdaten zur Algorithmusoptimierung zu verwenden, wird die ursprüngliche Gehirnarbeit von Wissenschaftlern stillschweigend verdaut und von Unternehmens-Rechenleistungsclustern in einer rechtlichen Grauzone verstärkt.
Experten der Wissenschaftsphilosophie und des Rechts des geistigen Eigentums wiesen darauf hin, dass der Navier-Stokes-Streit kein Streit zwischen einzelnen Wissenschaftlern und Wirtschaftsriesen war, sondern vielmehr eine strukturelle ethische Krise darstellte, der man sich stellen muss, wenn das Paradigma menschlicher wissenschaftlicher Entdeckungen eine grundlegende Spaltung erfährt. In den letzten Jahrhunderten basierte das Ehren- und Anreizsystem der Wissenschaft auf strikter Begutachtung durch Fachkollegen, Veröffentlichungspriorität und einer standardisierten Ethik beim Zitieren von Literatur. Doch angesichts der industrialisierten „gewaltsamen Suche“, bei der Zehntausende intelligenter Agenten parallel zusammenarbeiten und die Dutzende Millionen Dollar kostet, werden die traditionellen Verteidigungslinien der akademischen Entdeckung angreifbar. Wenn kommerzielle Technologiegiganten nicht nur die führende Hegemonie der Rechenleistung kontrollieren, sondern auch die von ihnen kontrollierte Produktivitätssoftware nutzen, um einseitig die unveröffentlichten Ideen von Spitzenwissenschaftlern zu übernehmen und wesentliche Zuschreibungen zu leugnen, wird die Grundlage des Vertrauens der globalen akademischen Gemeinschaft in offene wissenschaftliche Forschungswerkzeuge völlig erschüttert. Dies wird auch große Universitäten und unabhängige wissenschaftliche Forschungseinrichtungen dazu zwingen, die enormen potenziellen Risiken der Übertragung zentraler wissenschaftlicher Forschungsgeheimnisse in ungeprüfte Cloud-KI-Tools erneut zu prüfen.
Kommentare