CryptoSlate
OpenAI, 8 Eylül'de yaklaşık 10.000 eşzamanlı yapay zekâ aracısının, yaklaşık 88 saatlik hesaplama sonrasında Navier-Stokes akışkan hareketi probleminin çözümünü ürettiğini, üzerine GPT-6 Astra'da çalışan 17 saat daha Lean formalleştirmesi ve doğrulaması eklendiğini açıkladı. Sistem, başlangıçta düzgün bir akışkanın sonlu enerjiyi korurken sonlu sürede tekillik geliştirebileceğini gösteren analitik bir kanıt üretti ve Binyıl Ödülü formülasyonunun C ve D durumlarını çözüme kavuşturdu. OpenAI hem kanıtı hem de Lean formalleştirmesini bağımsız inceleme için yayımladı.
Manşet rakam hesaplama ölçeği; yapısal okuma ise bunun ardından gelen kısım. Akıllı sözleşme davranışını matematiksel olarak kanıtlamak için kullanılan aynı teknik olan biçimsel doğrulama, manuel çabayla darboğaza girmişti. OpenAI'nin deneyi, yapay zekâ sistemlerinin kanıtları, insan rehberliğindeki belirtim adımını yeni darboğaz haline sıkıştıracak bir hızla üretebileceği ve doğrulayabileceği yakın bir geleceğe işaret ediyor.
Neden önemli
Ethereum belgeleri, biçimsel doğrulamayı, bir sözleşmenin geliştiricilerin önceden belirlediği özellikleri karşılayıp karşılamadığının ortaya konması süreci olarak tanımlıyor. Bu çerçeve, yükü belirtim kalitesinin üzerine koyuyor. Bir kanıtlayıcı yalnızca ifade edilenleri test edebilir; erişim kontrolleri, çekim koşulları, muhasebe değişmezleri ve ayrıcalıklı fonksiyonlar, otomatik herhangi bir sistemin test edebilmesinden önce hâlâ doğru bir insan tanımı gerektiriyor. Teorem kanıtlama daha özerk hale geldikçe, belirtimleri yanlış yapmanın maliyeti artarken kanıtın kendisini üretmenin maliyeti düşüyor.
Kriptoya özgü risk, matematikçi Terence Tao'nun OpenAI'nin açıklamasından beş gün önce dile getirdiği bir endişeye paralel ilerliyor. Tao, büyük hesaplama bütçeleriyle desteklenen özerk yapay zekâ sistemlerinin, iteratif keşif sürecinin büyük bölümünü kamuya açık alanın dışında tutarken doğru sonuçlar üretebileceği konusunda uyardı. Başarısız yaklaşımlar ve ara keşifler sıklıkla son kanıttan daha uzun ömürlü içgörüler üretir. Büyük ölçüde özerk bir kanıtlayıcı bu nedenle DeFi, köprü ve tokenize edilmiş varlık ekiplerine, sürdürmek için gereken anlayış derinliğini aktarmadan doğrulanmış bir çıktı sunabilir.
Sıkça sorulan sorular
-
OpenAI'nin yapay zekâ aracıları gerçekte neyi kanıtladı?
Navier-Stokes akışkan hareketi problemine analitik bir çözüm üreterek Binyıl Ödülü formülasyonunun C ve D durumlarını çözüme kavuşturdular, ardından bunu bağımsız inceleme için Lean'de formalleştirdiler.
-
Bu atılım neden kripto güvenliği için önemli?
Matematikte kullanılan aynı biçimsel doğrulama teknikleri akıllı sözleşmelere uygulanabilir ve OpenAI'nin hesaplama ölçeği, yapay zekâ destekli kanıtlamanın üretim denetimleri için artık ulaşılabilir olduğunu gösteriyor.
-
Kanıt üretimi otomatikleşirse yeni darboğaz ne olur?
Belirtim kalitesi. Ethereum belgeleri, bir kanıtlayıcının yalnızca geliştiricilerin belirttiklerini test edebildiğini not eder; bu nedenle erişim kontrolleri, çekim koşulları ve muhasebe değişmezleri hâlâ doğru bir insan tanımı gerektirir.
-
Terence Tao ne konusunda uyardı?
OpenAI'nin açıklamasından beş gün önce Tao, özerk yapay zekâ sistemlerinin iteratif keşfi kamuya açık alanın dışında tutarken doğru sonuçlar üretebileceği ve sıklıkla içgörü üreten başarısız yaklaşımları süreçten çıkarabileceği konusunda uyardı.
-
DeFi'de otomatik teorem kanıtlamadan en çok kim yararlanır?
Otomatik kanıtlayıcıları titiz belirtim tasarımıyla birleştiren ekipler; çünkü döngü başına daha fazla sözleşmeyi doğrulamanın marjinal maliyeti düşerken insan uzmanlığı hiçbir zaman yaşanmaması gereken hataları tanımlamaya yoğunlaşır.
CoinTelegraph
WatcherGuru
CoinDesk
WuBlockchain
TheBlock
Crypto News