Matematikçiler ve uzmanlar, Eylül ayının başında sunulan OpenAI'nin 166 sayfalık potansiyel Navier-Stokes çözümünü gerçekten anlayıp anlamadığını sorguluyor. Birkaç matematikçi grubu, Scientific American’a, kanıtın OpenAI'nin iddia ettiği yaklaşımdan farklı bir yöntem izlediğini, EPFL matematikçisi Gonzalo Cao-Labora’nın benzerliklerin yalnızca yüzeysel olduğunu belirttiğini söyledi. Potansiyel kanıt, formal doğrulama dili olan Lean ile yazıldı ve yayımlandığından beri Clay Matematik Enstitüsü tarafından inceleniyor.
Yayın öncesinde NYU'lu matematikçi Tristan Buckmaster, OpenAI'yi, kendisi ve Anthropic'ten Levent Alpöge'nin kamu modelleriyle yaptığı çalışmaya dayanmakla suçladı; bu iddiayı OpenAI reddetti. İleri Araştırma Enstitüsü'nden Camillo De Lellis, dil modellerinin hâlâ kara kutular olması nedeniyle kesin bir yanıtın muhtemelen mümkün olmayacağını belirtti. Ekim ayının başında OpenAI, topluluğun neredeyse ayak uyduramadığı yaklaşık 400 ek gevşek sonucu GitHub’da yayımlayarak matematikçileri bir kez daha öfkelendirdi.
OpenAI, yaklaşık 10.000 model örneğiyle 88 saat boyunca ve 130 milyar token kullanarak yürüttüğü devasa hesaplama dağıtımının rolü konusunda belirsizlik olduğunu da kabul etti. OpenAI araştırmacısı Noam Brown, bu ölçeklerde karşılaştırma testleri yapmanın çok maliyetli olması nedeniyle kimsenin ajan sürüsünün ne kadar katkı sağladığını gerçekten bilmediğini belirtti. Brown, başarının %10’dan azını çoklu ajan kurulumuna bağlarken, asıl önemli olanın temel modelin görevleri paralel olarak işleyebilme yeteneği olduğunu vurguladı. Neden önemli: Bu tartışma, hızlı AI‑tarafından üretilen matematiksel çıktılar ile insan bilim topluluğunun talep ettiği titiz doğrulama standartları arasındaki artan sürtüşmeyi gözler önüne seriyor.