Математици искат доказателство от OpenAI за данните

Група математици настояват OpenAI да покаже на какво стъпва отричането ѝ, че непубликувани техни работи са попаднали в обучението на моделите. Най-острото обвинение дойде от Андреас Том, теоретик на групите в TU Dresden: в тричастна публикация в Mathstodon той нарече отговора на изследовател на OpenAI „в най-добрия случай неоправдано широк и съществено подвеждащ, а погледнато назад — направо нечестен”. Компанията не е коментирала публично.

Какво иска Том

През август 2026 г. OpenAI обяви, че моделът ѝ Astra е построил първата несофична група — задача, отворена от 27 години. Централната техническа стъпка стъпва пряко върху статия на Габор Кун и Том от 2019 г. и върху по-ранен резултат от 2016 г.

Снимка: Ivonne Vetter / MFO, CC BY-SA 2.0 DE

Проблемът за Том е, че месеци преди това той и колега от Дрезден са работили точно по този кръг въпроси — задачата за съответствията в експандери и разширения на работата с Кун — вътре в ChatGPT. След съобщението той писал на изследователите Марк Селке и Себастиен Бубек с два въпроса: влезли ли са тези разговори в данните за обучение и имала ли е системата достъп до тях, докато е решавала задачата.

Отговорът на Селке бил един ред: това не се е случило. Том твърди, че така е отговорено само на втория въпрос — за директния достъп — а не на първия. Той посочва и че сам е изключил използването на разговорите си за обучение чак на 29 юни, както и че подходът Кун–Том не е бил фаворитът в общността: повечето специалисти залагали на линия през квантовите игри. Именно затова му прави впечатление, че моделът е тръгнал точно по неговата техника.

Том изрично не твърди, че има доказателство. Иска друго: OpenAI да разкрие на какво основание е дала категоричния си отговор. Подробностите са описани от Notebookcheck и OfficeChai.

Формулировката, която промени тона

Случаят на Том се засили от това, което OpenAI призна дни по-късно при спора за Навие-Стокс. Тристан Бъкмастър от NYU и Левент Алпьоге от Anthropic работеха по сходен резултат, при това през Codex на самата OpenAI. Бъкмастър казва, че е попитал компанията дали данните му са били използвани, и не е получил отговор.

Публично OpenAI първо отрече агентите ѝ да са чели потребителски данни — ръководителят на изследванията Марк Чен заяви, че никой не е „ровил в потребителски данни, за да реши тази задача”. После дойде уточнението: компанията „не може да изключи, че деидентифицирани данни, произлизащи от използването на нашите продукти, са помогнали за подобряването на моделите ни”. Разликата между двете изречения е точно тази, за която настоява Том — достъпът по време на работа и попадането в тренировъчния корпус не са едно и също. Формулировките са цитирани от VentureBeat.

Деидентификацията маха имена, но не маха идеи. Една недовършена теорема остава разпознаваема и без автора си, а защитите за лични данни не са проектирани за непубликувани изследвания.

Кой е защитен и кой не

Практическата разлика минава по вида на акаунта. При бизнес и API клиентите на OpenAI данните по подразбиране не се ползват за обучение. При потребителските планове — ChatGPT и Codex — трябва сами да изключите опцията или да ползвате режим без задържане на данни. Мнозина математици работят точно с потребителски абонамент.

По-широкото недоволство

Спорът за данните е втори пласт върху вече започнала кавга за приписването на заслуги. Още на 6 август Scientific American описа как два от десетте обявени резултата стъпват върху съществуващи идеи без адекватно цитиране в съобщението за пресата. Стивън Милър от Yeshiva University го нарече „системно” и посочи, че „това сочи към научна злоупотреба”. Франческо Фурние-Фачо от Кеймбридж формулира искането по-меко: „OpenAI вече участва пълноценно във висококласни изследвания. Значи трябва да отговаря на същите академични стандарти, на които и ние.”

Терънс Тао предупреди, че практиката може да разруши принципите на откритата и възпроизводима наука — ако едно съобщение за пресата изпреварва препринт, изследователите ще спрат да споделят обещаваща работа. The Verge поставя и по-неудобния въпрос: откъде изобщо идват математическите данни за обучение на такива модели.

Контекст

Наградата от 1 милион щатски долара (около 860 хил. евро) на Clay Mathematics Institute за Навие-Стокс остава неприсъдена — правилата изискват две години след публикация в рецензирано списание. Дотогава спорът няма да е за математиката, а за процедурата.

Исканията на математиците всъщност са скромни: не одит на целия корпус, а конкретен отговор на конкретен въпрос — какво точно е проверено, преди да се каже „това не се е случило”. Докато такъв отговор липсва, всеки следващ обявен резултат на моделите от поколението Astra ще носи същата сянка. А за общност, в която приоритетът и цитирането са валутата, това е по-скъпо от загубена награда.