Meta Muse Spark helpt wiskundigen open problemen oplossen

Meta heeft zes wiskundige artikelen gepubliceerd die onderzoekers samen met het eigen taalmodel Muse Spark hebben geschreven. Volgens Meta geven vijf daarvan antwoord op vragen die tot nu toe open stonden. Opvallend is de werkwijze: de wiskundigen gebruikten gewoon de chatinterface van meta.ai, zonder speciaal gebouwd onderzoekssysteem eromheen.

Zes vakgebieden, één chatvenster

In een blogpost van Meta AI Research van 2 oktober beschrijft het bedrijf hoe wiskundigen maandenlang met Muse Spark 1.1 en 1.2 in Thinking Mode werkten. De onderwerpen lopen uiteen: kansrekening (de drempel voor het passen van Gaussische ellipsoïden), differentiaalvergelijkingen, groepentheorie, optimalisatie, rekenkundige fysica en niet-associatieve algebra. Alexandr Wang, die bij Meta de AI-tak leidt, zette de zes titels op X op een rij.

Een paar concrete resultaten. Joseph Phillip Brennan en Milana Golich laten in hun groepentheorie-paper zien dat semi-abelse groepen niet altijd monomiaal zijn. Het tegenvoorbeeld is een groep van 384 elementen, gevonden met zoekcode in GAP die het model schreef. Aykut Arslan tekende voor twee papers, over het ellipsoïde-probleem en over optimalisatie. Leonard Dinh werkte aan het moment waarop oplossingen van een biharmonische Schrödingervergelijking in eindige tijd ‘opblazen’.

Wie deed wat?

Meta is opvallend precies over de taakverdeling. De wiskundigen kozen de problemen, stuurden het werk, corrigeerden fouten en controleerden het eindresultaat. Muse Spark stelde bewijzen voor, zocht tegenvoorbeelden, schreef code en zette technische secties op papier. In de artikelen staat per passage aangegeven of die door het model of door een onderzoeker is opgesteld. Elk paper is daarna nagelezen door een aparte groep wiskundigen.

Dat is relevant, omdat de discussie over AI in de wetenschap vaak blijft hangen bij de vraag wie eigenlijk de auteur is. Eerder deze week schreven we nog over de nieuwe limiet van arXiv op het aantal papers per maand, mede ingegeven door een stroom aan AI-gegenereerd werk. Meta’s aanpak met gemarkeerde passages is een poging om die verwarring voor te zijn.

Kanttekeningen

Helemaal uniek zijn de resultaten niet. Techsite Runtimewire wijst erop dat andere teams een deel van dezelfde problemen onafhankelijk hebben opgelost. Voor het ellipsoïde-probleem verscheen in augustus al een ander resultaat, en het tegenvoorbeeld in de groepentheorie werd op 16 september ook gemeld door de AI-agent Nilradical. Meta erkent dat zelf voor twee van de zes papers. De resultaten variëren bovendien van gedeeltelijke bewijzen tot volledige oplossingen.

Ook gebruikte Meta niet zijn nieuwste model. Muse Spark 1.3 werd op 2 september aangekondigd, maar speelde geen rol in deze artikelen.

Wat betekent dit

De kern van het verhaal zit in het gereedschap. Waar andere labs voor wiskundig onderzoek vaak eigen agents en zoeksystemen bouwen, laat Meta zien dat een gewone chatbot met redeneermodus ver kan komen als er een vakexpert naast zit. Dat sluit aan bij wat we eerder zagen bij Harvard-onderzoekers die Claude in hun werk inzetten en bij Sony AI’s hypothesegenerator. Het model levert ideeën en rekenwerk, de mens bepaalt wat klopt.

Voor Meta is het ook een signaal richting de markt. Het bedrijf positioneert Muse al als zakelijk platform, en aantoonbaar nuttig onderzoekswerk helpt bij die verkooppraat. Of de bewijzen standhouden, moet blijken als de papers het reguliere reviewproces van wiskundige tijdschriften doorlopen.