Štítek: Data

  • OpenAI vyřešila matematický problém tisíciletí. Nebo ho ukradla z cloudu?

    https://openai.com/index/navier-stokes-solution
    https://www.nytimes.com/2026/09/10/science/tristan-buckmaster-openai-math-navier-stokes.html

    Společnost OpenAI oznámila, že její interní model, výkonnější než GPT-6 Astra, vytvořil řešení Navierova–Stokesova problému existence a hladkosti řešení, jednoho ze sedmi „problémů tisíciletí“. Podle firmy na tom pracovala skupina řádově 10 000 souběžně spuštěných AI agentů, kteří dospěli k výsledku za zhruba 88 hodin. Důkaz ukazuje, že proudění tekutiny se může v konečném čase „rozbít“, a firma zveřejnila i jeho formální ověření v nástroji Lean. Nezávislí matematici ho ale zatím nepotvrdili. Oznámení navíc provází spor o prvenství. Matematik Tristan Buckmaster z Newyorské univerzity na příbuzném problému zhruba rok pracoval s Leventem Alpögem z Anthropicu a používali při tom modely Claude i Codex od OpenAI. Buckmaster tvrdí, že OpenAI začala na problému pracovat až poté, co se k ní doneslo, jak blízko jsou s Alpögem výsledku. OpenAI to sama přiznává: podle jejího vlastního popisu se do problému pustila 1. září, když zaslechla fámu o jejich práci. Buckmaster se také ptal, zda model neměl přístup k jeho soukromým konverzacím v Codexu, kam ukládal své rozpracované texty. OpenAI to odmítá a po interním šetření uvádí, že jeho data výsledek nemohla nijak ovlivnit, ani prostřednictvím tréninku.

    Můj komentář: Tohle už dávno není jen akademický spor o to, čí jméno bude zapsáno v učebnicích, ale naprostý budíček pro celý vědecký i byznysový svět. Ukazuje se zde ta zásadní stránka využívání proprietárních AI nástrojů pro inovativní práci. Jakmile nasypete své nejlepší know-how nebo firemní tajemství do cloudu velkého poskytovatele umělé inteligence, dost možná mu tím odevzdáváte návod, jak vás nahradit a přeskočit (i kdyby se jen trochu inspiroval a pak by jeho inspiraci někdo vehementně popíral).Představa, že OpenAI díky svému téměř neomezenému rozpočtu (na tento konkrétní výpočet padlo podle odhadů přes 20 milionů dolarů) prostě nasaje načatou lidskou myšlenku a pomocí armády 10 tisíců AI agentů ji strojovou rychlostí dotáhne do cíle dřív než sám autor, totálně mění pravidla hry. Pokud vědci, vývojáři a startupy ztratí jistotu, že systémy jako ChatGPT nebo Codex nefungují jen jako sofistikované „vysavače nápadů“ pro své tvůrce, nevyhnutelně to povede k obrovskému exodu směrem k lokálním a open-source modelům. OpenAI sice možná vyřešila problém tisíciletí, ale dost možná u toho nenávratně zničila důvěru v komerční cloudovou AI.A jak říkám nejen já (https://techcrunch.com/2026/07/13/satya-nadella-has-issued-a-shocking-warning-to-companies-using-ai/) za token se platí dvakrát. Poprvé většinou v dolarech a podruhé v myšlenkách a nápadech. 

  • Jak učit modely?

    Zdá se, že textová data, která doposud vytvořila lidská civilizace, už pro trénink nejnovějších AI modelů přestávají stačit. Narážíme na takzvanou datovou zeď. Společnost Meta proto hledá nové zdroje, jak své modely posunout od pouhého generování textu k reálné akci, a přistupuje k poměrně radikálnímu kroku. Podle zprávy agentury Reuters začne Meta pro trénink AI zaznamenávat aktivitu na obrazovkách, pohyby myší a údery do klávesnice svých zaměstnanců. Cílem je získat zcela nový typ obrovského množství behaviorálních dat, ze kterých se umělá inteligence naučí, jak lidé krok za krokem reálně interagují se softwarem a jak vizuálně i mechanicky řeší úkoly na počítači.

    Zdroj

    https://www.reuters.com/sustainability/boards-policy-regulation/meta-start-capturing-employee-mouse-movements-keystrokes-ai-training-data-2026-04-21

    Komentář

    Tohle je fascinující, ale pro někoho možná trochu mrazivý milník. Je to první precedent? Úplně ne – menší startupy zaměřené na agentní AI (jako například Adept) a tvůrci RPA systémů s nahráváním workflow experimentují už nějakou dobu. Nicméně to, že na tento způsob sběru dat přechází v masivním měřítku gigant kalibru Mety, představuje absolutní zlom na trhu.

    Ukazuje to na zásadní evoluci umělé inteligence: od fáze „vědět, co říct“ (jazykové modely natrénované na internetovém textu) se přesouváme k fázi „vědět, jak to udělat“ (akční modely a agenti). Aby za nás mohla AI proklikávat firemní systémy nebo tvořit prezentace, nepotřebuje číst Wikipedii – potřebuje vidět náš reálný pracovní postup. Otázkou pochopitelně zůstává obrovský střet se soukromím. Dnes Meta začíná u svých zaměstnanců, ale můžeme se ptát, jak dlouho potrvá, než podobné kontinuální sledování pohybu myši a obrazovky odklikneme v podmínkách použití našich oblíbených nástrojů výměnou za „ještě chytřejšího asistenta“. Hranice toho, co vnímáme jako trénovací data, se právě dramaticky posunula.