L’IA de OpenAI, coûtant 2 000 dollars, a réussi à résoudre 10 problèmes mathématiques anciens. Pourquoi les traders ne peuvent-ils pas ignorer cela ?

Pourquoi les résultats d’Astra d’OpenAI sont importants

OpenAI dit qu’une version interne d’Astra existe.Des résultats ont été obtenus pour dix problèmes qui n’avaient pas fait de progrès depuis au moins une décennie.En utilisant suffisamment de tokens, cela coûte environ 2 000 dollars selon les tarifs de Sol API. L’important n’est pas seulement que les problèmes difficiles ont été résolus ; l’important est que ce travail a été effectué avec une quantité mesurable de calculs au format API.Certificats Leanpour vérification.

Les résultats ont été significatifs. AstraIl a construit le premier groupe non-sofic.Il a réfuté la conjecture de rigidité de Connes, résolu trois problèmes d’Erdős, et a également fait des progrès dans des domaines tels que l’empaquetage des sphères, la théorie du codage et la cryptographie post-quantique. De même importants, les arguments…Vérifié avec LeanCela rend la sortie bien plus qu’une simple démo impressionnante ; cela indique que les recherches sont menées avec l’aide de l’IA, et que les résultats peuvent être vérifiés de manière automatique.

La question principale est simple. Une interprétation est que le modèle étudié s’inscrit désormais dans le cadre des travaux de recherche, à un coût mesurable. Une interprétation plus prudente est que il s’agit toujours d’une activité limitée, basée sur un petit ensemble de problèmes, et non d’une preuve de l’utilité répétible ou scalable du modèle. Ce qui rend cette sortie difficile à rejeter, c’est que les capacités et la distribution du modèle ont été annoncées en même temps.

Pourquoi les traders prêtent attention

Les coûts mesurables changent l’histoire.

L’angle de trading n’est pas les mathématiques en soi. C’est plutôt le fait que la raisonnement de recherche peut désormais être mesuré. Les dix résultats obtenus par Astra ont été obtenus à l’aide de tokens qui coûtaient…Environ 2 000 dollars, aux taux de Sol API.Cela permet aux traders de penser de manière plus concrète à la demande : si les processus de raisonnement coûteux deviennent reproductibles, les premiers bénéficiaires seront ceux qui vendent des tokens, des endpoints et du matériel informatique.

La vérification léger suggère un processus de travail plus complexe.

La même analyse a donné des résultats dans les domaines de la complexité quantique et de la cryptographie en réseau, avec des preuves qui ont été produites.Certificats légers pour la vérification informatique étape par étapeC’est un mode d’utilisation plus intensif que les requêtes de type assistante habituelles. Cela implique des cycles de modèle plus longs, plus d’itérations, et des évaluations qui nécessitent davantage de ressources informatiques. Si ce mode d’utilisation se répand, les fournisseurs d’infrastructure pourraient ressentir une demande avant même que la monétisation du logiciel ne devienne clairement visible.

La distribution rendit le signal plus difficile à ignorer.

OpenAI a également élargi l’accès aux modèles de ChatGPT pour les chercheurs académiques, permettant ainsi aux scientifiques et mathématiciens d’accéder gratuitement à ses meilleurs modèles de ChatGPT. Ce n’est pas une demande payante en soi, mais cela permet d’élargir la base de tests. OpenAI a également indiqué qu’elle évalue les modèles sur des problèmes de recherche ouverts pendant le développement, ce qui fait que ce progrès ne ressemble pas tant à une seule démonstration, mais plutôt à une capacité qui évolue continuellement.

Ce qui confirmerait ou affaiblirait la thèse

• Confirmatoire :Des résultats plus conformes aux normes publiques, des traces de raisonnements plus clairement indiquées, et des preuves que l’accès académique se transforme en utilisation répétée.
• Poste de surveillance:Si les raisonnements plus complexes restent rares, ou si les versions ultérieures présentent des résultats moins solides et moins vérifiés, alors l’histoire de la demande reste à un stade précoce.

Comment structurer la réaction du marché

Considérez-le comme un signal de capacité, et non comme un cas de monétisation achevé.

La sortie d’Astra était clairement indiquée comme telle.Une version interne d’AstraCes résultats sont importants, car l’affirmation concerne la capacité à produire des résultats mesurables, et non pas la preuve qu’un marché de produits détaillé existe déjà. Si les mises à jour futures montrent que le même modèle est capable de faire face à des tâches plus difficiles et de produire davantage de résultats vérifiables, alors le suivi de l’utilisation du produit devient plus facile.

Les signaux qui méritent d’être notés en premier…

• Catalyseurs :Plus de données publiques, plus de traces de raisonnements déposées, et plus d’indices montrant que l’accès académique se transforme en utilisation continue.
• Confirmer :Le processus de travail s’étend au-delà d’une seule présentation ponctuelle ; la vérification reste une partie intégrante du résultat obtenu. De plus, la diffusion continue s’accroît au sein du programme universitaire.
• Configuration commerciale idéale :Le marché commence à récompenser les couches de mesure et d’infrastructure avant que l’ensemble du projet logiciel ne soit entièrement validé.

Comment le récit peut échouer

Les optimistes peuvent faire des transactions excessives en considérant un résultat positif comme une indication de la demande continue pour le produit. Les pessimistes, quant à eux, peuvent faire moins d’investissements en ignorant complètement ce résultat, car la rentabilité n’est pas encore visible. La solution intermédiaire est plus simple : considérer ce résultat comme réel, mais rester ciblé sur les répétitions. Si OpenAI continue à publier des résultats…Vérifié à l’aide de LeanEt avec le soutien de l’aide humaine, l’histoire continue d’obtenir une crédibilité. Si les versions ultérieures sont moins solides, moins vérifiées ou moins utilisées, le marché devrait réduire les risques.