Deux équipes de recherche ont résolu le même problème ouvert avec le même modèle d'IA, à trois heures d'intervalle
Un doctorant du MIT et deux professeurs ont résolu indépendamment la même question en cryptographie quantique à l'aide de GPT-5.6 Sol Ultra et ont publié leurs articles sur arXiv à trois heures d'intervalle. Cela soulève une question délicate sur ce que signifie aujourd’hui la découverte indépendante.
Deux groupes de chercheurs qui n’avaient jamais coordonné ont résolu le même problème ouvert de cryptographie quantique, tous deux utilisant GPT-5.6 Sol Ultra d’OpenAI, et ont téléchargé leurs articles sur le serveur de préimpression arXiv à trois heures d’intervalle. Scientific American a rapporté la collision. D’un côté se trouvait Seyoon Ragavan, doctorant au MIT. De l’autre, Prabhanjan Ananth de l’UC Santa Barbara et Amit Sahai de l’UCLA.
Le problème réside dans un domaine appelé cryptage non clonable, un moyen de protéger les informations qui s’appuie sur une propriété de la physique quantique : certains états quantiques ne peuvent pas être copiés, de sorte qu’un message crypté ne peut pas être dupliqué en silence par une écoute indiscrète. Les deux groupes sont parvenus au résultat par des voies différentes, c’est pourquoi ils discutent désormais de l’opportunité de fusionner les journaux plutôt que de débattre sur la priorité.
Les citations sont la partie intéressante. “Si quelqu’un mentionne un problème ouvert, la première chose est de voir si GPT le résout”, a déclaré Ananth. Ragavan a été plus direct : “La façon dont je fais des recherches maintenant n’a rien à voir avec la façon dont j’ai fait des recherches il y a deux mois.”
Qu’est-ce qui se cache derrière cela. Le crédit scientifique a toujours reposé sur l’hypothèse grossière que les problèmes difficiles prennent beaucoup de temps, donc deux personnes arrivant à la même réponse le même jour sont suffisamment rares pour constituer une histoire. La découverte simultanée n’est pas nouvelle, Newton et Leibniz y sont parvenues grâce au calcul, mais cela se produisait auparavant sur des années et non sur des heures. Ce qui a changé, c’est que le goulot d’étranglement s’est déplacé. Lorsque l’étape difficile consistait à avoir l’idée, le timing s’est étalé naturellement, car les idées arrivent selon leur propre calendrier. Lorsque l’étape difficile consiste à intégrer un problème ouvert connu dans un modèle partagé par de nombreux chercheurs, la propagation s’effondre. Il s’agit d’un changement structurel dans le fonctionnement du crédit, et le monde universitaire ne dispose pas encore de mécanisme pour y parvenir. Les revues accordent la priorité à celui qui soumet en premier. Trois heures ne constituent pas une longueur d’avance significative sur quoi que ce soit. Les réactions des mathématiciens face à tout ce changement vont de l’enthousiasme face à ce qui est soudainement accessible à quelque chose de plus proche du chagrin quant à la raison pour laquelle leur travail est réalisé.
Une mise en garde importante : il s’agit d’une preuve en cryptographie, un domaine dans lequel un résultat revendiqué peut être vérifié ligne par ligne et survivra ou non. L’étape de vérification est inchangée et toujours humaine. Personne ne prétend que le modèle est correct parce qu’il semble correct.
Ce que cela signifie pour vous: si vous n’êtes pas dans la recherche, l’effet direct est nul, et le résumé honnête est qu’un modèle a aidé deux équipes à faire quelque chose que deux équipes pourraient déjà faire, plus rapidement. L’observation transférable concerne les outils partagés en général. Lorsque tout le monde dans un domaine utilise la même poignée de modèles, les mouvements faciles sont effectués presque immédiatement et simultanément, et l’avantage restant réside dans les questions que vous pensez poser plutôt que dans la réponse. Cela s’applique aussi bien à un groupe de recherche qu’à un cabinet de conseil et à une équipe marketing. Si votre avantage était la rapidité sur une tâche que le modèle effectue actuellement, il a disparu. Si votre avantage était de savoir quel problème méritait d’être attaqué, cela devenait encore plus précieux.
Sources
Les agents IA ont rendu les logiciels de recherche 60 fois plus rapides et se sont trompés avec confiance d'une manière que personne n'a repérée pendant des semaines
Un rapport de terrain d'OpenAI et de partenaires universitaires documente huit projets dans lesquels des agents de codage ont modernisé des logiciels scientifiques négligés. Les accélérations sont réelles. Il en va de même pour les bugs qui ne sont apparus que lors de tests statistiques appropriés.
