Estamos publicando una amplia gama de nuevos resultados matemáticos producidos por un modelo frontera interno.
A medida que buscamos mejorar cómo compartimos resultados con la comunidad matemática, hemos estado consultando con el Grupo Asesor sobre Matemáticas e Inteligencia Artificial del Institute for Advanced Study(opens in a new window) para desarrollar mejores prácticas, y hemos recurrido a sus consejos y recomendaciones públicas(opens in a new window) para informar cómo publicamos estos resultados.
Para esta publicación, estamos publicando los resultados en un repositorio de GitHub, con protocolos para revisiones de artículos y citas. Seguimos explorando otras alternativas alojadas por la comunidad para esta publicación que cumplan con las directrices del comité. Para futuras publicaciones, estamos comprometidos a mejorar aún más la calidad de los artículos mediante las citas, la exposición matemática y la presentación de los resultados para una mejor comprensión.
Como parte de nuestro repositorio de GitHub, compartimos formalizaciones de muchas de las pruebas en Lean, un lenguaje de programación que permite que las pruebas matemáticas sean verificadas por una computadora. Actualizaremos el repositorio con más formalizaciones a medida que las obtengamos.
Para promover la transparencia y la apertura científica, también estamos publicando detalles adicionales sobre cómo obtuvimos los resultados en el repositorio. Estos incluyen 10 resúmenes del razonamiento del modelo, estimaciones del cómputo gastado en términos de uso de Pro en ChatGPT, y estadísticas sobre la cantidad de problemas intentados. El resultado promedio utilizó el cómputo equivalente a aproximadamente tres horas de pensamiento de ChatGPT Pro.
Queremos que este progreso impulse la frontera del conocimiento humano y permita un mayor avance en las matemáticas. Financiaremos una serie de talleres, conferencias y programas especiales en torno a la comprensión de los principales resultados producidos por la IA; compartiremos más sobre esto en un futuro cercano.
Queremos empoderar directamente a los científicos con capacidades de vanguardia y estamos trabajando para publicar de manera responsable el modelo que produjo estos resultados. Por eso es importante seguir evaluando nuestros modelos frontera internos en matemáticas y otras ciencias, para que podamos acelerar el desarrollo de herramientas que avancen esos campos. Continuaremos actuando según los comentarios de la comunidad y actualizando nuestros estándares para futuras divulgaciones de importantes avances científicos.