OpenAI publica 372 pruebas matemáticas generadas por IA en GitHub, instando al mundo académico a seguir el ritmo

OpenAI publica 372 pruebas matemáticas generadas por IA en GitHub, instando al mundo académico a seguir el ritmo

Puntos clave

• OpenAI ha publicado 372 resultados matemáticos generados por un modelo de IA interno.
• Los resultados tienen como objetivo resolver o avanzar problemas abiertos, incluyendo mejoras en algoritmos informáticos y progreso en la hipótesis de Riemann.
• La mayoría de los resultados provienen de un único prompt a un único agente, y cada uno consume aproximadamente tres horas de computación en ChatGPT Pro en promedio.

OpenAI ha lanzado una gran colección de resultados matemáticos producidos por un modelo de IA interno. Las demostraciones se publican en GitHub en lugar de en revistas académicas, y la verificación formal tiene como objetivo hacer la revisión más práctica.

OpenAI ha publicado 372 nuevos resultados matemáticos generados por un modelo interno de frontera. Cada resultado está destinado a resolver un problema abierto o a lograr avances significativos hacia él. La colección incluye mejoras en importantes algoritmos informáticos y avances relacionados con la hipótesis de Riemann.

La compañía alberga los resultados en un repositorio de GitHub, completo con registros de revisiones y citas. Según OpenAI, el mismo modelo ya ha producido una solución a un problema de Navier-Stokes que ha estado bajo revisión formal durante semanas.

Casi todos los resultados provienen de un único prompt para un único agente de IA, según OpenAI, aunque algunos requirieron múltiples intentos. Esto representa una gran diferencia con la solución de Navier-Stokes, que requirió un enjambre de 10,000 agentes y millones de dólares en recursos computacionales. En promedio, cada resultado consumió aproximadamente tres horas de capacidad computacional de ChatGPT Pro Thinking.

La verificación formal podría aliviar el cuello de botella en la revisión

Muchas de las demostraciones vienen con formalizaciones en Lean, un lenguaje de programación creado para pruebas matemáticas que puedan ser verificadas por máquinas. Se planean más formalizaciones. La razón es práctica: la gran cantidad de resultados generados por IA podría fácilmente superar la capacidad de revisión manual de la comunidad matemática.

OpenAI también publicó detalles sobre su metodología, incluyendo resúmenes del proceso de razonamiento, estadísticas sobre cuántos problemas intentó resolver el modelo y estimaciones de los costos de computación.

Las revistas tradicionales no están diseñadas para este ritmo

OpenAI publicó sus resultados en GitHub en lugar de en revistas con revisión por pares. Es una acción declarativa, ya que implica que el proceso tradicional de hacer ciencia es demasiado lento para este volumen de conocimiento potencialmente nuevo.

OpenAI consultó con el Grupo Asesor sobre Matemáticas e Inteligencia Artificial del Instituto de Estudios Avanzados y siguió de forma general sus recomendaciones públicas, ya que la empresa no publicó ningún prompt y solo compartió costos de computación promedio en lugar de datos por problema. El grupo asesor incluye a Timothy Gowers, ganador de la Medalla Fields, entre otros matemáticos reconocidos.

La empresa también anunció planes para financiar talleres y conferencias centrados en la comprensión de los resultados generados por la IA. OpenAI reconoció que desea mejorar la calidad de sus citas y presentaciones, y afirma que está trabajando en una liberación responsable del modelo para “empoderar directamente a los científicos con capacidades de vanguardia”.

OpenAI estableció una limitación importante para el grupo de asesoría de antemano: los matemáticos pueden aconsejar sobre cómo se comunican los resultados, pero no sobre si o qué tan rápido se producen.

La comunidad de matemáticas está dividida en cuanto a lo que realmente significan las pruebas producidas en masa

Las formalizaciones formales pueden verificar la corrección lógica, pero no pueden juzgar si un resultado es matemáticamente relevante o original. OpenAI apuesta a que sus resultados superan los límites del conocimiento humano. Si la comunidad matemática está de acuerdo, sigue siendo una pregunta abierta. Hasta ahora, las reacciones van desde emoción hasta frustración.

En un reciente carta abierta titulada “Una grave desconexión de la IA en las matemáticas”, 25 ganadores de la Medalla Fields advirtieron sobre una profunda falta de alineación entre los objetivos de la industria de la IA y los de las matemáticas. La resolución de problemas, escribieron, no es más que un instrumento y un proxy para el verdadero objetivo de la comprensión conceptual y la perspicacia. La producción masiva de afirmaciones verdaderas podría destruir un terreno fértil en lugar de dar vida a nuevas ideas, argumentaron. El efecto se extendería a otros campos.

Gowers ha advertido que, en uno o dos decenios, la literatura matemática podría crecer enormemente, mientras no quede ninguna comunidad humana que la entienda realmente. Terence Tao, ganador de la Medalla Fields, añadió que la formación de jóvenes matemáticos debe enfatizar el aspecto humano y limitar estrictamente el uso de herramientas de IA, para que el aprendizaje y la comprensión genuinos sobrevivan.

Noticias sobre IA Sin Eufemismos – Seleccionadas por humanos

Suscríbase a THE DECODER para leer sin anuncios, un boletín semanal sobre IA, nuestro informe exclusivo “AI Radar” seis veces al año, acceso completo al archivo y acceso a nuestra sección de comentarios.