OpenAI publica pruebas de IA para cientos de grandes problemas matemáticos

En resumen: OpenAI publicó 372 importantes pruebas y resultados matemáticos, resolviendo problemas abiertos de larga data con la ayuda de la inteligencia artificial. Los matemáticos humanos ahora compiten para leer, verificar y entender estas complejas pruebas generadas por IA.

Imagina pasar toda tu carrera intentando escalar una empinada montaña intelectual, solo para que una máquina te teletransporte repentinamente directo a la cima nevada en la oscuridad.

Qué ocurrió, en palabras sencillas

OpenAI lanzó 372 importantes resultados y pruebas matemáticas después de que un grupo asesor de matemáticos los recomendara. Entre estos se encontraba una prueba para la Conjetura de Juegos Únicos de Subhash Khot, un problema en el que la teórica de la complejidad Dana Moshkovitz trabajó durante toda su carrera. El modelo de IA utilizó alrededor de tres horas de cómputo a nivel de GPT-Pro por problema y resolvió con éxito aproximadamente el 5 por ciento de los cerca de 8.000 problemas abiertos de larga data en los que fue probado. Si bien los certificados Lean respaldan algunos de los resultados, los matemáticos humanos señalan que los artículos generados por IA están mal escritos, son difíciles de leer y parecen escritos por alguien bajo los efectos de sustancias psicodélicas.

Puntos clave

Cientos de problemas abiertos resueltos OpenAI publicó 372 resultados revolucionarios de matemáticas y ciencias de la computación teóricas, incluyendo una prueba para la Conjetura de Juegos Únicos y avances en otros grandes problemas.
Retraso en la comprensión humana Aunque existen verificaciones por computadora como los certificados Lean para algunos resultados, ningún humano ha comprendido completamente la mayoría de estas nuevas pruebas todavía, desatando una carrera para descifrarlas.
Baja tasa de éxito por intento El modelo de IA intentó unos 8.000 problemas y resolvió con éxito alrededor del 5 por ciento de ellos, utilizando aproximadamente tres horas de cómputo a nivel de GPT-Pro para cada problema resuelto.
Diferentes modelos de lanzamiento OpenAI arrojó 372 artículos sin digerir al mundo para que cualquiera los examinara, mientras que Anthropic optó por permitir que investigadores humanos específicos escribieran y anunciaran versiones digeridas de sus hallazgos.

Términos explicados

Teórico de la complejidad — Un científico que estudia los límites fundamentales y la dificultad de resolver problemas computacionales y matemáticos. Ejemplo: Un teórico de la complejidad descubre por qué ciertos rompecabezas computacionales tardan miles de millones de años en resolverse mientras que otros toman meros segundos.
Conjetura de Juegos Únicos — Una propuesta importante en informática sobre lo difícil que es encontrar soluciones aproximadas a ciertos problemas de optimización. Ejemplo: Intentar encontrar la manera absolutamente más barata de entregar paquetes en un país enorme con tráfico pesado.
Certificado Lean — Un archivo de verificación formal comprobado por computadora que demuestra que un argumento matemático es lógicamente sólido. Ejemplo: Un árbitro digital de matemáticas que verifica cada paso de la solución de un rompecabezas para asegurarse de que no haya trampas o errores lógicos.
Complejidad de consulta cuántica — Una medida de cuántas preguntas debe hacer una computadora cuántica para encontrar una pieza específica de información. Ejemplo: Hacerle múltiples preguntas de sí o no a una caja de búsqueda mágica para encontrar una sola canica escondida.

Por qué importa

Estos avances de la IA proporcionan soluciones a problemas de matemáticas teóricas y ciencias de la computación en los que los expertos humanos pasaron décadas trabajando. Abren una nueva era donde la inteligencia artificial puede generar pruebas complejas, cambiando la forma en que se realiza la investigación matemática.

Lo que aún no sabemos

Aún se desconoce si todas las pruebas generadas por IA son totalmente correctas o sólidas, ya que los humanos apenas están comenzando la difícil tarea de leerlas. La IA solo resolvió alrededor del 5 por ciento de los problemas abiertos que intentó, y desafíos masivos como la Hipótesis de Riemann siguen sin resolverse.

Basado en información de Scott Aaronson (UT Austin). Este es un texto explicativo independiente, escrito con palabras propias y ayuda de IA; Scott Aaronson (UT Austin) no lo ha revisado ni respaldado. Lee el original para ver todos los detalles.