Resumen:
Tras el anuncio del mes pasado sobre el uso de modelos internos de vanguardia para resolver uno de los problemas abiertos más importantes en matemáticas, OpenAI una vez más lanzó un "éxito de taquilla" en la comunidad matemática. El 6 de octubre, hora local, OpenAI anunció un lote de nuevos resultados de investigación matemática generados por modelos internos de IA de vanguardia, que involucran un total de 372 conjuntos de resultados, que cubren una gran cantidad de problemas no resueltos a largo plazo en matemáticas e informática teórica. OpenAI dijo que estos resultados resolvieron problemas abiertos de larga data o lograron avances sustanciales.
Más información:
https://github.com/openai/math
La escala de este lanzamiento supera con creces los avances anteriores en un solo problema matemático. OpenAI reveló esta vez cientos de resultados de investigación, incluidos 722 artículos o manuscritos relacionados, correspondientes a 372 conjuntos diferentes de resultados matemáticos. La compañía también publicó información como un resumen de algunos procesos de inferencia de modelos, el consumo de recursos informáticos y la cantidad de problemas intentados, con la esperanza de permitir a la comunidad matemática evaluar de manera más integral los resultados de estas IA.
OpenAI dijo que estos resultados provienen de un modelo interno de vanguardia que aún no está oficialmente abierto al público. A diferencia del sensacional problema de ecuaciones de Navier-Stokes anterior, esta versión no se centra en un determinado campo de las matemáticas, sino que cubre muchas direcciones, como la teoría de números, la geometría algebraica y la informática teórica. Algunos de estos problemas han desconcertado a los matemáticos durante años, incluso décadas.
Según los datos publicados por OpenAI, en promedio cada resultado utiliza recursos informáticos equivalentes a aproximadamente 3 horas de pensamiento continuo en ChatGPT Pro. Esto significa que estos resultados no se generan simplemente mediante una única solicitud de chat, sino que se obtienen en base a cálculos exhaustivos y prueba y error. OpenAI también publicó estadísticas sobre los problemas que el modelo intentó resolver, con la esperanza de que el mundo exterior pudiera comprender la tasa de éxito y el costo computacional detrás de estos resultados.
Este lanzamiento también refleja el intento de OpenAI de cambiar la forma en que publicaba resultados matemáticos de IA en el pasado. Anteriormente, cuando las empresas de inteligencia artificial anunciaban importantes descubrimientos matemáticos, a menudo los anunciaban directamente a través de blogs o comunicados de prensa, dejando que los matemáticos juzgaran si los resultados eran confiables. Esta práctica ha causado insatisfacción en la comunidad matemática, porque la investigación matemática depende en gran medida de pruebas rigurosas, revisión por pares y una atribución clara de autoría y contribución.
Con este fin, OpenAI ha establecido un Grupo Asesor de Matemáticas e Inteligencia Artificial e invitó a expertos, incluidos matemáticos de renombre, para discutir cómo publicar los resultados matemáticos generados por estas IA. OpenAI declaró esta vez que se remitió al consejo de esta organización consultora independiente, hizo públicos los resultados en el repositorio de GitHub y proporcionó un mecanismo de citación y modificación del documento para que los investigadores puedan realizar revisiones después de descubrir problemas, manteniendo al mismo tiempo registros de investigación más claros.
Algunos resultados también proporcionan una prueba formal Lean. Lean es una herramienta de software que permite a las computadoras verificar pruebas matemáticas. Al convertir las pruebas matemáticas en una forma que Lean pueda verificar, los investigadores pueden confirmar de manera más rigurosa si existen lagunas lógicas en las pruebas generadas por IA. OpenAI declaró que ha formalizado una gran cantidad de resultados y continuará actualizando el almacén después de obtener pruebas más formales.
Sin embargo, este lanzamiento de OpenAI no significa que todos estos resultados matemáticos hayan sido reconocidos por la comunidad matemática. Se acaba de hacer público un gran número de artículos y los matemáticos aún necesitan leer cada uno de ellos, examinar las pruebas y juzgar cuán significativos son los resultados. Para problemas matemáticos complejos, existe una gran brecha entre "la IA afirma que lo resuelve" y "la comunidad matemática confirma que lo resuelve".
De hecho, esta es una de las razones importantes por las que este incidente causó controversia. Algunas personas en la comunidad matemática creen que las empresas de inteligencia artificial están produciendo resultados matemáticos a una velocidad sin precedentes, pero el sistema de investigación matemática tradicional no tiene tiempo suficiente para verificar estos resultados. Si las empresas continúan publicando grandes cantidades de resultados no revisados por pares, es posible que los matemáticos tengan que dedicar mucho tiempo a examinarlos en busca de lo que es realmente valioso.
Esta preocupación quedó completamente expuesta cuando OpenAI anunció previamente su solución al problema de Navier-Stokes. El matemático Tristan Buckmaster ha cuestionado públicamente el proceso de OpenAI para obtener ideas de prueba relevantes y dijo que él y el matemático antrópico Levent Alpöge han logrado importantes avances en direcciones relacionadas antes. En la comunidad matemática estalló un intenso debate sobre quién propuso por primera vez las ideas clave de los resultados de la investigación y cómo las empresas de IA deberían identificar sus firmas y contribuciones.
OpenAI ha negado las acusaciones relevantes, pero el incidente ha provocado que la comunidad matemática discuta seriamente un tema que antes era más distante: cuando la IA puede completar de forma independiente un trabajo de investigación que solo los mejores matemáticos podían manejar en el pasado, ¿cómo deberían definirse el "autor", el "descubridor" y la "contribución a la investigación" tradicionales?
Por lo tanto, esta publicación no es solo la publicación de un lote de artículos matemáticos, sino también un experimento sobre la dirección futura de los modelos de investigación matemática. En el pasado, los matemáticos podían tardar meses o incluso años en estudiar un problema abierto. Ahora, un modelo de IA de vanguardia puede resolver cientos o más problemas simultáneamente con la inversión de horas de recursos informáticos. Incluso si la gran mayoría de ellos finalmente no logran establecerse, siempre que algunos resultados sean verdaderamente correctos, la eficiencia de la investigación puede superar con creces la de los métodos tradicionales de investigación en humanos.
OpenAI cree que el propósito de estos logros no es reemplazar a los matemáticos, sino ampliar los límites del conocimiento matemático. La compañía afirmó que espera permitir a los matemáticos seguir estudiando los resultados producidos por estas IA a través de seminarios, conferencias y proyectos de investigación especializados en el futuro, y ayudar a la comunidad científica a comprender cómo la inteligencia artificial genera estas nuevas ideas matemáticas.
Al mismo tiempo, OpenAI todavía se está preparando para lanzar al público los modelos que produjeron estos resultados en el futuro. La compañía dijo que espera permitir a los científicos utilizar directamente los sistemas de inteligencia artificial más avanzados para resolver problemas en matemáticas y otros campos científicos después de más evaluaciones de seguridad y capacidad.
Este es también el aspecto más notable de este incidente. En los últimos años, el progreso de la IA en el campo de las matemáticas se ha manifestado principalmente en la mejora de las preguntas de competencia, las pruebas estandarizadas y las capacidades de prueba auxiliares. Ahora, la IA ha comenzado a participar directamente en investigaciones matemáticas reales y a generar cientos de resultados de investigación candidatos. Si una parte considerable de ellos son finalmente verificados por la comunidad matemática, significará que la IA ha pasado gradualmente de ser una "herramienta de resolución de problemas" a la etapa de "herramienta de investigación" en el campo de las matemáticas.
Pero al mismo tiempo, cantidad no es igual a calidad. La verdadera pregunta que la comunidad matemática debe responder no es cuántos artículos produce la IA al mismo tiempo, sino cuántos de ellos pueden resistir una rigurosa revisión por pares, cuántos contienen ideas verdaderamente originales y cuántos de ellos pueden impulsar a otros matemáticos a resolver problemas que antes no tenían solución.
No importa cuál sea el resultado final, el anuncio de OpenAI de cientos de resultados matemáticos a la vez significa que la relación entre la IA y la investigación matemática está experimentando cambios fundamentales. En el pasado, a los humanos les preocupaba si la IA podría resolver problemas matemáticos. Ahora la pregunta más realista es: cuando la IA comienza a producir resultados matemáticos a una velocidad muy superior a la de los equipos de investigación humanos, ¿cómo deberían los matemáticos humanos verificar, comprender, examinar y utilizar estos resultados?
Y es posible que este cambio apenas haya comenzado.
Comentarios