La IA en matemáticas está resolviendo algunos de los mejores problemas del campo más rápido de lo que se están descubriendo nuevos. Terence Tao, profesor de UCLA, considerado ampliamente como el mejor matemático puro vivo y receptor de la Medalla Fields en 2006, advirtió en Mathstodon que la IA está drenando el suministro de buenos problemas abiertos en el campo. Los laboratorios han puesto modelos a prueba en problemas de matemáticas, física y medicina, y en mayo, un modelo de OpenAI refutó la conjetura de distancia unidad de Erdős.
Terence Tao es un profesor de UCLA ampliamente considerado como el mejor matemático puro vivo y fue galardonado con la Medalla Fields en 2006. En Mathstodon, Tao advirtió que la IA está drenando el suministro de buenos problemas abiertos en el campo matemático, reduciendo el conjunto de desafíos disponibles para los investigadores. Identificó herramientas poderosas para la extracción de soluciones y advirtió que su uso indiscriminado puede lograr resoluciones inmediatas a corto plazo, a costa de mantener el ecosistema para la próxima ola de progreso. También advirtió que esta práctica puede obstaculizar la comprensión del progreso ya obtenido. Estas declaraciones juntas resumen la preocupación pública de Tao sobre los efectos a largo plazo de la IA en el ecosistema de investigación matemática en general.
Los laboratorios de IA han puesto modelos a prueba en problemas desafiantes en matemáticas, física y medicina. En mayo, un modelo de OpenAI refutó la conjetura de distancia unidad de Erdős. La conjetura de distancia unidad de Erdős se refiere a cuántos pares de puntos en un plano pueden estar exactamente a una unidad de distancia. Estas pruebas han incluido una variedad de problemas, desde la física cuántica hasta las matemáticas aplicadas y la medicina.
El investigador de Anthropic, Levent Alpöge, sometió el mismo problema de distancia unitaria a Claude Mythos, el modelo de gama alta no publicado de la compañía, fuera de línea para que no pudiera copiar la solución publicada de OpenAI. El ingeniero de Anthropic, Sholto Douglas, describió el resultado de Mythos como una ‘prueba linda y simple’ y dijo que era más corta que la de OpenAI. El matemático Daniel Litt evaluó la prueba de Mythos como ‘un poco peor’ que la versión de OpenAI, aunque Mythos también identificó la solución de OpenAI. Estas evaluaciones comparativas acompañaron las pruebas más amplias de modelos en problemas científicos difíciles.
Los laboratorios de IA han puesto a prueba modelos en problemas desafiantes en matemáticas, física y medicina. En mayo, un modelo de OpenAI refutó la conjetura de distancia unitaria de Erdős, que se refiere a cuántos pares de puntos en un plano pueden estar exactamente a una unidad de distancia. Los resultados reportados de estas pruebas de modelos han abarcado desde la física cuántica hasta las matemáticas aplicadas y la medicina. Estas pruebas han sido realizadas por múltiples laboratorios.
El ritmo rápido de la resolución de problemas impulsada por IA ha suscitado preocupaciones sobre la sostenibilidad del ecosistema de investigación matemática para el progreso futuro. El material vincula estas preocupaciones con el uso indiscriminado de herramientas poderosas de extracción de soluciones y el posible costo para la comprensión y el desarrollo a largo plazo. El contenido también hace referencia a sistemas de IA de frontera y modelos de razonamiento en relación con estos desarrollos. Se han reportado evaluaciones comparativas de pruebas y soluciones generadas por IA entre investigadores e ingenieros.
Los desarrollos han planteado preguntas sobre el futuro suministro de problemas abiertos en matemáticas. Los resultados reportados abarcan múltiples dominios científicos.
La IA en matemáticas ha producido recientemente soluciones a problemas prominentes y ha sido probada en desafíos en campos científicos relacionados. Esta rápida resolución de problemas ha provocado advertencias de matemáticos destacados, incluido Terence Tao, de que podría reducir la oferta de buenos problemas abiertos y tensar el ecosistema de investigación. Los observadores han relacionado estos desarrollos con el uso de poderosos sistemas de IA de vanguardia y modelos de razonamiento y con impactos más amplios en disciplinas como la física y la medicina.
