L’IA en mathématiques résout certains des meilleurs problèmes du domaine plus rapidement que de nouveaux ne sont découverts. Terence Tao, professeur à UCLA largement considéré comme le meilleur mathématicien pur vivant et lauréat de la médaille Fields en 2006, a averti sur Mathstodon que l’IA épuise l’offre de bons problèmes ouverts dans le domaine. Des laboratoires ont mis des modèles à l’épreuve sur des problèmes en mathématiques, physique et médecine, et en mai, un modèle d’OpenAI a réfuté la conjecture de distance unitaire d’Erdős.
Terence Tao est un professeur à UCLA largement reconnu comme le meilleur mathématicien pur vivant et a reçu la médaille Fields en 2006. Sur Mathstodon, Tao a averti que l’IA épuise l’offre de bons problèmes ouverts dans le domaine des mathématiques, réduisant l’ensemble des défis disponibles pour les chercheurs. Il a identifié des outils puissants d’extraction de solutions et a averti que leur utilisation indiscriminée peut atteindre une résolution immédiate à court terme tout en portant atteinte à la durabilité de l’écosystème pour la prochaine vague de progrès. Il a également mis en garde que cette pratique pourrait entraver la compréhension des progrès déjà réalisés. Ces déclarations résument ensemble l’inquiétude publique de Tao concernant les effets à long terme de l’IA sur l’écosystème de recherche mathématique de manière générale.
Les laboratoires d’IA ont mis des modèles à l’épreuve sur des problèmes complexes en mathématiques, physique et médecine. En mai, un modèle d’OpenAI a réfuté la conjecture de distance unitaire d’Erdős. La conjecture de distance unitaire d’Erdős concerne combien de paires de points sur un plan peuvent être exactement à une unité de distance l’un de l’autre. Ces tests ont inclus une gamme de problèmes allant de la physique quantique aux mathématiques appliquées et à la médecine.
Le chercheur d’Anthropic, Levent Alpöge, a soumis le même problème de distance unitaire à Claude Mythos, le modèle haut de gamme non publié de l’entreprise, hors ligne afin qu’il ne puisse pas copier la solution publiée par OpenAI. L’ingénieur d’Anthropic, Sholto Douglas, a décrit le résultat de Mythos comme une ‘preuve mignonne et simple’ et a déclaré qu’elle était plus courte que celle d’OpenAI. Le mathématicien Daniel Litt a évalué la preuve de Mythos comme ‘un peu moins bonne’ que celle d’OpenAI, bien que Mythos ait également identifié la solution d’OpenAI. Ces évaluations comparatives ont accompagné des tests plus larges de modèles sur des problèmes scientifiques difficiles.
Les laboratoires d’IA ont mis les modèles à l’épreuve sur des problèmes difficiles en mathématiques, en physique et en médecine. En mai, un modèle d’OpenAI a réfuté la conjecture de distance unitaire d’Erdős, qui concerne combien de couples de points sur un plan peuvent être exactement séparés par une unité. Les résultats signalés de ces tests de modèles ont varié de la physique quantique aux mathématiques appliquées et à la médecine. Ces tests ont été réalisés par plusieurs laboratoires.
Le rythme rapide de la résolution de problèmes guidée par l’IA a suscité des inquiétudes quant à la durabilité de l’écosystème de recherche mathématique pour des progrès futurs. Le contenu relie ces préoccupations à l’utilisation indifférenciée d’outils puissants d’extraction de solutions et au coût potentiel pour la compréhension et le développement à long terme. Le contenu fait également référence aux systèmes d’IA de pointe et aux modèles de raisonnement en relation avec ces développements. Des évaluations comparatives des preuves et solutions générées par l’IA ont été rapportées parmi les chercheurs et les ingénieurs.
Ces développements ont soulevé des questions sur l’avenir de l’approvisionnement en problèmes ouverts en mathématiques. Les résultats signalés couvrent plusieurs domaines scientifiques.
L’IA en mathématiques a récemment produit des solutions à des problèmes de premier plan et a été testée sur des défis dans des domaines scientifiques connexes. Cette résolution rapide de problèmes a suscité des avertissements de la part de mathématiciens éminents, dont Terence Tao, qui estiment qu’elle pourrait réduire l’offre de bons problèmes ouverts et mettre à mal l’écosystème de recherche. Des observateurs ont lié ces développements à l’utilisation de systèmes IA avancés et de modèles de raisonnement, ainsi qu’à des impacts plus larges dans des disciplines telles que la physique et la médecine.
