Por qué los problemas de Erdős están cayendo ante la IA
Los sistemas de IA están resolviendo ahora problemas de matemáticas puras de larga data, incluidas varias conjeturas de Erdős, generando demostraciones formales que incluso muchos expertos tienen dificultades para entender intuitivamente. Los comentaristas debaten si esto señala un cambio fundamental en el papel de los matemáticos humanos —de demostrar nuevos teoremas a explicar y organizar resultados generados por máquinas— y establecen paralelismos con cómo se adaptó el ajedrez cuando las computadoras se volvieron mucho más fuertes que los humanos. Otros cuestionan el valor práctico de estos problemas resueltos, se preocupan por las narrativas corporativas exageradas en torno a los avances de la IA y señalan que ciencias experimentales como la física y la biología pueden ser mucho más difíciles de transformar al mismo ritmo con las técnicas actuales.
Investigadores excéntricos y financiación
- Algunos sostienen que patrocinar a tinkerers “excéntricos” (como un teórico itinerante moderno) podría generar descubrimientos, especialmente en informática, pero otros señalan que eso romantiza a los casos atípicos; las contribuciones profundas siguen requiriendo años de estudio especializado.
- Se menciona el sesgo de supervivencia: vemos a quienes sí recibieron apoyo, no a quienes nunca tuvieron oportunidad. Cualquier sistema (público o privado) tenderá a fallarles a los auténticos atípicos.
- Los sistemas sólidos de bienestar/discapacidad son vistos por algunos como financiación de facto para creadores poco convencionales, para bien y para mal.
Medios, dinero e hype de la IA
- Un comentarista acusa a la revista de estar controlada por un fondo de cobertura muy centrado en IA; otros señalan errores factuales y vínculos faltantes entre entidades, viéndolo como parte de una reacción más amplia de “todo lo relacionado con la IA está corrompido”.
- Hay una discusión meta sobre cuentas con karma bajo y muy divisivas, y sobre si son bots.
Comprender las matemáticas generadas por IA
- Muchos se preocupan de que incluso expertos en los subcampos relevantes no entiendan inicialmente estas pruebas de IA, lo que plantea dudas sobre cuán útiles o significativas son.
- Otros subrayan que esto es normal: las matemáticas son muy amplias; a menudo los expertos no pueden leer de inmediato el trabajo de los demás, ya sea humano o de IA.
- Las pruebas verificables por máquina (p. ej., en asistentes de demostración) se consideran esenciales pero no suficientes; errores pasados en verificadores muestran que no son infalibles.
Valor y practicidad de los resultados
- Varios señalan que estos son problemas de nicho, de larga data, en su mayoría sin uso práctico inmediato, aunque históricamente las matemáticas “inútiles” luego sustentaron cosas como la criptografía o la lógica booleana.
- Algunos matemáticos con experiencia afirman que la mayor parte de las matemáticas puras modernas en la práctica nunca se aplica; otros sostienen que no podemos saber qué resultados serán importantes.
- Un tema recurrente: la fama cultural de una conjetura y su dificultad no son lo mismo que su importancia.
El papel cambiante de los matemáticos
- Hay una división entre “solucionadores de problemas” (demostrar nuevos teoremas) y “teorizadores/expositores” (organizar y explicar).
- Varios comentarios predicen un cambio de rol hacia explicar, digerir, refactorizar y reexpresar resultados generados por IA, convirtiendo las “matemáticas comprensibles” en un trabajo central.
- Algunos temen que esto degenere en marketing y confianza basada en la autoridad; otros lo ven como un trabajo intelectual genuino.
Confianza, verdad y verificación
- Preocupación: ¿Estamos cediendo nuestras facultades intelectuales a sistemas opacos? ¿Cómo distinguimos la verdad de la ficción?
- Las respuestas enfatizan los procesos sociales y técnicos existentes: verificadores automáticos de pruebas más el escrutinio humano de expertos; nadie serio “simplemente confía” en los resultados del modelo.
- Hay una reflexión meta de que la mayoría de las personas ya dependen de comunidades de expertos para casi todas las matemáticas no triviales.
Contraejemplos, conjeturas y novedad
- La IA parece especialmente fuerte encontrando contraejemplos, potencialmente eliminando rápidamente conjeturas falsas y aclarando cuáles de las restantes son verdaderas o indecidibles.
- Algunos piensan que la IA בעיקרmente está recombinando resultados existentes (emparejando patrones “a=b” y “b=c” para obtener “a=c”); otros argumentan que incluso esa recombinación a gran escala es impresionante y puede sacar a la luz conexiones no obvias.
- Debate sobre qué cuenta como “matemáticas nuevas”: una nueva demostración construida con herramientas existentes frente a la creación de conceptos o maquinaria genuinamente nuevos.
Impacto científico más amplio
- Varios esperan que las matemáticas sean especialmente manejables para la IA actual porque son axiomáticas y autocontenidas, a diferencia de las ciencias experimentales.
- Se citan éxitos de la IA en áreas como el plegamiento de proteínas y la predicción meteorológica, pero los comentaristas señalan que muchos problemas de física, química y biología carecen de datos o están limitados por el coste experimental.
- Los laboratorios totalmente automatizados junto con la IA se ven como un posible siguiente paso: prometedor, pero con preocupaciones de bioseguridad y seguridad.