El algoritmo de multiplicación de enteros recientemente propuesto o(n log n) [pdf]
Un nuevo resultado generado por IA que afirma un algoritmo de multiplicación de enteros que funciona en tiempo estrictamente sub‑O(n log n) está despertando entusiasmo e inquietud entre matemáticos y tecnólogos. Los comentaristas desglosan la sutileza técnica entre la notación big-O y little-o, señalan que el algoritmo probablemente solo tenga interés teórico para enteros astronómicamente grandes y debaten si estas mejoras “galácticas” importan en la práctica. Gran parte de la conversación se centra en lo que significa que los sistemas de IA produzcan demostraciones complejas que incluso los mejores expertos humanos tienen dificultades para comprender por completo, planteando preguntas sobre verificación, dependencia de modelos controlados por corporaciones y el futuro de la investigación matemática como actividad centrada en el ser humano.
Notación asintótica y el significado de o(n log n)
- Varios comentarios aclaran la diferencia entre big-O y little-o.
- Big-O se describe como “≤” (cota superior hasta una constante), y little-o como “<” estricto (crece estrictamente más lento que cualquier múltiplo constante).
- Varios participantes corrigen explicaciones imprecisas (por ejemplo, cadenas erróneas como o(2n+1) > o(2n) > o(n)).
- También hay algo de discusión sobre definiciones basadas en límites (f/g acotada frente a f/g → 0) y sobre Θ, Ω, y sus analogías de “desigualdad”.
Naturaleza y practicidad del nuevo resultado sobre multiplicación de enteros
- La importancia es que esto es o(n log n), estrictamente más rápido asintóticamente que el clásico O(n log n) basado en FFT.
- Varios comentaristas subrayan que es un “algoritmo galáctico”: una mejora asintótica que solo importa para enteros astronómicamente grandes, muy por encima de cualquier uso práctico.
- Los métodos existentes O(n log n) y relacionados basados en FFT ya no se usan para la mayoría de los tamaños de enteros del mundo real.
- Se menciona una formalización en Lean de una cota o(n log n) (con un exponente concreto ligeramente por debajo de 1); se invita a colaborar.
Pruebas generadas por IA y comprensión matemática
- Un tema central es que el nuevo resultado (de “la Empresa”) es difícil de leer incluso para los mejores expertos, que en su lugar interrogan a un LLM para entender el artículo.
- Algunos ven esto como un flujo de trabajo natural y útil: si los humanos no pueden descifrar una exposición pero las herramientas sí, usemos las herramientas.
- Otros lo llaman “poco saludable”, argumentando que las matemáticas son fundamentalmente comprensión humana y comunicación clara, no solo corrección.
- Hay escepticismo sobre la “comprensión” de los LLM, citando alucinaciones, falta de autoevaluación y el peligro de usar IA para comprobar IA.
- Los asistentes formales de prueba (por ejemplo, Lean) se consideran más confiables, aunque siguen limitados por posibles fallos de implementación.
Preocupaciones filosóficas y sociales
- Debate sobre si las matemáticas deben ser comprensibles para los humanos para ser valiosas; algunos dicen que las pruebas ininteligibles son efectivamente inútiles hasta que se simplifican o aplican.
- Preocupación de que la inteligencia de frontera se esté convirtiendo en propiedad de unas pocas corporaciones, con escenarios en los que estados o empresas podrían restringir capacidades matemáticas clave.
- Varios comentarios enmarcan esto como una pérdida de control y agencia humana, comparando las IAs potentes con genios cuyos mecanismos no podemos comprender del todo.
Reacciones a la exposición y al tono
- Muchos elogian la prosa del texto, su franqueza y su capacidad para transmitir el impacto emocional en la comunidad matemática.
- Otros critican la postura de “no he leído realmente el artículo”, viéndola como problemática incluso cuando se pretende ser autodepreciativa.