¿Qué sigue para la IA y las matemáticas?

El mundo moderno se basa en matemáticas. Las matemáticas nos permiten modelar sistemas complejos, como la forma en que fluye el aire alrededor de una aeronave, la forma en que fluctúan los mercados financieros y la forma en que la sangre fluye a través del corazón. Y los avances en las matemáticas avanzadas pueden desbloquear nuevas tecnologías como la criptografía, que es esencial para mensajes privados y banca en línea, y compresión de datos, que nos permite filmar imágenes y videos en Internet.

Eso no es cierto para la mayoría de los problemas matemáticos sin resolver. Bridson es presidente del Clay Mathematics Institute, una organización de investigación sin fines de lucro con sede en Estados Unidos más conocida por establecer los problemas del premio Millenium en 2000, siete de los problemas más importantes sin resolver en matemáticas, con un premio de $ 1 millón para otorgar a la primera persona para resolver cada uno de ellos. (Un problema, la conjetura de Poincaré, se resolvió en 2010; los otros, que incluyen P versus NP y la hipótesis de Riemann, permanecen abiertas). “Estamos muy lejos de que AI pueda decir algo en serio sobre cualquiera de esos problemas”, dice Bridson.

Ahí es donde entran herramientas como Alphaevolve. El último modelo de Google Deepmind le pide a un LLM que genere código para resolver un problema matemático particular. Luego, un segundo modelo evalúa las soluciones propuestas, elige lo mejor y las envía de vuelta al LLM para que se mejore. Después de cientos de rondas de prueba y error, Alphaevolve pudo encontrar soluciones a una amplia gama de problemas matemáticos que eran mejores que cualquier cosa que la gente todavía se les ocurriera. Pero también puede funcionar como una herramienta de colaboración: en cualquier paso, los humanos pueden compartir su propia visión con el LLM, lo que la provocó instrucciones específicas.