Astra de OpenAI Resuelve 10 Grandes Problemas Matemáticos, Pero Suscita Profundas Preocupaciones

El 1 de agosto, OpenAI publicó una entrada de blog en la que afirmaba que una versión interna de Astra, su modelo de lenguaje de próxima generación, ha resuelto o ha avanzado de manera decisiva diez problemas abiertos en matemáticas y ciencias de la computación teórica. Los problemas abarcan temas avanzados como la geometría de alta dimensión, la teoría de códigos, la complejidad de circuitos aritméticos, la teoría de grupos, las álgebras de operadores, la complejidad cuántica, la criptografía basada en retículos y la combinatoria extremal. OpenAI indicó que toda la hazaña costó alrededor de 2000 dólares en tokens por problema, con resultados certificados mediante el asistente formal de demostraciones Lean. El anuncio provocó tanto entusiasmo como preocupación en la comunidad matemática. El investigador Jay Cummins señaló que por primera vez una inteligencia artificial resolvió un problema en el que él había trabajado personalmente durante años, lo que hacía difícil aceptar la derrota. El inversor Nicolas Bustamante cuestionó el futuro de la Medalla Fields, preguntando quién recibe el crédito cuando los problemas están a un simple aviso de distancia. Cabe destacar que el medallista Fields Jacob Tsimerman pausó su cátedra en la Universidad de Toronto para unirse a OpenAI a finales de julio, centrándose no en las capacidades matemáticas sino en la seguridad de la IA. Terence Tao, otro medallista Fields, advirtió sobre un cambio peligroso: con la generación automatizada de demostraciones por IA, las matemáticas pasan de la escasez a la abundancia, pero los investigadores no pueden seguir el ritmo de verificación y 'digestión' de las demostraciones. Comparó las demostraciones brutas de IA con 'cadáveres de animales misteriosos' arrojados a una comida comunitaria, donde nadie tiene tiempo de limpiarlos y cocinarlos. Tsimerman también lamentó el aumento de la 'basura matemática' por parte de usuarios sin experiencia que envían resultados brutos de ChatGPT a los laboratorios. Ambos advirtieron que las soluciones formales a conjeturas famosas podrían acabar con la financiación y el interés en esos temas, aunque ningún humano comprenda las soluciones, lo que conduciría a una disciplina que progresa sin comprensión.