InvestigaciónModelos 🇷🇺 29.07.2026 22:03

Las matemáticas en la era de la IA: conferencia pública de Terence Tao en el ICM 2026

La conferencia de Terence Tao en el Congreso Internacional de Matemáticos 2026 aborda cómo la comunidad matemática debería responder a las crecientes capacidades de la IA. Presenta una "Hipótesis de Capacidad de la IA" y propone una hipótesis de trabajo según la cual las herramientas de IA pronto manejarán una parte significativa de las tareas matemáticas a nivel de investigación. Tao argumenta que, incluso si esta hipótesis se cumple, la comunidad debe reconsiderar cuidadosamente sus objetivos y valores para evitar la ley de Goodhart.
Terence Tao pronunció una conferencia pública titulada "Las matemáticas en la era de la IA" el 24 de julio de 2026, en el Congreso Internacional de Matemáticos. Establece un paralelismo con la crisis fundacional de principios del siglo XX causada por la paradoja de Russell y los teoremas de incompletitud de Gödel, sugiriendo que la IA ahora plantea un desafío similar. Tao formula una "Hipótesis de Capacidad de la IA" con formas débil y fuerte, pero elige centrarse en la cuestión ortogonal de los objetivos y valores. Adopta una hipótesis de trabajo según la cual una versión razonablemente fuerte de la hipótesis de capacidad de la IA es cierta: las herramientas de IA pronto podrán realizar una parte razonable de las tareas matemáticas a nivel de investigación con un éxito, calidad, control y coste razonables. Bajo este supuesto, sostiene que la comunidad debe examinar sus verdaderos objetivos —resolver problemas, construir teorías, educar, crear obras estéticas— y advierte que optimizar para soluciones generadas por IA corre el riesgo de desviar estos objetivos. Cita los resultados del desafío First Proof (firstproof.org), donde siete de diez problemas a nivel de investigación fueron resueltos por equipos de IA a costes de entre 10 y 1000 dólares por problema el 28 de mayo de 2026. Tao señala que las pruebas generadas por IA en sitios como Erdős Problems plantean preocupaciones de verificación, ya que los expertos humanos a menudo carecen del tiempo o la cualificación para validarlas.
Fuente: Habr — хаб ML — original
Nuestros artículos anteriores sobre este tema ↓
Noticias frescas