La IA mejora en matemáticas. Así es por qué.
· Fuente: Latent Space
En los últimos meses los grandes modelos de lenguaje han demostrado una capacidad inesperada para abordar problemas matemáticos abiertos. En mayo, un modelo interno de OpenAI descubrió un contraejemplo a la conjetura de la distancia unidad de Erdős, un reto que había permanecido sin solución desde 1946. Un mes después la misma organización anunció una prueba del problema del recubrimiento doble de ciclos, y en julio presentó soluciones a diez problemas adicionales. En septiembre, el modelo generó una prueba relacionada con las ecuaciones de Navier‑Stokes. Otros laboratorios, como Anthropic, también han formalizado resultados clásicos como el último teorema de Fermat y han avanzado en los límites de la hipótesis de Riemann.
Los autores del artículo analizan por qué estas tareas resultan “tratables” para los LLM. Proponen que la dificultad de un problema puede medirse como la longitud mínima de una cadena de ideas o “pistas” necesarias para llegar a la solución, combinada con el esfuerzo requerido para desarrollar cada pista. Los humanos suelen explorar muchas direcciones de forma superficial antes de comprometer recursos, mientras que los modelos de IA pueden invertir gran cantidad de cómputo en una única trayectoria, siguiendo un esquema de búsqueda en profundidad. Esta diferencia permite que la IA reduzca drásticamente el tiempo entre la generación de una pista y su desarrollo, invirtiendo menos “tiempo‑humano” en pruebas y errores.
Comprender esta nueva forma de búsqueda es relevante porque indica en qué tipos de problemas la IA puede superar a los investigadores tradicionales, lo que podría acelerar avances en áreas donde la complejidad conceptual ha sido un obstáculo histórico.
Leer artículo original en Latent Space
Este resumen es una síntesis informativa elaborada por dataqbs.com. Todos los derechos sobre el contenido original pertenecen a su autor y al medio de comunicación citado. Nosotros solo actuamos como curadores de noticias tecnológicas, sin reclamar autoría alguna.