Fundado en 2019 somos un portal de noticias del sector de la tecnología. Proveemos información a diario de la que usted puede sentirse seguro.
IA asegura resolver en 88 horas un problema de 90 años
Noventa años de matemáticas.
Miles de investigaciones.
Generaciones enteras intentando comprender uno de los problemas más difíciles relacionados con el movimiento de los fluidos.
Y ahora OpenAI asegura que un sistema de inteligencia artificial consiguió llegar a una solución en aproximadamente 88 horas.
La compañía puso a trabajar cerca de 10,000 agentes de IA simultáneamente sobre el problema de existencia y suavidad de las ecuaciones de Navier–Stokes.
El resultado podría convertirse en uno de los mayores hitos científicos conseguidos con inteligencia artificial.
Pero existe una precisión fundamental:
todavía falta que matemáticos independientes comprueben que la solución realmente es correcta.
Las ecuaciones de Navier–Stokes describen cómo se comportan los fluidos.
Agua.
Aire.
Humo.
Corrientes.
Turbulencias.
Sus aplicaciones aparecen en física, ingeniería, meteorología y aerodinámica.
Podemos utilizar estas ecuaciones para modelar muchos fenómenos. Sin embargo, existe una pregunta matemática extremadamente profunda sobre su comportamiento en tres dimensiones.
Simplificándolo mucho: los matemáticos quieren saber si determinadas soluciones permanecen siempre suficientemente regulares o pueden desarrollar una singularidad.
Resolverlo requiere una demostración matemática rigurosa.
El problema se convirtió en uno de los siete Millennium Prize Problems seleccionados por el Clay Mathematics Institute en 2000.
Una solución reconocida puede recibir un premio de un millón de dólares.
Aquí está uno de los detalles más impresionantes.
Y también uno de los más fáciles de malinterpretar.
No fue un único chatbot sentado virtualmente durante tres días y medio hasta descubrir la respuesta.
OpenAI utilizó aproximadamente 10,000 agentes de inteligencia artificial trabajando de manera concurrente.
Podemos imaginarlo como un gigantesco equipo digital de investigación.
Algunos agentes podían explorar determinados caminos.
Otros probaban ideas diferentes.
Cuando una dirección parecía prometedora, podían concentrarse más recursos en ella.
El sistema podía analizar enormes cantidades de posibilidades en paralelo.
Por eso las 88 horas no equivalen exactamente a 88 horas de trabajo humano.
Representan una cantidad extraordinaria de cómputo concentrada dentro de un periodo muy corto.
No exactamente.
Y esta diferencia es fundamental.
La inteligencia artificial no comenzó desde cero.
Décadas de investigación matemática ya habían construido buena parte del conocimiento necesario para acercarse al problema.
Investigadores humanos desarrollaron teorías, métodos, demostraciones parciales y nuevas formas de estudiar Navier–Stokes.
Además, matemáticos habían conseguido avances recientes particularmente importantes.
La IA pudo trabajar sobre ese enorme edificio de conocimiento.
Por eso sería incorrecto plantearlo como:
IA: 88 horas. Humanos: 90 años.
Una descripción más precisa sería:
90 años de conocimiento humano permitieron que miles de agentes de IA intentaran acelerar los últimos pasos.
Y eso quizá resulte todavía más interesante.
Normalmente imaginamos a un científico siguiendo una hipótesis.
Tiene una idea.
La prueba.
Fracasa.
Modifica el planteamiento.
Vuelve a intentarlo.
Con miles de agentes de IA trabajando simultáneamente aparece otra posibilidad.
Podemos explorar enormes cantidades de caminos al mismo tiempo.
Uno puede fracasar.
Cien pueden fracasar.
Miles pueden fracasar.
Pero si uno encuentra una dirección prometedora, otros sistemas pueden continuar desde ahí.
Es una especie de investigación científica masivamente paralela.
Y esta puede ser la verdadera noticia detrás de las 88 horas.
OpenAI también trabajó en una formalización de la demostración mediante Lean.
Lean es un sistema que permite representar razonamientos matemáticos de una manera que una computadora puede verificar formalmente.
Según los reportes sobre el trabajo, esa etapa necesitó horas adicionales.
Pero incluso eso no termina la discusión.
Una computadora puede comprobar la consistencia lógica de aquello que se formalizó.
Los matemáticos todavía deben revisar que la traducción represente correctamente el argumento original.
También deben estudiar la demostración completa.
Lee también: Finsus robustece su confianza con mejoras en transparencia y seguridad
Este punto es fundamental.
OpenAI afirma haber encontrado una solución.
Eso no significa automáticamente que el problema de Navier–Stokes haya quedado cerrado para la comunidad matemática.
Una demostración de esta magnitud necesita revisión.
Otros especialistas deben intentar encontrar errores.
Deben reproducir y comprender los argumentos.
El Clay Mathematics Institute también mantiene requisitos específicos antes de reconocer una solución de uno de sus Millennium Prize Problems.
Por ahora, lo correcto es hablar de una solución propuesta por OpenAI.
Si supera todo ese proceso, entonces estaremos ante un acontecimiento histórico.
La historia tiene otra parte.
Matemáticos ya estaban trabajando intensamente sobre problemas relacionados y habían conseguido avances importantes.
Tristan Buckmaster y Levent Alpöge desarrollaban investigaciones en esta área y utilizaron herramientas de IA durante su trabajo.
Después aparecieron cuestionamientos sobre cuánto pudo conocer OpenAI acerca de esas investigaciones antes de desplegar sus propios agentes.
OpenAI ha rechazado haber utilizado indebidamente datos privados de los investigadores.
La controversia abrió una discusión que irá mucho más allá de Navier–Stokes.
Si una IA participa en un descubrimiento científico, ¿cómo determinamos exactamente de dónde llegaron las ideas?
¿Quién merece el crédito?
¿El investigador?
¿La compañía?
¿El modelo?
¿Los autores de los trabajos que sirvieron como conocimiento previo?
La ciencia tendrá que comenzar a responder esas preguntas.
Durante los primeros años de la inteligencia artificial generativa nos sorprendía verla escribir.
Después aprendió a programar.
Luego comenzó a razonar sobre problemas científicos cada vez más complejos.
Ahora miles de agentes pueden trabajar simultáneamente sobre una pregunta matemática que ha desafiado a investigadores durante décadas.
Si la demostración resulta correcta, Navier–Stokes será el titular.
Pero el verdadero cambio podría estar en el método.
Imagine miles de inteligencias artificiales explorando simultáneamente nuevos medicamentos.
Materiales.
Problemas físicos.
Química.
Ingeniería.
Matemáticas.
Una investigación que tradicionalmente requería años podría dividirse entre enormes cantidades de agentes digitales.
Eso no elimina el trabajo humano.
Por el contrario, todo comienza sobre conocimiento construido por personas y todavía necesita personas capaces de verificar qué significa el resultado.
Pero cambia radicalmente la velocidad.
El titular parece enfrentar humanos contra máquinas.
La realidad resulta mucho más interesante.
No fueron 88 horas contra 90 años.
Fueron 88 horas construidas sobre 90 años de matemáticas humanas.
Si la demostración supera la revisión independiente, habremos descubierto algo más importante que la respuesta a un problema.
Habremos visto una nueva forma de hacer ciencia.
Una donde miles de inteligencias artificiales pueden explorar simultáneamente aquello que antes dependía de pequeños grupos de investigadores.
Y entonces la pregunta dejará de ser qué problema matemático puede resolver la IA.
La pregunta será:
¿cuántos problemas que pensábamos que necesitarían décadas podrían empezar a medirse en días?
Dentro de una montaña congelada existe una especie de respaldo de seguridad para la agricultura…
En un momento en el que las amenazas de ciberseguridad financiera han aumentado y las…
Los datos de bienestar del iPhone pronto podrían resultar más fáciles de interpretar. Apple incorporó…
Volar con ansiedad puede convertir cada sonido, movimiento o turbulencia en una experiencia difícil. Una…
Separar los mensajes personales, laborales y comerciales podría volverse más sencillo para quienes usan un…
Telefónica busca una posición central en la transformación digital de Cataluña. La empresa compite por…