El anuncio es otra se\u00f1al clara de que la IA <\/b>est\u00e1 cambiando de manera fundamental los niveles m\u00e1s avanzados de las matem\u00e1ticas, considerados desde hace mucho tiempo como una de las cumbres del logro humano. El cambio ha entusiasmado a algunos matem\u00e1ticos, pero tambi\u00e9n ha generado preocupaci\u00f3n en otros.<\/span><\/p>\n Durante el \u00faltimo a\u00f1o, los sistemas de IA han resuelto con \u00e9xito una amplia variedad de problemas que atormentaron a los matem\u00e1ticos<\/b> durante d\u00e9cadas. Pero estos no eran tan complejos ni hab\u00edan recibido tanta atenci\u00f3n como el que la tecnolog\u00eda de OpenAI<\/b> resolvi\u00f3 en los \u00faltimos d\u00edas. Los problemas del milenio se encuentran entre los m\u00e1s estudiados en el campo.<\/span><\/p>\n <\/b><\/b>\u201cEsta es una culminaci\u00f3n espectacular del arco que hemos visto en los \u00faltimos doce meses\u201d<\/b>, dijo el investigador de OpenAI S\u00e9bastien Bubeck sobre la nueva soluci\u00f3n de la empresa.<\/span><\/p>\n La compa\u00f1\u00eda anunci\u00f3 que uno de sus modelos m\u00e1s recientes, que a\u00fan no ha sido lanzado al p\u00fablico, solo necesit\u00f3 88 horas para resolver lo que los matem\u00e1ticos llaman el \u201cproblema de existencia y suavidad de Navier-Stokes\u201d<\/b>. Este problema involucra una serie de ecuaciones que a menudo se utilizan para pronosticar el clima.<\/span><\/p>\n Las ecuaciones describen el movimiento del agua y otros fluidos. El problema de Navier-Stokes<\/b>, que no tiene un valor pr\u00e1ctico claro, pregunta si estas ecuaciones fallan en ciertas situaciones. La demostraci\u00f3n de OpenAI<\/b> asegura haber definido justo ese tipo de situaci\u00f3n.<\/span><\/p>\n Esto implicar\u00eda, al menos te\u00f3ricamente, que las propias leyes de la f\u00edsica fallar\u00edan bajo ciertas condiciones: que, por ejemplo, se podr\u00eda hacer que el agua explotara de manera espont\u00e1nea. Sin embargo, los matem\u00e1ticos y f\u00edsicos no creen que este fallo matem\u00e1tico realmente pueda llevar a un resultado de ese tipo en el mundo f\u00edsico.<\/span><\/p>\n El problema de Navier-Stokes<\/b> fue uno de los siete \u201cproblemas del milenio\u201d seleccionados por el Instituto Clay de Matem\u00e1ticas<\/b> en el a\u00f1o 2000 como una forma de observar el progreso de las matem\u00e1ticas en el nuevo milenio. El instituto, fundado por un empresario estadounidense llamado Landon T. Clay, ofreci\u00f3 un mill\u00f3n de d\u00f3lares por la primera soluci\u00f3n correcta a cada problema. Antes del anuncio de OpenAI<\/b>, solo se hab\u00eda resuelto uno de los problemas.<\/span><\/p>\n <\/b><\/b>\u201cEstas preguntas son faros\u201d<\/b>, dijo Terence Tao, profesor de la Universidad de California en Los \u00c1ngeles<\/b>, a quien muchos consideran el mejor matem\u00e1tico de su generaci\u00f3n. \u201cSon grandes puntos de referencia que atraen los esfuerzos de los cient\u00edficos humanos\u201d.<\/span><\/p>\n <\/b><\/b>Tao<\/b> es uno de los muchos matem\u00e1ticos que han advertido p\u00fablicamente que los sistemas de IA<\/b> m\u00e1s recientes podr\u00edan terminar da\u00f1ando el campo de las matem\u00e1ticas. Afirma que si las tecnolog\u00edas de IA pueden resolver los problemas m\u00e1s dif\u00edciles con poca intervenci\u00f3n de los matem\u00e1ticos humanos, entonces podr\u00edan debilitar la comprensi\u00f3n humana del campo.<\/span><\/p>\n \u201cEl esfuerzo necesario para resolver problemas suele ser muy instructivo. Te ense\u00f1a algo. Es como ir al gimnasio y tener la meta de levantar una pesa cien veces\u201d, explic\u00f3. \u201cAhora, la IA puede resolver preguntas sin realmente obtener ning\u00fan valor de ellas. Es como tener m\u00e1quinas que pueden levantar pesas por ti en el gimnasio\u201d.<\/span><\/p>\n Sin embargo, como \u00e9l y otros se\u00f1alan, los matem\u00e1ticos<\/b> a\u00fan aportan algo de ayuda mientras los sistemas de IA resuelven estos problemas. <\/b><\/b>OpenAI<\/b> dijo que despleg\u00f3 enormes equipos de \u201cagentes de IA\u201d para resolver el problema de Navier-Stokes<\/b>, y que sus investigadores intercambiaron ideas clave entre estos equipos.<\/span><\/p>\n <\/b><\/b>\u201cNuestro papel fue como el de un abejorro que realiza una polinizaci\u00f3n cruzada entre distintos grupos y lleva diferentes fragmentos de informaci\u00f3n\u201d<\/b>, dijo el investigador de OpenAI, Dan Roberts.<\/span><\/p>\n Los sistemas de IA tambi\u00e9n pueden basarse en avances clave logrados previamente por matem\u00e1ticos destacados, o reproducir su trabajo de manera independiente. La noche anterior al anuncio de OpenAI<\/b>, Tristan Buckmaster<\/b>, profesor de matem\u00e1ticas en la Universidad de Nueva York<\/b>, dijo en una publicaci\u00f3n de redes sociales que hab\u00eda estado explorando una investigaci\u00f3n similar con otro matem\u00e1tico que trabaja para Anthropic<\/b>, el principal rival de OpenAI.<\/span><\/p>\n El martes, OpenAI<\/b> reconoci\u00f3 en una publicaci\u00f3n de blog que concentr\u00f3 sus recursos en el problema de Navier-Stokes<\/b> despu\u00e9s de enterarse de que otros matem\u00e1ticos<\/b> estaban explorando una investigaci\u00f3n similar. Sin embargo, la empresa dijo que \u201cno tuvo acceso a ninguno de sus trabajos por ning\u00fan medio\u201d.<\/span><\/p>\n Empresas como OpenAI<\/b> desarrollan sus tecnolog\u00edas de IA<\/b> mediante lo que los cient\u00edficos llaman redes neuronales, sistemas que aprenden habilidades al analizar enormes cantidades de datos digitales. Hace unos dos a\u00f1os, esas compa\u00f1\u00edas comenzaron a perfeccionar estos sistemas mediante otra t\u00e9cnica llamada aprendizaje por refuerzo. A trav\u00e9s de este proceso, los sistemas de IA pueden aprender comportamientos adicionales mediante un extenso proceso de prueba y error.<\/span><\/p>\n Por ejemplo, al resolver miles de problemas matem\u00e1ticos pueden aprender cu\u00e1les m\u00e9todos conducen a la respuesta correcta y cu\u00e1les no. Los investigadores en laboratorios como OpenAI<\/b> desarrollan mecanismos complejos de retroalimentaci\u00f3n que le muestran al sistema cuando ha hecho algo bien y cuando lo ha hecho mal.<\/span><\/p>\n (The New York Times demand\u00f3 a OpenAI<\/b> y Microsoft<\/b>, alegando infracci\u00f3n de derechos de autor de contenido de noticias relacionado con sistemas de IA. Las dos empresas han negado las afirmaciones de la demanda).<\/span><\/p>\n El aprendizaje por refuerzo es dif\u00edcil de perfeccionar en \u00e1reas como la escritura creativa, la filosof\u00eda y la \u00e9tica, en las que es dif\u00edcil definir de manera objetiva la cuesti\u00f3n de qu\u00e9 respuestas son correctas o incorrectas. Sin embargo, la t\u00e9cnica resulta ideal para las matem\u00e1ticas<\/b>.<\/span><\/p>\n Mediante este proceso, los sistemas de IA pueden aprender a demostrar teoremas matem\u00e1ticos usando un lenguaje de programaci\u00f3n inform\u00e1tica llamado Lean<\/b>. El lenguaje fue dise\u00f1ado originalmente como una herramienta para los matem\u00e1ticos<\/b> humanos, pero ahora que los sistemas de IA son lo suficientemente h\u00e1biles como para generar su propio c\u00f3digo inform\u00e1tico, ellos tambi\u00e9n pueden usar Lean<\/b> para generar sus propias demostraciones matem\u00e1ticas.<\/span><\/p>\n En enero, OpenAI<\/b> y otra empresa emergente llamada Harmonic<\/b> dijeron que, en conjunto, dos de sus tecnolog\u00edas de IA hab\u00edan resuelto uno de los \u201cproblemas de Erdos\u201d<\/b>, una colecci\u00f3n de problemas complejos sin resolver planteados por un acad\u00e9mico del siglo XX llamado Paul Erdos.<\/span><\/p>\n Algunos matem\u00e1ticos<\/b> se\u00f1alaron que la soluci\u00f3n generada por los sistemas de IA<\/b> no hab\u00eda sido muy diferente del trabajo previo realizado sin la ayuda de la IA. <\/b><\/b>\u201cPara m\u00ed, es como un estudiante muy listo que ha memorizado todo para el examen pero que no tiene una comprensi\u00f3n profunda del concepto\u201d<\/b>, coment\u00f3 Tao al Times.<\/span><\/p>\n Sin embargo, con el paso de los meses, las tecnolog\u00edas de OpenAI<\/b> y otras empresas continuaron resolviendo problemas adicionales, a veces de formas m\u00e1s impresionantes.<\/span><\/p>\n OpenAI<\/b> dijo que resolvi\u00f3 el problema de Navier-Stokes<\/b> utilizando hasta 10.000 \u201cagentes de IA\u201d que trabajaron de manera coordinada. Es probable que operar una cantidad tan grande de sistemas de IA haya costado millones de d\u00f3lares, debido a las enormes cantidades de energ\u00eda el\u00e9ctrica necesarias para hacer funcionar los chips especializados que impulsan las tecnolog\u00edas de IA.<\/span><\/p>\n <\/b><\/b>Noam Brown<\/b>, investigador de OpenAI<\/b>, dijo que este era un \u201cproceso muy costoso\u201d, antes de a\u00f1adir que los costos de operar tecnolog\u00edas de IA tienden a disminuir a medida que empresas como OpenAI mejoran su eficiencia.<\/span><\/p>\n El martes, la empresa public\u00f3 un art\u00edculo donde describe su soluci\u00f3n, incluyendo una demostraci\u00f3n en Lean<\/b>, lo que permite a los matem\u00e1ticos<\/b> externos ver c\u00f3mo sus agentes resolvieron el problema. Sin embargo, Tao cree que eso sigue siendo un mal sustituto de los humanos que resuelven el problema por s\u00ed mismos. Compar\u00f3 a OpenAI<\/b> con un gu\u00eda de la naturaleza que encuentra un camino hacia una cascada escondida.<\/span><\/p>\n \u201cEsto tiene cierto valor\u201d<\/b>, dijo. \u201cPero una vez que alguien muestra un camino espec\u00edfico hacia la cascada, la gente simplemente toma ese camino. No pasan tanto tiempo buscando otros caminos\u201d.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":" El anuncio de la compa\u00f1\u00eda es la se\u00f1al m\u00e1s contundente hasta la fecha de que la inteligencia artificial est\u00e1 transformando radicalmente el campo de las ciencias exactas. OpenAI dijo el martes que su tecnolog\u00eda de inteligencia artificial (IA) m\u00e1s reciente resolvi\u00f3 uno de los \u201cproblemas del milenio\u201d, una serie de preguntas matem\u00e1ticas importantes sin respuesta concebida para impulsar a los mejores matem\u00e1ticos del mundo a alcanzar nuevos l\u00edmites. El anuncio es otra se\u00f1al clara de que la IA est\u00e1 cambiando de manera fundamental los niveles m\u00e1s avanzados de las matem\u00e1ticas, considerados desde hace mucho tiempo como una de las cumbres…<\/p>\n","protected":false},"author":2,"featured_media":17736,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[42],"tags":[],"class_list":["post-17733","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tecnologia"],"acf":[],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t![\"El](\"https:\/\/www.infobae.com\/resizer\/v2\/5YD3I6HF2BBCHF5AUFL4XT6UFY.jpg?auth=22c82fd23eeead9f86a0715d4fca20156be88b691ea42b91fff0127168f61aae&smart=true&width=992&height=794&quality=85\")
<\/picture>El investigador de inteligencia artificial S\u00e9bastien Bubeck, en Seattle, el 8 de mayo de 2023. OpenAI anunci\u00f3 el 8 de septiembre de 2026 que su tecnolog\u00eda de inteligencia artificial m\u00e1s reciente hab\u00eda resuelto uno de los \u00abProblemas del Milenio\u00bb, una serie de importantes cuestiones matem\u00e1ticas a\u00fan sin respuesta. Bubeck calific\u00f3 la soluci\u00f3n como una \u00abculminaci\u00f3n espectacular de la trayectoria que hemos observado en los \u00faltimos doce meses\u00bb (Meron Tekie Menghistab\/The New York Times)<\/span><\/div>\n