OpenAI publica 722 manuscritos matemáticos generados por una IA interna aún no lanzada
OpenAI hizo público el martes 6 un conjunto de 722 manuscritos matemáticos producidos por un modelo de inteligencia artificial que aún no está disponible para el público. Los documentos se publicaron en GitHub, acompañados de materiales que permiten examinar las demostraciones presentadas.
El conjunto está organizado en 372 grupos de resultados relacionados, que pueden incluir un teorema principal, corolarios o pruebas alternativas. La evaluación de los trabajos implicó alrededor de cuatro mil problemas. La empresa advierte que los manuscritos se encuentran en diferentes etapas de verificación y que algunos resultados aún no formalizados pueden contener errores.
Verificación y formalización en Lean
Parte de las demostraciones se expresaron en Lean, un lenguaje de programación combinado con un asistente de pruebas que permite al ordenador confirmar la validez de los argumentos matemáticos. En este proceso, la prueba se escribe en un lenguaje formal, con definiciones y pasos que el sistema puede comprobar para garantizar que la conclusión se derive de las premisas y de las reglas utilizadas.
OpenAI informó que seguirá añadiendo nuevas formalizaciones al repositorio a medida que se creen, manteniendo accesibles las versiones anteriores y registrando correcciones. La verificación de las pruebas se considera crucial para el avance de la inteligencia artificial en matemáticas, ya que confirmar la corrección de una demostración y comprender las ideas subyacentes son tareas distintas del trabajo científico.
Recomendaciones del Grupo Asesor de Matemáticas e IA
La divulgación fue guiada por el Grupo Asesor de Matemáticas e Inteligencia Artificial, un comité independiente con sede en el Institute for Advanced Study. En recomendaciones publicadas el 29 de septiembre, el grupo abogó por que los laboratorios compartan descubrimientos relevantes con documentación detallada, referencias, información sobre el proceso y pruebas formalizadas siempre que sea posible.
El documento también pidió que se destinen recursos para que los investigadores puedan entender e incorporar los resultados, con iniciativas lideradas por la comunidad matemática. Sin embargo, el grupo no respalda la práctica de probar problemas avanzados en modelos propietarios inaccesibles y solicita que los laboratorios pongan fin a este enfoque.
Para los miembros del comité, la capacidad de las máquinas para producir argumentos no elimina la necesidad de comprensión humana, verificación colaborativa y responsabilidad por el contenido publicado.
Contexto e implicaciones
Cada resultado publicado consumió, en promedio, una cantidad de computación equivalente a aproximadamente tres horas de razonamiento de ChatGPT Pro. La empresa afirma que está trabajando para poner el modelo a disposición del público y que financiará talleres, conferencias y programas dedicados al análisis de los resultados.
La iniciativa representa un hito en la interacción entre la inteligencia artificial y la investigación matemática, pero también plantea preguntas sobre la fiabilidad de las pruebas generadas por sistemas opacos y sobre la mejor manera de integrar estos avances en el trabajo científico tradicional.








