El anuncio de la empresa es la señal más contundente hasta ahora de que la inteligencia artificial está transformando de manera fundamental el campo de las matemáticas avanzadas.
OpenAI dijo el martes que su tecnología de inteligencia artificial (IA) más reciente resolvió uno de los "problemas del milenio", una serie de preguntas matemáticas importantes sin respuesta concebida para impulsar a los mejores matemáticos del mundo a alcanzar nuevos límites.
El anuncio es otra señal clara de que la IA está cambiando de manera fundamental los niveles más avanzados de las matemáticas, considerados desde hace mucho tiempo como una de las cumbres del logro humano. El cambio ha entusiasmado a algunos matemáticos, pero también ha generado preocupación en otros.
Durante el último año, los sistemas de IA han resuelto con éxito una amplia variedad de problemas que atormentaron a los matemáticos durante décadas. Pero estos no eran tan complejos ni habían recibido tanta atención como el que la tecnología de OpenAI resolvió en los últimos días. Los problemas del milenio se encuentran entre los más estudiados en el campo.
"Esta es una culminación espectacular del arco que hemos visto en los últimos doce meses", dijo el investigador de OpenAI Sébastien Bubeck sobre la nueva solución de la empresa.
La compañía anunció que uno de sus modelos más recientes, que aún no ha sido lanzado al público, solo necesitó 88 horas para resolver lo que los matemáticos llaman el "problema de existencia y suavidad de Navier-Stokes". Este problema involucra una serie de ecuaciones que a menudo se utilizan para pronosticar el clima.
Las ecuaciones describen el movimiento del agua y otros fluidos. El problema de Navier-Stokes, que no tiene un valor práctico claro, pregunta si estas ecuaciones fallan en ciertas situaciones. La demostración de OpenAI asegura haber definido justo ese tipo de situación.
Esto implicaría, al menos teóricamente, que las propias leyes de la física fallarían bajo ciertas condiciones: que, por ejemplo, se podría hacer que el agua explotara de manera espontánea. Sin embargo, los matemáticos y físicos no creen que este fallo matemático realmente pueda llevar a un resultado de ese tipo en el mundo físico.
El problema de Navier-Stokes fue uno de los siete "problemas del milenio" seleccionados por el Instituto Clay de Matemáticas en el año 2000 como una forma de observar el progreso de las matemáticas en el nuevo milenio. El instituto, fundado por un empresario estadounidense llamado Landon T. Clay, ofreció un millón de dólares por la primera solución correcta a cada problema. Antes del anuncio de OpenAI, solo se había resuelto uno de los problemas.
"Estas preguntas son faros", dijo Terence Tao, profesor de la Universidad de California en Los Ángeles, a quien muchos consideran el mejor matemático de su generación. "Son grandes puntos de referencia que atraen los esfuerzos de los científicos humanos".
Tao es uno de los muchos matemáticos que han advertido públicamente que los sistemas de IA más recientes podrían terminar dañando el campo de las matemáticas. Afirma que si las tecnologías de IA pueden resolver los problemas más difíciles con poca intervención de los matemáticos humanos, entonces podrían debilitar la comprensión humana del campo.
"El esfuerzo necesario para resolver problemas suele ser muy instructivo. Te enseña algo. Es como ir al gimnasio y tener la meta de levantar una pesa cien veces", explicó. "Ahora, la IA puede resolver preguntas sin realmente obtener ningún valor de ellas. Es como tener máquinas que pueden levantar pesas por ti en el gimnasio".
Sin embargo, como él y otros señalan, los matemáticos aún aportan algo de ayuda mientras los sistemas de IA resuelven estos problemas. OpenAI dijo que desplegó enormes equipos de "agentes de IA" para resolver el problema de Navier-Stokes, y que sus investigadores intercambiaron ideas clave entre estos equipos.
"Nuestro papel fue como el de un abejorro que realiza una polinización cruzada entre distintos grupos y lleva diferentes fragmentos de información", dijo el investigador de OpenAI, Dan Roberts.
Los sistemas de IA también pueden basarse en avances clave logrados previamente por matemáticos destacados, o reproducir su trabajo de manera independiente. La noche anterior al anuncio de OpenAI, Tristan Buckmaster, profesor de matemáticas en la Universidad de Nueva York, dijo en una publicación de redes sociales que había estado explorando una investigación similar con otro matemático que trabaja para Anthropic, el principal rival de OpenAI.
El martes, OpenAI reconoció en una publicación de blog que concentró sus recursos en el problema de Navier-Stokes después de enterarse de que otros matemáticos estaban explorando una investigación similar. Sin embargo, la empresa dijo que "no tuvo acceso a ninguno de sus trabajos por ningún medio".
Empresas como OpenAI desarrollan sus tecnologías de IA mediante lo que los científicos llaman redes neuronales, sistemas que aprenden habilidades al analizar enormes cantidades de datos digitales. Hace unos dos años, esas compañías comenzaron a perfeccionar estos sistemas mediante otra técnica llamada aprendizaje por refuerzo. A través de este proceso, los sistemas de IA pueden aprender comportamientos adicionales mediante un extenso proceso de prueba y error.
Por ejemplo, al resolver miles de problemas matemáticos pueden aprender cuáles métodos conducen a la respuesta correcta y cuáles no. Los investigadores en laboratorios como OpenAI desarrollan mecanismos complejos de retroalimentación que le muestran al sistema cuando ha hecho algo bien y cuando lo ha hecho mal.
(The New York Times demandó a OpenAI y Microsoft, alegando infracción de derechos de autor de contenido de noticias relacionado con sistemas de IA. Las dos empresas han negado las afirmaciones de la demanda).
El aprendizaje por refuerzo es difícil de perfeccionar en áreas como la escritura creativa, la filosofía y la ética, en las que es difícil definir de manera objetiva la cuestión de qué respuestas son correctas o incorrectas. Sin embargo, la técnica resulta ideal para las matemáticas.
Mediante este proceso, los sistemas de IA pueden aprender a demostrar teoremas matemáticos usando un lenguaje de programación informática llamado Lean. El lenguaje fue diseñado originalmente como una herramienta para los matemáticos humanos, pero ahora que los sistemas de IA son lo suficientemente hábiles como para generar su propio código informático, ellos también pueden usar Lean para generar sus propias demostraciones matemáticas.
En enero, OpenAI y otra empresa emergente llamada Harmonic dijeron que, en conjunto, dos de sus tecnologías de IA habían resuelto uno de los "problemas de Erdos", una colección de problemas complejos sin resolver planteados por un académico del siglo XX llamado Paul Erdos.
Algunos matemáticos señalaron que la solución generada por los sistemas de IA no había sido muy diferente del trabajo previo realizado sin la ayuda de la IA. "Para mí, es como un estudiante muy listo que ha memorizado todo para el examen pero que no tiene una comprensión profunda del concepto", comentó Tao al Times.
Sin embargo, con el paso de los meses, las tecnologías de OpenAI y otras empresas continuaron resolviendo problemas adicionales, a veces de formas más impresionantes.
OpenAI dijo que resolvió el problema de Navier-Stokes utilizando hasta 10.000 "agentes de IA" que trabajaron de manera coordinada. Es probable que operar una cantidad tan grande de sistemas de IA haya costado millones de dólares, debido a las enormes cantidades de energía eléctrica necesarias para hacer funcionar los chips especializados que impulsan las tecnologías de IA.
Noam Brown, investigador de OpenAI, dijo que este era un "proceso muy costoso", antes de añadir que los costos de operar tecnologías de IA tienden a disminuir a medida que empresas como OpenAI mejoran su eficiencia.
El martes, la empresa publicó un artículo donde describe su solución, incluyendo una demostración en Lean, lo que permite a los matemáticos externos ver cómo sus agentes resolvieron el problema. Sin embargo, Tao cree que eso sigue siendo un mal sustituto de los humanos que resuelven el problema por sí mismos. Comparó a OpenAI con un guía de la naturaleza que encuentra un camino hacia una cascada escondida.
"Esto tiene cierto valor", dijo. "Pero una vez que alguien muestra un camino específico hacia la cascada, la gente simplemente toma ese camino. No pasan tanto tiempo buscando otros caminos".
Cade Metz es un reportero del Times que cubre inteligencia artificial, coches autónomos, robótica, realidad virtual y otras áreas emergentes de la tecnología.
