- OpenAI ha publicado 722 manuscritos que abarcan múltiples áreas de investigación matemática.
- Estos manuscritos incluyen investigaciones sobre el exponente irracional de pi y problemas NP-duros.
- OpenAI proporciona resúmenes del razonamiento del modelo para ayudar a los investigadores a comprender los problemas matemáticos.
- La base de datos influirá en la futura investigación matemática y en la aplicación de resultados generados por IA.
OpenAI ha publicado una vasta base de datos de investigación matemática generada por su modelo interno de vanguardia, que ofrece a los matemáticos cientos de resultados generados por máquina. La base de datos se ha publicado en un repositorio público de GitHub y contiene 722 manuscritos, organizados en 372 categorías de investigación. Estos estudios abarcan matemáticas puras, ciencias de la computación teórica y física matemática, entre otros campos. Varios resultados abordan problemas que requieren largas cadenas de razonamiento matemático. OpenAI también ha publicado versiones formales de muchas demostraciones, escritas en el lenguaje Lean, lo que permite a las computadoras verificar sus argumentos básicos.
Contenido de los manuscritos y ámbitos de investigación
El repositorio abarca problemas de teoría de números, teoría de la complejidad computacional, geometría y física matemática, entre otros. Algunos resultados se extienden a áreas donde pequeños avances pueden requerir un gran trabajo técnico. OpenAI declaró: «Hemos publicado una amplia gama de nuevos resultados matemáticos generados por nuestro modelo interno de vanguardia. Hemos estado consultando con un panel independiente de matemáticas e inteligencia artificial del Institute for Advanced Study y hemos tenido en cuenta sus recomendaciones».
Por ejemplo, un resultado se refiere al exponente irracional de pi. Esta métrica mide cuán cerca pueden estar los números racionales de pi. El modelo generó un resultado que explora el comportamiento matemático de esa aproximación. Otra categoría de investigación examina los problemas NP-duros. Estos problemas se sitúan en la teoría de la complejidad computacional e implican tareas que se consideran difíciles de resolver eficientemente. El trabajo del modelo añade resultados matemáticos a este corpus de investigación más amplio. Otros manuscritos resuelven problemas relacionados con la conjetura de Mahler, series aritméticas y factores de grupos libres. La colección también incluye investigaciones sobre el ferromagneto cuántico de Heisenberg y las ecuaciones relativistas de Vlasov-Maxwell.
Verificación y citación de la base de datos
OpenAI ha agrupado los manuscritos relacionados en categorías de investigación para mostrar las conexiones entre los distintos resultados. El repositorio también señala 10 categorías acompañadas de breves resúmenes del razonamiento del modelo. Lean proporciona una capa de verificación importante. Este lenguaje de programación permite a los investigadores convertir enunciados y demostraciones matemáticas en código formal. Las computadoras pueden comprobar si cada paso del razonamiento lógico se ajusta a los supuestos establecidos. Esto no establece automáticamente que cada afirmación de investigación en la base de datos sea correcta, ya que muchos manuscritos aún carecen de versiones formales en Lean. OpenAI indicó que se añadirán más versiones formalizadas a medida que los investigadores completen el trabajo de verificación.
El repositorio también rastrea las revisiones de los artículos y ofrece directrices de citación, de modo que los investigadores dispongan de un registro más claro cuando los autores corrigen o amplían manuscritos anteriores. OpenAI desarrolló este proceso de publicación siguiendo las recomendaciones del panel independiente de matemáticas e inteligencia artificial del Institute for Advanced Study. OpenAI también reveló la escala de su evaluación matemática. El modelo intentó aproximadamente 4,000 problemas durante la investigación, con un consumo promedio de unas tres horas de tiempo de cómputo de ChatGPT Pro por cada resultado aceptado. Además, OpenAI publicó estadísticas adicionales que cubren los problemas intentados y los resultados de la investigación.
La empresa señaló que los resúmenes de razonamiento ofrecen a los investigadores una comprensión más profunda, permitiéndoles ver cómo el modelo aborda los problemas matemáticos seleccionados. Estos resúmenes son independientes de las demostraciones formales en Lean.
OpenAI planea respaldar talleres, conferencias y proyectos especiales centrados en la comprensión de resultados matemáticos significativos generados por IA, y prevé que la retroalimentación de los matemáticos influirá en futuras publicaciones. Por tanto, esta publicación no es simplemente una colección de artículos; proporciona un banco de pruebas para examinar cómo las matemáticas generadas por máquina se integran en el proceso de investigación, con registros reproducibles, demostraciones verificables por computadora y una mayor transparencia de los resultados.
Impacto y desafíos de la investigación matemática generada por IA
Esta publicación de OpenAI marca un nuevo avance de la inteligencia artificial en la investigación matemática, al proporcionar una gran cantidad de resultados matemáticos generados por máquina, que no solo pueden ayudar a los matemáticos a explorar problemas complejos, sino que también podrían transformar los métodos de investigación tradicionales. Las demostraciones escritas en lenguaje Lean en la base de datos ofrecen un mecanismo de verificación, aunque aún se requieren más versiones formales para garantizar la corrección de los resultados. A medida que los matemáticos retroalimenten sobre los resultados generados por IA, la investigación futura podría depender cada vez más de este tipo de tecnologías, impulsando la innovación y el desarrollo en el campo matemático.