El progreso de OpenAI en otro problema millonario finalmente es público. Los expertos designados por la compañía para examinar el trabajo dicen que ahora han verificado la prueba generada por inteligencia artificial de la “existencia” de la teoría cuántica de Yang-Mills, una base vital para el modelo estándar de física de partículas.
Como muchas pruebas de IA, ésta es confusa: demasiado larga y complicada para que la mente humana la comprenda de inmediato. Con el objetivo de evitar otra “caída” (término utilizado cuando OpenAI desató una avalancha de más de 700 pruebas generadas por IA en un solo día de octubre), la compañía reclutó al eminente físico teórico estadounidense David Gross para liderar un comité para supervisar la publicación de la prueba de Yang-Mills.
“Actualizamos el progreso de nuestro comité en el manejo del LLM [large language model] “Produjo resultados”, dijo el grupo en un comunicado el 9 de noviembre presentando una vista previa de sus hallazgos. El trabajo del equipo confirma que el resultado de OpenAI “demuestra la existencia de la teoría pura de Yang-Mills de acuerdo con los planteamientos de problemas que son estándar en física y matemáticas”.
Sobre el apoyo al periodismo científico
Si está disfrutando de este artículo, considere apoyar nuestro periodismo galardonado suscribiéndose. Al comprar una suscripción, ayudas a garantizar el futuro de historias impactantes sobre los descubrimientos y las ideas que dan forma a nuestro mundo actual.
La noche del 10 de noviembre, Gross y los cuatro colegas que seleccionó para el comité publicaron un documento explicando cómo funciona la prueba, junto con su afirmación de la verificación formal de la prueba en Lean, un lenguaje de programación que verifica el trabajo matemático. Sin embargo, este enfoque de “guía” contradice las recomendaciones de transparencia de un grupo asesor afiliado a OpenAI y ha irritado a algunos matemáticos que lo han visto como un acto de control innecesario.
“Estoy feliz de que los pastores finalmente publiquen la prueba Lean, para que podamos ver cuál es el resultado. Y espero que, en el futuro, los laboratorios de IA compartan ampliamente sus resultados con la comunidad”, dice Scott Armstrong, matemático de la Universidad de Nueva York. “Esta revisión se puede realizar de manera más eficiente y rápida al aire libre”.
La exitosa prueba de OpenAI aborda el “problema de Yang-Mills”, que es uno de los cinco “Problemas del Premio del Milenio” que quedan sin resolver, un conjunto de siete problemas codificados por el Clay Mathematics Institute en 2000. Resolver con éxito un Problema del Premio del Milenio conlleva un premio de 1 millón de dólares. Pero resolver Yang-Mills conllevaría una recompensa mayor al poner en orden el descuido matemático de la física de partículas moderna.
Desde muchos puntos de vista, el Modelo Estándar es la teoría científica más probada y exitosa jamás ideada, y predice con precisión lo que sucede cuando los físicos chocan partículas subatómicas en instalaciones como el Gran Colisionador de Hadrones del CERN, cerca de Ginebra. Pero nadie ha logrado reducir los principios del modelo estándar a simples enunciados basados en la lógica llamados axiomas y, por lo tanto, demostrar que es matemáticamente sólido.
El problema del Premio del Milenio Yang-Mills tiene dos partes. La primera es demostrar que esta teoría que sustenta el modelo estándar “existe”, lo que significa que puede construirse mediante pasos matemáticos válidos. La segunda es más cuantitativa (y mucho más difícil) e implica demostrar que una cantidad física esencial llamada “brecha de masa” surge de las ecuaciones de Yang-Mills.
A finales de octubre, OpenAI anunció que su modelo había resuelto la primera parte del problema: el problema de la “existencia”. La afirmación de la compañía se adelantó a la colaboración pública en curso de otro matemático con un empleado del rival de OpenAI, Anthropic, para demostrar el mismo resultado. La “brecha de masas” sigue sin resolverse.
El documento de los pastores es demasiado superficial para proporcionar una comprensión profunda de cómo funciona la prueba del LLM. De hecho, Gross y sus colegas han admitido que ellos mismos todavía carecen de eso. “Utilizamos Astra de OpenAI [model] para ayudar con la digestión del código Lean suministrado”, escribieron en su evaluación. “Aún no pretendemos comprender completamente la prueba”. Pero con la prueba y su código Lean ahora lanzados al mundo para un escrutinio más profundo, los expertos de la comunidad pueden usar sus propios agentes para realizar ingeniería inversa y comenzar a analizarlo.
Suscríbete para apoyar el periodismo independiente
El gran periodismo científico requiere experiencia humana, tiempo, esfuerzo y creatividad. Y cuesta dinero. Es por eso que los periodistas de Scientific American y yo esperamos que se una a nuestra comunidad.
Cuando te suscribes, estás apoyando al personal y a los periodistas independientes apasionados por contar historias científicas que sean verdaderas, importantes y convincentes. Nuestros editores y reporteros suelen ser expertos en sus campos, lo que significa que comprenden los matices de los grandes descubrimientos y pueden separar los avances de las exageraciones. Con una suscripción, también respalda una verificación rigurosa de los datos para garantizar que las palabras que publicamos sean precisas y exactas. Y estás apoyando ilustraciones, gráficos y fotografías originales que te acercan a un laboratorio avanzado, una capa de hielo en la Antártida o una misión espacial en órbita. También nos estás ayudando a crear otros tipos de periodismo de alta calidad: nuestros boletines están cuidadosamente escritos, editados y seleccionados por personal que conoces y amarás o que conocerás. Nuestro podcast Science Quickly se basa en informes originales, colaboración con editores y científicos y una producción exigente.
Las suscripciones mantienen este motor en funcionamiento para que podamos seguir ofreciéndole periodismo científico reflexivo, riguroso e independiente. En una era de desinformación viral, este trabajo es crucial. Si valoras lo que hacemos, espero que consideres unirte a nosotros como suscriptor.