Las grandes empresas de inteligencia artificial, como OpenAI y Anthropic, sostienen que sus modelos pueden ayudar a resolver algunos de los problemas más antiguos de las matemáticas y la ciencia. Sin embargo, la velocidad de los avances está poniendo a prueba la capacidad de la comunidad académica para evaluarlos y asimilarlos.

En el pódcast Cheeky Pint, el director ejecutivo de OpenAI, Sam Altman, defendió la difusión de los hallazgos científicos fundamentales: «La humanidad merece conocimiento fundamental, y no deberíamos guardarnos un gran descubrimiento científico». También reconoció que el interés de la compañía por abordar ciertos retos matemáticos «se descontroló» en ocasiones. Al preguntársele si OpenAI conserva resultados inéditos, respondió: «Sí. Por supuesto».

La promesa de compartir conocimiento, no obstante, convive con críticas sobre la forma en que se presentan algunos resultados. Investigadores han cuestionado la atribución de contribuciones y los procesos de verificación. Además, la publicación de grandes volúmenes de material puede trasladar a los científicos la tarea de revisar y validar una cantidad de información difícil de manejar. Wired, por ejemplo, informó que OpenAI publicó en GitHub 722 manuscritos relacionados con 400 problemas.

## Avances que entusiasman y desestabilizan

El impacto de estos resultados no es solo técnico. Para algunos investigadores, ver cómo una herramienta pone en duda años de trabajo puede ser «psicológicamente agotador». Thore Husfeldt, de la Universidad de Tecnologías de la Información de Copenhague, ha descrito un clima de incertidumbre: con cada nuevo anuncio, proyectos de investigación en curso pueden quedar cuestionados.

Un caso destacado es el trabajo que aparentemente pone en entredicho la hipótesis del tiempo exponencial (ETH), una idea influyente sobre el aumento de los recursos necesarios para resolver problemas a medida que crece su complejidad. Si se confirmaran las conclusiones, habría que revisar teorías que se apoyan en esa hipótesis. Sin embargo, el trabajo aún no ha pasado por revisión por pares ni ha sido verificado de forma independiente, por lo que sus implicaciones deben tratarse con cautela.

La reacción entre los especialistas refleja esa mezcla de asombro e inquietud. Daniel Lokshtanov, profesor de la Universidad de California en Santa Bárbara, describió el resultado como «una bomba en medio del campo»: algo «muy interesante y terrible al mismo tiempo». Husfeldt, por su parte, lo calificó de «fantástico» y comparó el efecto con iluminar de pronto una habitación que los matemáticos exploraban a oscuras, abriendo nuevos caminos de investigación.

Peter Jonsson, profesor de la Universidad de Linköping, también señaló que, aunque puede resultar frustrante que una herramienta cuestione años de trabajo, se puede aprender mucho de esos resultados. Para la ciencia, el origen de una demostración importa menos que su validez: si se confirma, habrá que incorporarla al conocimiento disponible.

La inteligencia artificial está impulsando cambios profundos en la investigación, pero la velocidad no sustituye a la comprobación. Publicar resultados con transparencia, reconocer las contribuciones y permitir una revisión independiente será esencial para que los avances se conviertan en conocimiento fiable. El reto no consiste únicamente en descubrir más, sino en hacerlo de una manera que la comunidad científica pueda evaluar, comprender y aprovechar.

from Latest from TechRadar https://ift.tt/Gd4Zpwo
via IFTTT IA