Enormes vientos galácticos fueron descubiertos hace 13.1 mil millones de años

A continuación se muestra un extracto del libro. Formulario. Reproducido con permiso del autor.

¿Nos reemplazarán las máquinas? Desde el inicio de la inteligencia artificial (IA), a la gente le ha preocupado que las computadoras eventualmente (¡o incluso inminentemente!) Superen la capacidad cognitiva humana en todos los aspectos.

El pionero de la inteligencia artificial Oliver Selfridge dijo, en una entrevista televisiva a principios de la década de 1960, «Estoy convencido de que las máquinas pueden pensar y pensarán en nuestras vidas», a pesar de esta estipulación: «No creo que mi hija se case nunca con una computadora». (Aparentemente, no hay un avance técnico tan abstracto que las personas no se sienten sexualmente ansiosas por ello).

Ansiedad de la IA

Hagamos la pregunta relevante más especial: ¿Se reemplazarán las máquinas? I? Soy un matemático Mi profesión a menudo se ve desde el exterior como un juego muy complejo pero, en última instancia, puramente mecánico que se juega con reglas fijas, como las damas, el ajedrez o el Go. Estas son las actividades en las que las máquinas ya han demostrado una capacidad sobrehumana.

Algunas personas imaginan un mundo en el que las computadoras nos dan todas las respuestas. Sueño más grande. Quiero que hagan buenas preguntas.

Pero para mí, las matemáticas son diferentes: es un esfuerzo creativo que apela tanto a nuestra intuición como a nuestra capacidad de cálculo. (Para ser justos, los ajedrecistas probablemente sientan lo mismo). Henri Poincaré, el matemático que reinventó todo el tema de la geometría a principios del siglo XX.^{El décimo} siglo, insistir Será inútil

«Intentar reemplazar la iniciativa libre de un matemático con un proceso mecánico de cualquier tipo. Para tener un resultado que tenga algún valor real, no es suficiente pulir los cálculos, o tener una máquina para arreglar las cosas: no es solo orden, sino que un orden inesperado tiene valor. «Una máquina puede apoderarse de la pura verdad, pero el espíritu de la verdad siempre escapará de ella».

Pero las máquinas pueden realizar cambios profundos en la práctica deportiva sin dejar de lado a los humanos. Peter Schulz, el ganador de la Medalla Fields 2018 (a veces llamado el «Premio Nobel de Matemáticas») está profundamente involucrado en un ambicioso programa sobre las fronteras del álgebra y la geometría llamado «Matemáticas condensadas», y no, no hay posibilidad de que intente explica qué hay en este espacio.

Conoce a la Inteligencia Artificial, tu nuevo asistente de investigación

atribuido a el: propia fotografía vía Unsplash

qué soy yo Soy Les diré que es el resultado de lo que Schulze llamó el «experimento del tensor líquido». Una comunidad llamada Lean, iniciada por Leonardo de Moura de Microsoft Research y ahora de código abierto y mundial, tiene el ambicioso objetivo de desarrollar un lenguaje informático con el poder expresivo de capturar la totalidad de las matemáticas contemporáneas. Se puede validar una evidencia propuesta para una nueva teoría, formulada mediante traducción a este idioma. automáticamenteEn lugar de poner su reputación en gobernantes humanos falibles.

En diciembre pasado, Schulze preguntó si las ideas de la matemática intensa podrían formalizarse de esta manera. También quería ver si podía articular las ideas de una prueba particularmente compleja que era crucial para el proyecto: la prueba de que era hermosa. Ciertamente tenía razón.

Cuando escuché por primera vez sobre Lean, pensé que probablemente funcionaría bien con algunos problemas y teorías fáciles. Lo subestimé. Schulze también. a Publicación de blog mayo de 2021, el esta escribiendo, «[T]La experiencia ha demostrado toda la parte del argumento de la que no estaba seguro. Me parece absolutamente una locura que los asistentes de prueba interactivos estén ahora en el nivel en el que pueden, en un período de tiempo muy razonable, verificar formalmente una investigación original desafiante «.

La contribución de la máquina tampoco demostró simplemente que Schultz tenía razón al creer que su prueba era sólida; Afirma que trabajar para poner la evidencia en una forma legible por máquina ha mejorado su comprensión humana del argumento.

El experimento Liquid Tensor apunta a un futuro en el que las máquinas, en lugar de reemplazar a los matemáticos humanos, se convertirán en socios indispensables. Ya sea que sean capaces de aferrarse al espíritu de la verdad o no, pueden estirar la vida. Nuestra Comprender a medida que llegamos al alma.

Anatomía de un problema complejo

Esto puede tomar la forma de «asistencia para la revisión», como hizo con Schultz, o puede ser más profundo. En 2018, Lisa Pickerillo, que era estudiante de doctorado en la Universidad de Texas, resolvió un problema de ingeniería de larga duración en torno a una forma llamada nudo de Conway. Demostró que el nodo era «sin corte»: este es un hecho sobre cómo se ve un nodo desde la perspectiva de los objetos 4D. (¿Lo entendiste? Probablemente no, pero eso no importa.) El punto es que este era un problema notoriamente difícil.

Unos años antes del ataque de Piccirillo, un topólogo llamado Mark Hughes en Brigham Young intentó obtener una red neuronal para hacer buenas conjeturas sobre qué nodo era un segmento. Le dio una larga lista de nodos donde se conocía la respuesta, al igual que una red neuronal de procesamiento de imágenes daría una larga lista de imágenes de gatos y de no gatos.

La red neuronal de Hughes aprendió a asignar un número a cada nodo. Si el nodo era un segmento, se suponía que el número era 0, mientras que si el nodo no era un segmento, se suponía que la red devolvía un número entero mayor que 0. De hecho, la red neuronal esperaba un valor muy cercano a 1 – es decir, predijo que el nodo no tenía chip, para cada nodo probado de Hughes, excepto uno. Ese era el nudo de Conway.

Para el nodo de Conway, la red neuronal de Hughes arrojó un número muy cercano a 1/2, que es su forma de decir que no está muy segura de si la respuesta es 0 o 1. ¡Qué bueno! La red neuronal identificó correctamente el nodo que planteaba un problema difícil y computacionalmente rico (en este caso, reproduciendo una corazonada que los topólogos ya tenían).

Algunas personas imaginan un mundo en el que las computadoras nos dan todas las respuestas. Sueño más grande. Quiero que hagan buenas preguntas.

Dr. Jordan Ellenberg Profesor de matemáticas en la Universidad de Wisconsin y teórico de los números cuyos famosos artículos sobre matemáticas han aparecido en el New York Times, Wall Street Journal, Wired y Slate. Su último libro es Figura: La geometría oculta de la información, la biología, la estrategia, la democracia y todo lo demás..