OpenAI anuncia tres avances en investigación de inteligencia artificial en ciencias de la computación, física y matemáticas

iconChaincatcher
Compartir
AI summary iconResumen
OpenAI anunció tres avances en investigación de inteligencia artificial en ciencias de la computación, física y matemáticas, incluyendo la refutación de la Hipótesis del Tiempo Exponencial, una demostración para teorías de campos cuánticos y la resolución de la conjetura de Kakeya en todas las dimensiones. Los hallazgos siguen siendo preliminares y requieren validación académica. OpenAI comprometió $5 millones a la Fundación Simons para investigación científica impulsada por IA. Se recomienda a los operadores monitorear altcoins ante el cambio en el sentimiento del mercado, ya que el índice de miedo y codicia muestra señales mixtas.

Autor: OpenAI

Compilado por Jia Huan, ChainCatcher

El 26 de octubre, OpenAI publicó tres hallazgos de investigación generados por modelos internos, que abarcan ciencias de la computación, física y matemáticas.

Estos resultados abordan problemas fundamentales que han sido objeto de investigación prolongada en disciplinas relacionadas. OpenAI denomina a los textos generados por el modelo "datos de investigación originales" e invita a la comunidad académica a validarlos, explicarlos y llevar a cabo investigaciones posteriores.

Ciencias de la computación: ¿Se ha derrocado ETH?

OpenAI afirma que su sistema demostró que la hipótesis de tiempo exponencial (Exponential Time Hypothesis,简称 ETH) no es válida, y este resultado posteriormente se verificó en Lean.

Aquí, ETH se refiere a la hipótesis de tiempo exponencial en ciencias de la computación, no a Ethereum.

ETH (suposición de tiempo de índice) es una "conjetura pesimista" en ciencias de la computación: para cierta clase de problemas lógicos, sin importar cómo se mejore el algoritmo, el tiempo en el peor de los casos crecerá exponencialmente con el tamaño del problema, sin atajos reales.

Por lo tanto, el rechazo de ETH reabrió la pregunta de cuánto más rápido pueden ser estas tareas, y también podría proporcionar orientación para buscar mejores algoritmos. OpenAI también señaló que se necesitan muchos estudios posteriores para encontrar tales algoritmos y convertir los avances teóricos en mejoras prácticas.

Para los lectores del mundo de las criptomonedas, la pregunta más directa es: ¿esto afectará a los sistemas criptográficos existentes? La seguridad de muchos esquemas criptográficos depende de que ciertos problemas de cálculo específicos sean difíciles de resolver. El profesor del MIT Ryan Williams solicitó a OpenAI que revisara los posibles impactos. Según su relato, OpenAI ya ha realizado esta revisión y tiene una confianza razonable de que este resultado no implica que los sistemas criptográficos actuales hayan sido comprometidos.

Física: Reforzar los cimientos de la teoría cuántica de campos

Los físicos describen el mundo de las partículas con la teoría cuántica de campos, con predicciones extremadamente precisas, pero su base matemática no es estricta.

OpenAI afirma que el modelo proporciona una prueba rigurosa de "existencia" para la teoría de Yang–Mills pura, la cromodinámica cuántica (QCD, que describe la fuerza fuerte entre quarks y gluones) y una teoría de gran unificación que incluye campos de gauge del modelo estándar. En términos sencillos, esto significa proporcionar una base matemática a una teoría que ha estado en uso durante décadas.

Actualmente, solo la parte de Yang–Mills ha completado la verificación en Lean; la parte de QCD no se menciona en el anuncio. La prueba original generada por IA no se hace pública por ahora; un grupo liderado por el premio Nobel David Gross la estudia primero y redacta su propio manuscrito, por lo que el público externo no puede verificarla temporalmente.

Matemáticas: enfoque de ondas y el problema de la "aguja"

OpenAI afirma que sus modelos demostraron la conjetura de suavidad local en todas las dimensiones, resolviendo así la conjetura de Kakeya y la conjetura de restricción de Stein en todas las dimensiones.

La conjetura de suavidad local fue propuesta por Sogge en 1991 y estudia el comportamiento de las ondas al enfocarse. Se puede hacer una analogía intuitiva con las olas del mar: varias ondulaciones se propagan hacia el mismo lugar y, en un momento dado, pueden superponerse para formar una cresta muy alta. Pero la intensidad de ese instante no puede representar directamente el rendimiento promedio durante todo el período.

La conjetura de suavidad local requiere estimaciones matemáticas precisas para describir la relación entre este comportamiento extremo instantáneo y el promedio temporal. Dado que este fenómeno tiene un significado fundamental, su demostración también influirá en otros problemas matemáticos, incluyendo la conjetura de Kakeya y la conjetura de restricción de Stein.

La conjetura de Kakeya se puede entender a partir del problema de "colocar agujas": imagina colocar muchas agujas de la misma longitud y sin grosor en el espacio, de modo que haya al menos una aguja en cada dirección. Estas agujas pueden trasladarse y superponerse entre sí. ¿Qué tan pequeño puede ser el conjunto que forman?

La clave para medir el "tamaño" aquí es la dimensión matemática. En el espacio tridimensional, la conjetura de Kakeya sostiene que tal conjunto debe tener una dimensión completa en tres dimensiones; en espacios de mayor dimensión, también debe tener la dimensión completa correspondiente. La dimensión y el volumen son conceptos distintos, por lo que no se debe interpretar simplemente como que estas agujas ocupan al menos ciertos metros cúbicos.

Anteriormente, la suavidad local bidimensional (2019) y la conjetura de Kakeya tridimensional (2025, Wang Hong y Zahl) ya habían sido demostradas respectivamente. El resultado anunciado por OpenAI esta vez extiende la demostración de la conjetura de suavidad local a todas las dimensiones, obteniendo así conclusiones relacionadas en todas las dimensiones.

En torno a estos logros, OpenAI ha declarado que no reclama mérito académico por los descubrimientos generados por sus modelos internos; sin embargo, se debe reconocer la contribución de los investigadores en la comprensión de los resultados, la redacción de artículos y la creación de materiales.

La empresa también mencionó que anteriormente anunció una donación de 5 millones de dólares a la Fundación Simons. Estos fondos son gestionados y distribuidos por la fundación para talleres, conferencias académicas y programas especiales que ayudan a los investigadores a comprender los resultados generados por la IA y a realizar investigaciones sobre ellos.

Descargo de responsabilidad: La información contenida en esta página puede proceder de terceros y no refleja necesariamente los puntos de vista u opiniones de KuCoin. Este contenido se proporciona solo con fines informativos generales, sin ninguna representación o garantía de ningún tipo, y tampoco debe interpretarse como asesoramiento financiero o de inversión. KuCoin no es responsable de ningún error u omisión, ni de ningún resultado derivado del uso de esta información. Las inversiones en activos digitales pueden ser arriesgadas. Evalúa con cuidado los riesgos de un producto y tu tolerancia al riesgo en función de tus propias circunstancias financieras. Para más información, consulta nuestras Condiciones de uso y la Declaración de riesgos.