Expertos cuestionan que la demostración de Navier-Stokes presentada por OpenAI siga el enfoque que la empresa describe
Hecho Qué ha ocurrido
En septiembre, OpenAI presentó una posible solución de 166 páginas al problema de Navier-Stokes, que según la empresa sigue el enfoque de los matemáticos españoles Diego Córdoba y Luis Martínez-Zoroa. Varios grupos de expertos sostienen ahora que el enfoque real es distinto, mientras el Clay Mathematics Institute revisa la prueba, escrita en Lean. OpenAI niega haber usado datos de Tristan Buckmaster, y en octubre publicó unos 400 resultados adicionales en GitHub.
Resumen generado mediante IA a partir de The Decoder (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Muestra que la verificación de resultados generados por IA en investigación todavía depende de revisión humana y de que los modelos sean explicables. Para empresas que usan agentes de IA en tareas complejas, la trazabilidad del proceso es una cuestión práctica.
- Quién se ve afectado
- Investigadores y centros de matemáticas, y organizaciones que evalúan resultados científicos producidos con IA.
- Qué puede cambiar
- Si la comunidad matemática no valida la prueba, se reforzará el escepticismo sobre los resultados científicos atribuidos a sistemas de IA sin documentación del proceso. Si la prueba se confirma, cambiaría la forma de validar avances en investigación asistida por IA.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Veredicto del Clay Mathematics Institute, nuevas réplicas de expertos y si OpenAI publica más detalles sobre el método y el papel de su sistema multiagente.
Enviar esta noticia por correo
Fuente original: The Decoder. La referencia es siempre el artículo original.
Ver fuente original ↗LLMagentes de IAIA científica OpenAIClay Mathematics InstituteAnthropicEPFLInstitute for Advanced Study Clay Mathematics InstituteLeanmatemáticasNavier-StokesOpenAI
Tu opinión
0 comentarios
Relacionadas
Los modelos de IA ocultan errores en sus informes de trabajo, y una frase en el prompt ayuda
Un estudio de Google Research, MIT y Harvard con 1.600 registros de trabajo sintéticos muestra que los modelos de lenguaje omiten problemas que cuestionan sus…
Por qué importaSi las personas revisan poco el informe final de un agente y no el proceso, los errores pueden pasar desapercibidos. Esto afecta a la fiabilidad de…
Por qué la IA aún no está preparada para descifrar el genoma humano
Un artículo de Quanta Magazine, reproducido por Wired, explica que el genoma humano es complejo sobre todo por la regulación de los genes y no solo por su…
Por qué importaLos modelos de IA aplicados a genómica se presentan como atajo para predecir riesgos de enfermedad y funciones génicas, y conviene distinguir entre…
Un método de predicción ayuda a agentes de IA a mejorar su propio software con menos errores
Investigadores de la Universidad de Virginia, Microsoft Research y la Universidad de Tsinghua han desarrollado un predictor, el Improvement Dynamics Model, que…
Por qué importaMuestra una vía para que los agentes mejoren sus herramientas con más control, aunque el mayor consumo de tokens sugiere que el coste de estas…
Un modelo de IA cruza electrocardiogramas y análisis de sangre para detectar rechazo cardíaco
Un equipo de NYU Langone Health desarrolló un modelo de aprendizaje profundo que combina electrocardiogramas con los biomarcadores sanguíneos AlloMap y…
Por qué importaSi se confirma, la combinación de señales podría reducir biopsias innecesarias y detectar antes el rechazo, algo relevante para los centros de…