OpenAI afirma que sistemas de agentes de IA resolvieron problemas matemáticos abiertos como Navier-Stokes
Hecho Qué ha ocurrido
OpenAI declaró que un sistema multiagente, con casi 100 agentes trabajando unas 88 horas, resolvió problemas relacionados con las ecuaciones de Euler y Navier-Stokes, usando 4,9 millones de mensajes y 300.000 millones de tokens. Los resultados fueron formalizados y verificados con Lean en 17 horas adicionales. OpenAI creó un panel asesor de nueve matemáticos, incluidos Timothy Gowers y Edward Witten, alojado en el Institute for Advanced Study de Princeton, para evaluar los hallazgos. La revisión independiente aún está pendiente.
Resumen generado mediante IA a partir de Ámbito Tecnología. Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Si se confirma, marcaría un salto en la capacidad de la IA para producir nuevos resultados científicos en matemáticas, no solo resolver ejercicios conocidos, con implicaciones para la investigación científica asistida por IA.
- Quién se ve afectado
- Comunidad matemática y científica, instituciones académicas y empresas de IA que compiten en investigación científica automatizada.
- Qué puede cambiar
- Podría reducir el tiempo dedicado a exploración de cálculos y formalización, liberando a investigadores para formular preguntas y conectar áreas, aunque persisten dudas sobre validez y transparencia del proceso.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Vigilar la revisión independiente de los resultados, la reacción de matemáticos como los firmantes de la declaración de Medallistas Fields, y si otras empresas de IA presentan avances similares en matemáticas.
Enviar esta noticia por correo
Fuente original: Ámbito Tecnología. La referencia es siempre el artículo original.
Ver fuente original ↗agentesLLMrazonamiento matemático OpenAIInstitute for Advanced Study agentes de IAmatemáticasNavier-StokesOpenAIPrinceton
Tu opinión
0 comentarios
Relacionadas
DeepSeek detalla su plataforma DSEC para gestionar 380.000 sandboxes simultáneos de agentes de IA
DeepSeek publicó el 19 de septiembre un paper en arXiv sobre DeepSeek Elastic Compute (DSEC), su plataforma de entrenamiento de agentes de IA a escala. El…
Por qué importaEs un ejemplo raro de transparencia técnica sobre los fallos reales de infraestructura al entrenar agentes autónomos, algo que los laboratorios…
Google Research presenta un marco multiagente para generar vídeo largo coherente con Gemini y Veo
Google Research ha publicado una investigación sobre un marco multiagente llamado 'AI video co-director', construido como capa de orquestación sobre Gemini y…
Por qué importaResuelve un problema técnico central en la generación de vídeo por IA —la coherencia narrativa a largo plazo— que hasta ahora limitaba su uso…
Estudio revela que los expertos en IA subestimaron sistemáticamente la velocidad de avance del campo
El Forecasting Research Institute (FRI) analizó predicciones de más de 300 expertos, economistas y superforecasters desde 2022. La IA alcanzó nivel de medalla…
Por qué importaSi incluso los especialistas más cualificados fallan sistemáticamente al proyectar el ritmo de avance de la IA, las empresas que planifican…
Sakana AI ficha a Jürgen Schmidhuber como asesor científico jefe para su laboratorio de auto-mejora recursiva
La startup japonesa Sakana AI ha contratado a Jürgen Schmidhuber, investigador pionero en deep learning y meta-aprendizaje, como Chief Scientific Advisor…
Por qué importaLa incorporación refuerza la apuesta de Sakana AI por world models y sistemas autónomos capaces de mejorarse a sí mismos, un área de investigación de…