🌐 Modelos de Frontier AI refutan la Hipótesis del Tiempo Exponencial
Els laboratoris de Frontier AI diuen que els seus models han refutat la Hipòtesi del Temps Exponencial. Què significa això?
Els laboratoris d'intel·ligència artificial Frontier AI han anunciat que els seus models han refutat la Hipòtesi del Temps Exponencial (ETH), un pilar fonamental en la ciència computacional que ha influït en la nostra comprensió de la complexitat de certs problemes. Aquesta revelació ha generat tant entusiasme com escepticisme en la comunitat científica.
OpenAI ha llançat solucions a tres problemes matemàtics de gran envergadura, un dels quals suposa una sorprenent refutació de l'ETH. Aquest desenvolupament ha provocat una resposta mixta entre els científics, que ara han de reconsiderar el seu enfocament cap a problemes complexos. Un matemàtic d'Anthropic, Levent Alpöge, va suggerir que OpenAI es va basar en treballs preexistents, i poc després, Anthropic va publicar la seva pròpia refutació de l'ETH.
El procés d'OpenAI està evolucionant, i aquesta vegada, la distribució del seu treball s'ha estructurat de manera diferent per a cada disciplina involucrada. Els matemàtics van rebre el treball a través de GitHub, els científics informàtics van formar un grup de treball i van sol·licitar que les proves es compartissin públicament, i els físics també van crear un grup de treball per determinar com es divulgaran els seus resultats.
El professor del MIT, Ryan Williams, un destacat científic informàtic, està organitzant la resposta del seu camp al nou descobriment. Encara que ha criticat l'enfocament d'OpenAI en el passat, ara col·labora amb els laboratoris d'avantguarda per interpretar la solució juntament amb altres científics de renom.
L'ETH forma part d'un conjunt més ampli de problemes coneguts com P versus NP, que ha fascinat la ciència computacional durant dècades. La possibilitat que els models d'OpenAI i Anthropic hagin desenvolupat algoritmes que resolguin aquests problemes en "temps subexponencial" podria canviar radicalment la comprensió de la complexitat computacional.
La durabilitat de l'ETH ha portat a la seva inclusió en nombrosos articles científics en l'última dècada, els quals hauran de ser revisats si les afirmacions dels laboratoris d'IA es confirmen. A més, existeixen preocupacions sobre la ciberseguretat, ja que un algoritme millorat podria comprometre sistemes criptogràfics actuals.
Aquest nou paradigma de descobriment científic impulsat per la IA encara està en desenvolupament, però Williams es mostra optimista malgrat les preocupacions, especialment pel que fa a la formació de la pròxima generació de científics.
Frontier AI labs say their models refuted the Exponential Time Hypothesis. What does that mean?
Los laboratorios de inteligencia artificial Frontier AI han anunciado que sus modelos han refutado la Hipótesis del Tiempo Exponencial (ETH), un pilar fundamental en la ciencia computacional que ha influido en nuestra comprensión de la complejidad de ciertos problemas. Esta revelación ha generado tanto entusiasmo como escepticismo en la comunidad científica.
OpenAI ha lanzado soluciones a tres problemas matemáticos de gran envergadura, uno de los cuales supone una sorprendente refutación de la ETH. Este desarrollo ha provocado una respuesta mixta entre los científicos, quienes ahora deben reconsiderar su enfoque hacia problemas complejos. Un matemático de Anthropic, Levent Alpöge, sugirió que OpenAI se basó en trabajos preexistentes, y poco después, Anthropic publicó su propia refutación de la ETH.
El proceso de OpenAI está evolucionando, y esta vez, la distribución de su trabajo se ha estructurado de manera diferente para cada disciplina involucrada. Los matemáticos recibieron el trabajo a través de GitHub, los científicos informáticos formaron un grupo de trabajo y solicitaron que las pruebas se compartieran públicamente, y los físicos también crearon un grupo de trabajo para determinar cómo se divulgarán sus resultados.
El profesor del MIT, Ryan Williams, un destacado científico informático, está organizando la respuesta de su campo al nuevo hallazgo. Aunque ha criticado el enfoque de OpenAI en el pasado, ahora colabora con los laboratorios de vanguardia para interpretar la solución junto con otros científicos de renombre.
La ETH forma parte de un conjunto más amplio de problemas conocidos como P versus NP, que ha fascinado a la ciencia computacional durante décadas. La posibilidad de que los modelos de OpenAI y Anthropic hayan desarrollado algoritmos que resuelvan estos problemas en «tiempo subexponencial» podría cambiar radicalmente la comprensión de la complejidad computacional.
La durabilidad de la ETH ha llevado a su inclusión en numerosos artículos científicos en la última década, los cuales deberán ser revisados si las afirmaciones de los laboratorios de IA se confirman. Además, existen preocupaciones sobre la ciberseguridad, ya que un algoritmo mejorado podría comprometer sistemas criptográficos actuales.
Este nuevo paradigma de descubrimiento científico impulsado por la IA aún está en desarrollo, pero Williams se muestra optimista a pesar de las preocupaciones, especialmente en cuanto a la formación de la próxima generación de científicos.
Frontier AI labs say their models refuted the Exponential Time Hypothesis. What does that mean?
Frontier AI artificial intelligence labs have announced that their models have refuted the Exponential Time Hypothesis (ETH), a fundamental pillar in computational science that has influenced our understanding of the complexity of certain problems. This revelation has generated both excitement and scepticism in the scientific community.
OpenAI has released solutions to three major mathematical problems, one of which involves a surprising refutation of the ETH. This development has provoked a mixed response among scientists, who must now reconsider their approach to complex problems. A mathematician from Anthropic, Levent Alpöge, suggested that OpenAI relied on pre-existing work, and shortly afterwards, Anthropic published its own refutation of the ETH.
OpenAI's process is evolving, and this time, the distribution of its work has been structured differently for each discipline involved. Mathematicians received the work via GitHub, computer scientists formed a working group and requested that the proofs be shared publicly, and physicists also created a working group to determine how their results will be disclosed.
MIT professor Ryan Williams, a prominent computer scientist, is organising his field's response to the new finding. Although he has criticised OpenAI's approach in the past, he is now collaborating with the cutting-edge labs to interpret the solution alongside other renowned scientists.
The ETH is part of a broader set of problems known as P versus NP, which has fascinated computational science for decades. The possibility that OpenAI and Anthropic's models have developed algorithms that solve these problems in "subexponential time" could radically change the understanding of computational complexity.
The durability of the ETH has led to its inclusion in numerous scientific papers over the past decade, which will need to be reviewed if the AI labs' claims are confirmed. Additionally, there are concerns about cybersecurity, as an improved algorithm could compromise current cryptographic systems.
This new paradigm of AI-driven scientific discovery is still developing, but Williams remains optimistic despite concerns, especially regarding the training of the next generation of scientists.
¿Te ha interesado esta noticia?
Recibe cada mañana el resumen de IA y sociedad directo en tu email.
Suscríbete gratis →