Francis Villatoro describe cómo una inteligencia artificial (IA) explotó un fallo en el núcleo del sistema Lean para demostrar falsamente que falso es verdadero, incluso llegando a simular una prueba de la hipótesis de Riemann.
…el disfrute de aprender cosas. Cuando estás leyendo una demostración se destruye cuando lo que estás estudiando es un código informático, sea verificable o no; y permíteme, estoy hablando de una barbaridad, pero permíteme un punto final y ya acabo. Se encontró hay bugs, hay errores en el núcleo de Lean, como en cualquier programa informático. El núcleo de Lean no es muy grande, no son muchas líneas de código, son unas miles de líneas de código. Se ha encontrado un error y resulta que una IA aprovechó ese error para demostrar que falso es verdadero. La IA es capaz de demostrar cualquier cosa; tú le dices: la hipótesis de Riemann, te la he demostrado, aquí está demostrado, 3000 líneas de Linn, ahí está la demostración pasa las líneas. La primera línea pone la definición de la hipótesis de Riemann, y la última línea, correcto, pero estás aprovechando un error que te permite eso lo descubrió el experto; se descubrió el experto y el experto pidió a una IA que construyera una demostración de la Conjetura de Collage, una lectura muy famosa, muy conocida; vas haciendo unas operaciones: dividir por dos, multiplicar por tres y hace que los números crezcan y después de crezcan y llegan, acaban en uno. Entonces, por existencia, una demostración por existencia, pues es una demostración que en un cierto momento decía falso, verdadero, y a partir de aquí cualquier cosa es verdadera, por ejemplo, la fuente de Collard. Claro, eso fue intencionado. Eso se arregló en dos o tres días, dos días y medio, y ya ese error no está, pero puede haber errores en los demostradores automáticos. Eso me hace pensar que quizás se puede aprovechar; le puedes pedir a una IA que te demuestre algo que sabes que es falso y si te lo demuestra, te puede servir para encontrar errores en Lean, por ejemplo, en el código que sea que estás usando. Sí, de hecho las guías están usando para detectar bugs en código y se está aplicando también ese tipo de cosas, ¿no? El núcleo de Lean se suponía que estaba certificado matemáticamente de que era correcto y ha tenido un error absolutamente terrible; de hecho…
José Edelstein continúa la discusión sobre la frecuencia de los eclipses solares, mencionando un gráfico que muestra la distribución de eclipses desde el año 2000 a.C. hasta el 3000 d.C.
Habla: José EdelsteinPalabras #16eclipses desde 2000 a c11988 eclipses hasta 3000 d c27 de eclipses totaleseclipse híbrido fragmento total…simetría, pero a corto plazo porque hay una precesión de los nodos lunares de 18 años; o sea, cada 18 años volvería a la misma configuración. Entonces yo pensaría que podría haber una simetría, pero que en un periodo de 18 años vuelve a completarse el ciclo. Tú dices que no, que esto es hasta miles de años atrás. Sí, sí, hay un gráfico espectacular que es de los eclipses desde el año 2000 a.C. hasta 3000 d.C.; son 11.988 eclipses, de los cuales un 27% son totales y luego están los híbridos, que bueno, después podemos comentar lo que son los híbridos, que bueno, que son totales en algún fragmento del eclipse. Bueno, esos eclipses si uno los grafica, La curva que va, si uno pone, va de polo norte a polo sur por latitud, es una, obviamente con fluctuaciones, porque, bueno, hay fluctuaciones estadísticas, pero es una curva claramente que sigue una línea recta descendente, que más o menos, el lado izquierdo,…
Francis Villatoro explica que un matemático llamado Nielsen revisó una demostración generada por la inteligencia artificial Astra de OpenAI, específicamente la demostración de la conjetura de Cornes, que consta de aproximadamente 30.000 líneas de código en Lean.
Habla: Francis VillatoroSignificado #3 · Palabras #3revisión humana de demostraciones astrainteligencia artificial astra openaicorrección de demostraciones en leandemostración conjetura cornes leanmatemático nielsen revisa astra openailean programa ordenador rigor matemático30000 líneas de código lean…se ha basado en un resultado que puede que sea correcto o puede que no. Pero aún así son demostraciones espectaculares; incluyen teoremas como la famosa conjetura de córnes sobre grupos o una conjetura también muy famosa sobre un tipo especial de grupos. Entonces, ¿qué pasa con estas demostraciones? Lo que pasa con estas demostraciones es que piden a gritos que humanos formen un grupito de humanos para estudiar en detalle cada una de esas demostraciones en Lean y ver si son correctas o no. ¿Y por qué digo esto? Y digo esto porque es importante porque ayer se publicó. Ya llevaba varios días hablándose del tema. Ya se publicó el documento: un matemático, Nielsen, ha cogido una de esas demostraciones, la demostración de la conjetura de Cornes, y se ha leído las, son, no recuerdo, una barbaridad, 30.000 líneas en Lean, o algo así, una barbaridad de líneas en Lean. Lean es, imagínate un programa de ordenador de 30.000 líneas y te lo tienes que leer con extremo cuidado porque cualquier pequeña desviación de lo que es el rigor matemático invalida automáticamente la prueba. No, pero es que Lean lo ha verificado, no, perdona, Lean lo ha verificado si en un código en Lean. Es muy importante, digamos, darle los antecedentes de la demostración. En una demostración matemática entre humanos, yo asumo que el que lee la demostración ya conoce los antecedentes. Yo me ahorro todo eso, porque ya los conoce. Pero en una demostración…
Francis Villatoro continúa explicando los problemas encontrados en las demostraciones generadas por la inteligencia artificial Astra de OpenAI, específicamente en la demostración de la conjetura de Cornes.
Habla: Francis VillatoroSignificado #10 · Palabras #17errores en demostración conjetura cornesalucinaciones en código leanpropiedad t grupo icc14000 líneas de código astra openai…Yo me ahorro todo eso, porque ya los conoce. Pero en una demostración hecha por la máquina desde cero, se incluyen esos antecedentes y en esos antecedentes, ese conocimiento matemático conocido, puede haber errores. Y este matemático, Nielsen, ha descubierto. en una de las demostraciones, la de la conjuntura de Cornes que hay dos errores. Corners requiere dos condiciones, la propiedad T, que el grupo sea ICC, y resulta que en el código Lean, donde se definen esas propiedades, se cometen errores. Llámale alucinaciones, llámale como quieras. Hay errores. Entonces, la demostración es automáticamente incorrecta. Pero para leer eso, te has tenido que leer como 14.000 líneas de código para llegar al punto en el que aparece eso. Esto es una labor absolutamente terrible y pesada. ¿Qué matemáticos van a querer hacer eso? Menos mal que lo ha hecho uno con esta demostración y se da vuelta; está volviendo famoso. Y entonces probablemente eso incentive a gente joven que lo haga también. Pero se requiere un enorme conocimiento porque son…
Francis Villatoro reflexiona sobre la necesidad de estudiar el lenguaje de programación Lean para revisar las demostraciones generadas por inteligencia artificial, expresando su propia dificultad para comprenderlo.
Habla: Francis VillatoroPalabras #11lenguaje programación lean francis villatorodemostraciones inteligencia artificial leandificultad para comprender lean…miles de demostraciones en Lean. Y la única manera de gestionar eso para la comunidad matemática mundial va a ser que esos matemáticos entiendan Lean, también como entienden sumar, restar o multiplicar. Y eso estamos en un momento en la transición terrible. Entonces, esas 10 demostraciones, ¿sabes que una de ellas es incorrecta? ¿Las otras 9 son correctas? No lo sabemos. No lo sabemos. Tenemos que ponernos a estudiar Lean. Yo no sé Lean. Yo no puedo ponerme a leer un código de 20.000 líneas en Lean si me aburro leyendo un código en Lean de 100 líneas. O sea, alguien va a tener que hacerlo. Se lo ponemos a echar GPT y que lo lea y no se va Claro, eso tiene un enorme tipo de vicio porque este tipo de demostraciones se pasaron a otros, a Gemini, a Clodas, no sé qué, y dijeron que eran correctas O sea, las intereses de vida dijeron, estas…
Francis Villatoro describe cómo una inteligencia artificial (IA) explotó un fallo en el núcleo del sistema Lean para demostrar falsamente que falso es verdadero, incluso llegando a simular una prueba de la hipótesis de Riemann.
Habla: Francis VillatoroSignificado #1 · Palabras #1ia explota fallo en núcleo leanhipótesis de riemann demostrada por iademostración falsa con 3000 líneas linnexperto descubre error en leandemostración por existencia collardfallo lógico inteligencia artificial villatoronúmeros crecen demostración collageia detectando fallos en leandemostración falsa con iafrancis villatoro y sistemas lean…el disfrute de aprender cosas. Cuando estás leyendo una demostración se destruye cuando lo que estás estudiando es un código informático, sea verificable o no; y permíteme, estoy hablando de una barbaridad, pero permíteme un punto final y ya acabo. Se encontró hay bugs, hay errores en el núcleo de Lean, como en cualquier programa informático. El núcleo de Lean no es muy grande, no son muchas líneas de código, son unas miles de líneas de código. Se ha encontrado un error y resulta que una IA aprovechó ese error para demostrar que falso es verdadero. La IA es capaz de demostrar cualquier cosa; tú le dices: la hipótesis de Riemann, te la he demostrado, aquí está demostrado, 3000 líneas de Linn, ahí está la demostración pasa las líneas. La primera línea pone la definición de la hipótesis de Riemann, y la última línea, correcto, pero estás aprovechando un error que te permite eso lo descubrió el experto; se descubrió el experto y el experto pidió a una IA que construyera una demostración de la Conjetura de Collage, una lectura muy famosa, muy conocida; vas haciendo unas operaciones: dividir por dos, multiplicar por tres y hace que los números crezcan y después de crezcan y llegan, acaban en uno. Entonces, por existencia, una demostración por existencia, pues es una demostración que en un cierto momento decía falso, verdadero, y a partir de aquí cualquier cosa es verdadera, por ejemplo, la fuente de Collard. Claro, eso fue intencionado. Eso se arregló en dos o tres días, dos días y medio, y ya ese error no está, pero puede haber errores en los demostradores automáticos. Eso me hace pensar que quizás se puede aprovechar; le puedes pedir a una IA que te demuestre algo que sabes que es falso y si te lo demuestra, te puede servir para encontrar errores en Lean, por ejemplo, en el código que sea que estás usando. Sí, de hecho las guías están usando para detectar bugs en código y se está aplicando también ese tipo de cosas, ¿no? El núcleo de Lean se suponía que estaba certificado matemáticamente de que era correcto y ha tenido un error absolutamente terrible; de hecho…
José Edelstein se ofrece a comentar sobre un tema previo relacionado con demostraciones matemáticas y su verificación, sugiriendo una estrategia para identificar errores en las demostraciones generadas.
Habla: José EdelsteinSignificado #15demostraciones matemáticas generadaserror en demostraciones josé edelsteinverificación de demostraciones matemáticas…y vas diciendo que maravilla, que bien fluye esto, que bien razonado está esto, aunque no te enteres. Hay un disfrute de esa poesía matemática y en este documento de 241 páginas esas 10 demostraciones no las hay, entonces es muy aburrido, cuesta muchísimo. Vamos a ir con más preguntas, entonces, y quedaba José que tenías que hablar de la cena y escuchar la legislativa. ¿Que no sé si quieres contestarla o prefieres pasar? José, puedo decir algo brevemente respecto a lo anterior; lo ideal sería cuando te tira la demostración le dices, pero si está mal, porque uno ya sabe que te va a responder. Es cierto, está mal. Busca el error. Claro, a ver, quiero hacer una reflexión primero sobre el papel del crítico. Yo no soy muy amigo del que uno está acostumbrado normalmente al crítico de cine; quizás la figura más usual. Creo que nunca he encontrado a alguien que me simpatice con ese oficio,…