Búsqueda · 30 momentos en 17 episodios
Ignacio CrespoBorja TosarJosé EdelsteinIsabel CorderoFrancis VillatoroHéctor Socaserrores en antecedentes astra openaidemostraciones matemáticas nielsenconocimiento matemático previo de máquinaserrores en demostración conjetura cornesalucinaciones en código leanpropiedad t grupo icc14000 líneas de código astra openaiNielsenFrancis VillatoroAstraOpenAILeanCharGPTJoséconjetura de Cornespropiedad TICCGPT 6.0
Errores en antecedentes Astra OpenAI
Ep565: Introgresión; Eclipse; Inestabilidad Kelvin-Helmholtz; Piezoquiralidad
6 de agosto de 20263 momentos
Con
0:000:301:001:302:002:303:003:34
Francis Villatoro explica que en las demostraciones matemáticas realizadas por máquinas como Astra de OpenAI, es crucial revisar los antecedentes incluidos, ya que pueden contener errores a pesar de basarse en conocimiento matemático previo.
…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 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…
Significado #1 · Palabras #1
Francis Villatoro comenta sobre una segunda parte de una pregunta relacionada con las demostraciones de Lean sobre los 10 problemas de OpenAI, expresando desconocimiento sobre su significado. A continuación, introduce la noticia más relevante en matemáticas: el último hito de OpenAI y su inteligencia artificial Astra.
Habla: Francis VillatoroSignificado #3 · Palabras #4demostraciones lean problemas openaiinteligencia artificial astra openaihito openai compañía chargptopenai contrata matemáticos astrademostración formalizada lenguaje leandocumento sin intervención humanainteligencia artificial openai astradocumento difícil lectura astra…a la Francis, luego puso a Isa, y no sé por qué, a ellos en particular, pero les pregunta por su opinión honesta sobre las charlas de divulgación de Maldacena Hombre, ya he puesto historia, pero le pregunto a José, que es aquí quien tiene más relación Y luego hay una segunda parte de la pregunta que es diferente, que es si logra encontrar traducción de las demostraciones de Lean sobre los 10 problemas OpenAI; no sé muy bien a qué se refiere, no sé si alguno se sabe. Comento yo eso segundo y después pasamos a Maldasena con José. Bueno, la gran noticia en matemáticas de las últimas semanas es el último hito de OpenAI, de la compañía responsable de CharGPT, con una inteligencia artificial de laboratorio que se llama Astra y que todo el mundo cree que va a ser CharGPT 6.0. OpenAI ha hecho algo realmente sorprendente: ha contratado muchos matemáticos y ha puesto un grupo de matemáticos a buscar conjeturas famosas y a demostrarlas con esta inteligencia artificial. Esta tecnología artificial no ha ofrecido una demostración legible para un matemático, sino que ha ofrecido una demostración formalizada en un lenguaje de demostración automática que se llama LEAN. LEAN esas demostraciones en LEAN han sido validadas y verificadas en LEAN, con lo que son demostraciones en principio correctas, entre comillas; y OpenAI anunció que lo había logrado y unos días más tarde presentó un documento escrito por este chat GPT 6.0, por Astra, de 249 páginas con una descripción para humanos de las 10 demostraciones. Son dos resultados bastante importantes. El problema es que ese documento no ha sido tocado por manos humanas. Es un documento difícil de leer. Yo lo he intentado. Yo he intentado leer esas 241 páginas y algunas demostraciones son muy técnicas. Son las mejores demostraciones que han hecho una inteligencia artificial hasta el momento. Estamos hablando de demostraciones de entre 10 y 20 páginas. Pues, hasta ahora las demostraciones eran mucho más cortas; no son un pequeño contraejemplo que va en una página y media o en media página te lo escriben, no son demostraciones bastante más largas. Son demostraciones, no son demostraciones que un humano llamaría especialmente creativas, porque todas están basadas en Resultados recientes, pero recientes, súper recientes; algunas de esas demostraciones utilizan resultados que están en preprint, en archive, que todavía no han pasado por revisión por pares y que todavía nadie sabe si son correctos. La IA ha usado, se ha…
Francis Villatoro reflexiona sobre las demostraciones generadas por la inteligencia artificial Astra de OpenAI, enfatizando la necesidad de que un grupo de expertos revise minuciosamente cada una para verificar su corrección.
Habla: Francis VillatoroSignificado #9revisión humana de demostraciones astrainteligencia artificial astra openaicorrección de demostraciones en 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…
Francis Villatoro explica que en las demostraciones matemáticas realizadas por máquinas como Astra de OpenAI, es crucial revisar los antecedentes incluidos, ya que pueden contener errores a pesar de basarse en conocimiento matemático previo.
Habla: Francis VillatoroSignificado #1 · Palabras #1errores en antecedentes astra openaidemostraciones matemáticas nielsenconocimiento matemático previo de máquinaserrores en demostración conjetura cornesalucinaciones en código leanpropiedad t grupo icc14000 líneas de código astra openai…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 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…