las mates

Si habéis estado atentos, estas últimas semanas las matemáticas han tenido su ratito de fama. OpenAI, no contenta con anunciar una propuesta de solución al problema de Navier-Stokes, ha publicado una colección de resultados matemáticos obtenidos con uno de sus modelos internos, aunque todavía no están todos verificados.

Pues las matemáticas están casi resueltas, ¿no?

No parece el caso, aunque creo que la profesión de matemático va a cambiar mucho en los próximos años, igual que la de informático. Resolver un problema y decidir qué problema merece la pena resolver son cosas distintas. Y es en esa diferencia donde, de momento, sigo viendo bastante sitio para los humanos.

Por lo que he leído, la situación de los matemáticos se parece a lo que veo cuando uso la IA. No sé si llamarlo sentido común, intuición o imaginación aplicada, pero creo que a la IA le falta una brújula interior: saber qué conocimiento buscar y para qué va a servir. En el trabajo de OpenAI fueron las personas las que eligieron los problemas y orientaron la búsqueda. Eso no demuestra que una IA sea incapaz de hacerlo, pero tampoco que podamos dejarle las matemáticas y volver dentro de unos años a recoger los resultados.

Aun así, la IA tiene algo que puede suplir en parte esa falta de brújula interior: una cantidad enorme de conocimientos de campos distintos. También pasa con los humanos. Hay situaciones en las que alguien llega a una disciplina con herramientas y conocimientos de otra área y encuentra una nueva idea. Una nueva solución que a los que estaban dentro no se les había ocurrido. La IA puede ser muy potente haciendo esas conexiones, sin tener que cambiar de carrera ni pasarse veinte años estudiando otra cosa.

Ojo que la capacidad de la IA no es solamente fuerza bruta. Deep Blue se apoyaba mucho en calcular una cantidad enorme de posiciones de ajedrez, algo que se acerca más a la fuerza bruta, pero AlphaGo combinaba la búsqueda con algo que podemos llamar intuición: había aprendido a reconocer qué jugadas merecía la pena explorar. Los LLM funcionan de otra manera, así que no sé hasta dónde se puede comparar su capacidad con esa intuición de AlphaGo. Un modelo generalista tiene que responder a preguntas abiertas, sin unas reglas y una condición de victoria tan claras como las de un juego. Pero lo que está claro es que lo que hace no es simplemente fuerza bruta. Sobre todo por su capacidad de relacionar conceptos complejos de áreas muy distintas.

Así que mi duda está en cuánto podemos confiar en ella cuando todavía no sabemos muy bien qué estamos buscando. Puede que en unos años todo sea muy distinto, pero por ahora mi experiencia con la IA es así: cuanto mejor consigo concretar el problema, más útil me resulta.

Le puedes preguntar cómo hacerte rico (para un amigo) y te da ideas genéricas: crea una nueva Nvidia, o una nueva Tesla. Gracias, no se me había ocurrido. Si le preguntas por algo más concreto (una sola persona trabajando con un ordenador y sin muchos recursos), te da ideas más aprovechables. Pero suelen ser cosas que ya existen y que alguien ha puesto en práctica alguna vez. Un nuevo gestor de proyectos para mercerías. Una red social de barrio para los vecinos. No quiere decir que sean malas, ni que una idea conocida no pueda funcionar en otras circunstancias. La mayoría de ideas ya existían antes de una forma u otra, rara vez inventamos algo completamente nuevo. Pero no creo que vaya a sonar la campana solo por hacerle la pregunta adecuada a la IA.

Y aquí vuelvo a las mates. Cuando alguien le entrega un problema matemático, la pregunta ya está bastante definida. Cuando le pregunto cómo hacerme rico, le estoy pidiendo algo muy abierto. No es raro que la segunda pregunta salga peor, por mucho que la primera parezca más difícil.

Así que no apostaría a que el próximo milmillonario vaya a serlo por preguntarle a una IA cuál es la siguiente gran idea. Sí me parece bastante más probable que use una IA para llevarla a cabo mucho más rápido y de forma mucho más eficiente de lo que habría podido hace cinco años. La idea seguirá teniendo que ser buena.

Comentarios

Deja un comentario

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.