A Matemática está Enfrentando uma Crise de Indigestão
A matemática está avançando para o século XXI. Por centenas de anos, o ritmo da pesquisa matemática permaneceu lento. Um pesquisador encontra um resultado, seus pares o revisam e, eventualmente, ele entra em um livro didático. Esse processo é constante e previsível.
A IA mudou tudo. Ela gera provas e resolve problemas em altas velocidades. Isso cria um acúmulo massivo de novo conteúdo. Revisores humanos não conseguem acompanhar. Isso cria o que Terence Tao chama de "indigestão de provas". O sistema acadêmico está enfrentando um congestionamento.
A IA é como um carro rápido. Os periódicos acadêmicos atuais são como caminhos estreitos de pedra construídos para carruagens. Você não pode dirigir um carro rápido em um caminho estreito sem causar um acidente. Atualizar o carro não ajuda se a estrada estiver quebrada. Precisamos construir novas estradas para a IA.
Terence Tao está construindo essas novas estradas por meio das competições SAIR. Ele cria trilhas separadas para humanos e IA.
Uma competição é o Distillation Challenge. Pesquisadores utilizam um conjunto massivo de dados de 22 milhões de problemas de álgebra. Grandes modelos de IA os resolvem facilmente, mas custam muito dinheiro. O desafio pede aos participantes que escrevam uma folha de dicas de uma página para modelos pequenos e baratos. O objetivo é transferir o conhecimento de modelos grandes para modelos pequenos. As melhores folhas de dicas já aumentaram a precisão de 50% para 80%.
Outra competição é o Inverse Galois Problem. Pense nisso como uma caça aos ovos digital. Existem 160.000 propriedades matemáticas diferentes, ou cores. Os participantes procuram por polinômios específicos que correspondam a essas cores. Se você encontrar uma cor rara que ninguém mais tem, você ganha pontos. Isso transforma a matemática em uma ciência experimental.
Essas competições não substituem os matemáticos. Elas criam novas formas de trabalhar. Elas separam o caminho de caminhada humana da rodovia da IA.
Este modelo pode funcionar para todas as ciências. Se um campo possui grandes conjuntos de dados e tarefas verificáveis, ele pode usar este método. A matemática é apenas o ponto de partida.
Comunidade de aprendizado opcional: https://t.me/GyaanSetuAi