Cerrando la brecha: conectando las matemáticas y la IA para el descubrimiento

Henry Kvinge, un investigador de IA en el Laboratorio Nacional del Noroeste del Pacífico (PNNL), ha liderado un esfuerzo innovador para cerrar la brecha entre las matemáticas y la inteligencia artificial. Su equipo ha creado un "mapa de matemáticas" integral basado en incorporaciones de texto derivadas de la Lean Mathematical Library (Mathlib), un repositorio de pruebas matemáticas formalizadas. El mapa visualiza declaraciones matemáticas como puntos, con distancias que indican similitudes entre ellas y colores que representan diferentes ramas de las matemáticas, como el álgebra o la teoría de la probabilidad.

Esta herramienta proporciona una forma novedosa de explorar la estructura y las relaciones dentro del conocimiento matemático, ofreciendo ideas que podrían beneficiar tanto a los desarrolladores de IA como a los matemáticos. Kvinge, quien originalmente se formó como matemático, ha estado interesado durante mucho tiempo en la intersección de IA y matemáticas. Él cree que los dos campos pueden mejorarse mutuamente. Por ejemplo, la IA puede ayudar a analizar y generar contenido matemático, mientras que las matemáticas ofrecen un marco riguroso para comprender el comportamiento de la IA. Su trabajo se centra en la combinatoria, una rama de las matemáticas que trata con estructuras discretas como gráficos y permutaciones.

Este campo es particularmente adecuado para aplicaciones de IA debido a su naturaleza estructurada y abundancia de datos. Para apoyar este enfoque interdisciplinario, Kvinge y su equipo han desarrollado conjuntos de datos que representan matemáticas reales a nivel de investigación y herramientas para acelerar el descubrimiento matemático utilizando IA. Estos recursos tienen como objetivo mejorar la eficiencia y la profundidad de la investigación matemática, permitiendo a los científicos explorar problemas complejos con mayor precisión. Además, han identificado simetrías matemáticas dentro de los modelos de IA, que ofrecen nuevas formas de interpretar y explicar cómo funcionan estos modelos internamente.

Los esfuerzos de Kvinge se alinean con el compromiso más amplio de PNNL para avanzar en las tecnologías de IA. Como socio clave en la Misión Génesis, una iniciativa del Departamento de Energía destinada a crear la plataforma científica más poderosa del mundo, contribuye a iniciativas que buscan acelerar el descubrimiento, fortalecer la seguridad nacional e impulsar la innovación energética. La filosofía de su equipo enfatiza no solo la resolución de problemas, sino hacerlo de una manera que despierte nuevas ideas y perspectivas entre los investigadores.

Un aspecto central de la investigación actual de Kvinge consiste en examinar si los grandes modelos de lenguaje (LLM), el tipo de IA detrás de los chatbots y los asistentes de codificación, utilizan los mismos principios generales que los humanos aplican al realizar tareas matemáticas.

Por ejemplo, sabemos que una bola colocada en la cima de una colina rodará cuesta abajo sin haber sido testigo de que suceda. Dado que los LLM operan en un entorno puramente digital, las matemáticas sirven como un proxy útil para estudiar cómo estos modelos procesan y resuelven problemas. Al comparar los modelos matemáticos del mundo de los LLM con los de los humanos, Kvinge espera descubrir mecanismos fundamentales que subyacen a la cognición de la IA. Esta investigación tiene implicaciones más allá de la propia IA. Podría conducir a una visión más profunda de cómo las máquinas aprenden y razonan, influyendo potencialmente en campos que van desde la educación hasta la ciencia cognitiva.

El trabajo en curso de Kvinge continúa empujando los límites de lo que es posible cuando las matemáticas y la IA colaboran, ofreciendo una visión del futuro del descubrimiento computacional.