En primer lugar, no significa que la IA haya demostrado la conjetura de Riemann, ni que la IA haya reemplazado a los matemáticos. Lo que realmente vale la pena notar es que la IA está comenzando a demostrar una capacidad más importante: participar en los problemas de la ciencia básica que la humanidad aún no ha resuelto y descubrir conexiones entre el conocimiento existente que la humanidad no había descubierto antes.
Si esta capacidad continúa mejorando, el impacto de la IA en la ciencia podría ir mucho más allá de "ayudar a los científicos a escribir código, revisar documentos y calcular".
El progreso científico de los últimos cientos de años ha dependido en gran medida de unos pocos científicos humanos extremadamente buenos. La aparición de Newton, Maxwell, Einstein y otros hombres es muy escasa, y el tiempo, la atención y la capacidad de experimentación de una persona también son limitados. Incluso si un genio trabaja veinte horas al día, es imposible estudiar diez mil direcciones a la vez.
AI no tiene tales restricciones.
Si un científico de IA es capaz de leer grandes cantidades de conocimiento, formular hipótesis, hacer deducciones matemáticas, diseñar experimentos, analizar los resultados y revisar sus propias hipótesis, entonces podría pasar de ser una "herramienta de un científico " a ser un" participante en la investigación científica ".
Y lo que es más importante, la IA se puede copiar.
Un buen científico humano no puede replicarse instantáneamente en un millón de sí mismo, pero un sistema de investigación de IA teóricamente puede ejecutar miles o incluso más de instancias de investigación, permitiendo que exploren diferentes problemas al mismo tiempo.
Esto significa que la investigación científica puede pasar de depender en gran medida de la "exploración en serie " de unos pocos genios a exploraciones paralelas a gran escala.
Lo que realmente tiene un significado revolucionario es el siguiente paso.
Si la IA no solo es capaz de estudiar matemáticas, sino también de conectar robótica, laboratorios automatizados, supercomputadoras e instrumentos científicos del mundo real, el futuro podría formar un bucle cerrado como este:
AI plantea una hipótesis.
Experimento de diseño AI.
El robot realiza el experimento.
El instrumento genera datos.
Resultados del análisis AI.
Teoría modificada.
AI propone la próxima ronda de experimentos.
Este ciclo se puede repetir constantemente.
En esta etapa, la IA ya no solo "responde a las preguntas de la humanidad ", sino que comienza a participar en la" generación de nuevo conocimiento ".
Un paso más allá, si la IA puede ayudar a estudiar la próxima generación de IA en sí misma, entonces puede surgir un bucle de retroalimentación más complejo:
Mejora de AI.
Una IA más fuerte descubre nuevos materiales.
Los nuevos materiales hacen mejores chips.
Mejores chips ofrecen más poder de computación.
AI más fuerte estudia energía y fusión nuclear.
Una energía más barata proporciona más poder de computación.
Más poder computacional mejora aún más la IA.
Esto significa que la IA podría acelerar no solo un campo científico en particular, sino también matemáticas, física, química, biología, materiales, energía y ciencias de la computación.
Por supuesto, todavía está un largo camino de lograrlo realmente.
La IA todavía es propensa a cometer errores y no entiende completamente el mundo real. El razonamiento matemático debe ser estrictamente verificado, las predicciones científicas deben ser confirmadas experimentalmente, los materiales deben ser realmente fabricados, los medicamentos deben ser realmente verificados experimentalmente y clínicamente, y la fusión nuclear debe resolver realmente los problemas de los materiales, el ciclo del tritio y la ingeniería.
Por lo tanto, lo que Claude realmente tiene que ver con el progreso en la dirección de la conjetura de Riemann no es que "la IA ha resuelto la conjetura de Riemann".
Más bien, nos da una visión de un futuro que podría estar surgiendo:
En el pasado, la humanidad confió en unos pocos científicos talentosos para explorar las leyes de la naturaleza.
En el futuro, la humanidad puede tener científicos de IA capaces de replicar, ser paralelos, operar continuamente y mejorar continuamente.
Si esta capacidad finalmente se combina con la robótica, laboratorios automatizados, supercomputación y fabricación avanzada, la investigación científica en sí misma podría convertirse en una capacidad de producción que se puede escalar a escala.
En ese momento, el problema real que enfrenta la humanidad puede dejar de ser:
"¿La IA reemplazará a los científicos?
sino que:
"Cuando los descubrimientos científicos pueden ser replicados y acelerados a gran escala, ¿cuál es el límite para la velocidad del progreso tecnológico de la civilización humana? "