Em primeiro lugar, não significa que a IA tenha provado a conjectura de Riemann, nem que a IA tenha substituído os matemáticos. O que realmente vale a pena notar é que a IA está começando a demonstrar uma capacidade mais importante: envolver-se em questões científicas básicas que a humanidade ainda não resolveu e descobrir conexões entre o conhecimento existente que a humanidade não havia descoberto anteriormente.
Se essa capacidade continuar a melhorar, o impacto da IA na ciência pode ir muito além de "ajudar cientistas a escrever código, revisar artigos e calcular ".
O progresso científico nas últimas centenas de anos dependeu em grande parte de um pequeno número de cientistas humanos extremamente bons. Newton, Maxwell, Einstein e outros homens aparecem muito escassos, e o tempo, a atenção e a capacidade de experimentação de uma pessoa também são limitados. Mesmo que um gênio trabalhe vinte horas por dia, é impossível estudar dez mil direções ao mesmo tempo.
A AI não tem tais restrições.
Se um cientista de IA fosse capaz de ler grandes quantidades de conhecimento, fazer hipóteses, fazer deduções matemáticas, projetar experimentos, analisar os resultados e revisar suas próprias hipóteses, ele poderia passar de ser uma ferramenta de cientista para um participante de pesquisa científica.
Mais importante, a IA pode ser replicada.
Um bom cientista humano não pode se replicar instantaneamente em um milhão de si mesmo, mas um sistema de pesquisa de IA pode teoricamente executar dezenas de milhares ou mais de casos de pesquisa, permitindo-lhes explorar diferentes problemas ao mesmo tempo.
Isso significa que a pesquisa científica pode passar de uma pesquisa em série, que dependia fortemente de um pequeno número de gênios, para uma pesquisa paralela em larga escala.
O que é realmente revolucionário é o próximo passo.
Se a IA não só puder estudar matemática, mas também conectar robótica, laboratórios automatizados, supercomputadores e instrumentos científicos do mundo real, o futuro pode formar um circuito fechado como este:
AI faz suposições.
Experimentos de design de AI.
Os robôs realizam experimentos.
O instrumento gera dados.
Resultados da análise de AI.
Teoria da correção AI.
A IA propõe a próxima rodada de experimentos.
Este ciclo pode ser repetido.
Nesse estágio, a IA não só "responde às perguntas humanas ", mas começa a se envolver na" geração de novos conhecimentos ".
Mais adiante, se a IA puder ajudar a pesquisar a próxima geração de IA em si, então pode surgir um loop de feedback mais complexo:
Melhoria do AI.
A IA mais forte encontra novos materiais.
Novos materiais fazem chips melhores.
Os chips melhores oferecem mais poder de computação.
A IA mais forte estuda energia e fusão nuclear.
A energia mais barata fornece mais poder de computação.
Mais poder computacional aumenta ainda mais a IA.
Isso significa que a IA pode acelerar não apenas um determinado campo científico, mas simultaneamente matemática, física, química, biologia, materiais, energia e ciência da computação.
É claro que isso ainda está longe de ser realmente realizado.
A IA ainda é suscetível a erros e não consegue entender completamente o mundo real. O raciocínio matemático deve ser rigorosamente verificado, as previsões científicas devem ser confirmadas experimentalmente, os materiais devem ser realmente fabricados, os medicamentos devem ser verdadeiramente verificados experimentalmente e clinicamente, e a fusão nuclear deve realmente resolver os problemas de materiais, ciclo de trítio e engenharia.
Então, o que Claude realmente vale a pena notar no progresso na direção da conjectura de Riemann não é que "a IA resolveu a conjectura de Riemann".
Em vez disso, ele nos dá uma visão de um futuro que pode estar surgindo.
No passado, a humanidade confiou em um pequeno número de cientistas talentosos para explorar as leis da natureza.
No futuro, a humanidade pode ter cientistas de IA capazes de replicar, executar em paralelo, continuamente e melhorar continuamente.
Se essa capacidade eventualmente for combinada com robótica, laboratórios automatizados, supercomputação e fabricação avançada, a pesquisa científica em si pode se tornar uma capacidade produtiva que pode ser expandida em escala.
Naquele momento, o problema real que a humanidade enfrenta pode não ser mais:
"A IA vai substituir os cientistas?
Em vez disso:
"Qual é o limite máximo para o progresso tecnológico da civilização humana quando as descobertas científicas podem ser replicadas e aceleradas em larga escala? "