Ayer, al levantarme, tres personas ya me habían preguntado si había visto el anuncio de OpenAI según el cual el principio de partición no implica el axioma de elección. El número no dejó de crecer a lo largo del día, y entiendo por qué. Soy muy conocido por mi interés en este problema. De hecho, al menos dos personas me preguntaron si pienso enviarle a Sam Altman una botella de whisky, como prometí en mi página de Problemas. La respuesta es no, y quiero explicar por qué deberían estar muy enfadados con OpenAI.
Para empezar, quiero aclarar algo. No estoy totalmente en contra del uso de la IA. Entiendo que es una herramienta y que mucha gente la encuentra útil. Creo que necesitamos comprender mejor cómo esta tecnología cambia nuestro campo y cómo queremos usarla antes de apresurarnos a comprometernos con ella. Por eso generalmente evito usar la IA para las matemáticas, aunque me gusta usar LLM para consolidar información, generar una infografía o revisar un correo electrónico. Todavía falta un marco para usarla en la investigación. arXiv ha introducido limitaciones de frecuencia en respuesta a estas herramientas, y hoy casi todos los artículos deberían incluir una declaración sobre IA. También debemos decidir cómo juzgar la contribución de un autor. ¿Deberían hacerse públicos los registros de chat, o al menos estar disponibles para los revisores y los editores?
Pero volvamos al principio de partición. Eché un vistazo rápido al preprint publicado por OpenAI, aunque no al código en Lean, porque era enorme y sé poco de Lean. El preprint era confuso, desordenado y de estructura extraña. La terminología estaba "un poco desviada", y contenía teoremas que no esperaría que se demostraran, enunciados de una forma rara. El Lema 7.4 y el Lema 8.1 no son algo que uno esperaría encontrar en un artículo así.
Las referencias también eran problemáticas. Se cita un artículo mío sobre el modelo de Bristol para una introducción básica a las extensiones simétricas, que no es la referencia que yo habría elegido. Se usan además tres apuntes de clase inéditos, no revisados por pares y no publicados en arXiv, incluido uno mío que se refiere a una proposición que estoy seguro de que aparece en trabajos publicados. Eso no es lo que uno esperaría de un preprint serio que pretende resolver un problema.
Un artículo competente de teoría de conjuntos fuera de mi especialidad normalmente puede hojearse para captar su estrategia. En mi propio campo, el axioma de elección, puedo deducir rápidamente lo que los autores pretendían. Con el artículo de OpenAI, esto fue imposible. Si se hubiera enviado a una revista, debería haber sido rechazado de inmediato por su calidad. La responsabilidad recae en el autor para cumplir con los estándares de comunicación clara, y OpenAI ha publicado cientos de "soluciones" incomprensiblemente escritas.
Fuente: Hacker News · Resumido por HeadlinesBriefing