Le mois dernier, OpenAI a annoncé avoir produit une preuve générée par IA pour le problème de Navier-Stokes, l'une des questions non résolues les plus célèbres des mathématiques. Il y a seulement quelques années, les grands modèles de langage (LLM) étaient réputés mauvais en calcul. Aujourd'hui, ils s'attaquent à des problèmes mathématiques qui ont résisté aux humains pendant des décennies, ce qui soulève une question délicate : que reste-t-il aux mathématiciens professionnels ?
Ce changement remodèle aussi les salles de classe. Puisque les LLM peuvent réaliser les devoirs d'un étudiant, les enseignants universitaires peinent à suivre le défi que pose l'IA dans l'éducation. Il est clair que l'IA transforme à la fois la manière dont les mathématiques sont enseignées et la manière dont les professionnels les pratiquent, et que ces effets arrivent rapidement.
Dans cet épisode d'Odd Lots, Justin Solomon, doyen associé à l'éducation en ingénierie au MIT, propose une introduction sur la façon dont les mathématiciens purs et appliqués réagissent à ces avancées. Il explique ce qu'est réellement le problème de Navier-Stokes et pourquoi la preuve d'OpenAI est difficile à déchiffrer, même pour les experts.
Solomon évoque aussi ce que les films font mal concernant le travail des mathématiciens, et la façon dont il adapte sa propre pédagogie à l'ère de l'IA.
Source: Bloomberg Markets · Résumé par HeadlinesBriefing