Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

Notícias e pesquisa de IA

Notícias ·

Ensaio convidado no blog de Terence Tao defende uma matemática sem ego na era da IA

Num post convidado no blog de Terence Tao, Karthik C. S., Amit Sahai e Jie Xue argumentam que, se as verdades matemáticas são descobertas e não inventadas, um resultado não perde valor quando uma máquina o encontra. Para eles, a IA só expõe um hábito antigo de julgar matemáticos por artigos e prêmios. Os autores informam que usaram modelos GPT para ajudar na redação.

À medida que sistemas de IA começam a provar teoremas, os matemáticos fazem uma pergunta aflita: o que sobra para nós? Um ensaio convidado no blog de Terence Tao, por Karthik C. S., Amit Sahai e Jie Xue, oferece uma resposta incomum. Se as verdades matemáticas são descobertas em vez de inventadas, argumentam, um resultado não perde nada do seu valor quando uma máquina o encontra, e o verdadeiro alvo da aflição é um velho hábito de medir os matemáticos pela sua produção.

O argumento se apoia em uma visão platônica da matemática. Por ela, havia infinitos números primos antes de alguém prová-lo; a verdade matemática não espera o reconhecimento humano nem tira sua autoridade de nós. Encontramos essa independência, dizem os autores, sempre que uma construção nos surpreende, uma definição revela uma conexão inesperada, ou uma conjectura em que confiávamos acaba tendo um contraexemplo. Não podemos tornar um argumento válido só de desejá-lo. Disso decorre que o significado de uma prova está na sua relação com essa ordem independente, não em quem a produziu, então uma descoberta feita por uma máquina não é menos uma descoberta genuína.

Seu movimento mais afiado é separar a derivação correta da compreensão. Um sistema axiomático permite infinitas deduções formalmente corretas, mas produzi-las não diz por si só quais vale a pena perseguir. O que faz uma definição iluminar e outra ser apenas válida é sua relação com as estruturas que põe à vista, questão de gosto matemático entendido como mais que preferência privada. Nessa leitura, a preocupação real antecede a IA: os matemáticos já tinham passado a se ver como coleções de capacidades produtivas medidas por publicações, citações e prêmios, e a IA só expõe as consequências dessa autoimagem. Os autores revelam ter usado modelos GPT para ajudar a preparar o texto.

É uma réplica ponderada a um medo genuíno, e a passagem do status para a compreensão é saudável para um campo que atou o valor aos prêmios. Mas o ensaio é tão forte quanto o seu ponto de partida. Todo o argumento se apoia no platonismo matemático, uma posição filosófica contestada e não um fato assentado, e um leitor que não a compartilha perde o conforto que o ensaio oferece.

O ensaio também diz pouco sobre a parte da aflição que não é filosófica. Emprego, financiamento, quem controla as ferramentas e quem recebe o crédito são onde de fato estão as preocupações da maioria dos matemáticos em atividade, e uma meditação sobre a busca da verdade sem ego não as toca. Leia-o pelo argumento sobre para que serve a matemática, não como um guia de como a profissão deveria responder.

Nossa opinião: É uma resposta cuidadosa à ansiedade com provadores automáticos, mas se apoia no platonismo e fala pouco de empregos, financiamento ou de quem controla as ferramentas, que é onde estão as preocupações reais de muitos matemáticos. Vale ler pelo argumento, não como guia de políticas.

Fonte: Hacker News

Mais matérias