Recomencemos. Seguro que ni ustedes ni yo somos los mismos que en el 2019. Durante 2020 seguí escribiendo algunas cosas sueltas, que no llegué a enviar, porque todos estábamos aprendiendo a hacer las mismas cosas de otras formas, con otras herramientas, y con otros tiempos. Y para este rincón repasemos algunas cosas que ocurrieron en este período y su influencia en las matemáticas.
Luis Angel Caffarelli recibió el premio Abel. Hace más de veinte años que está en la Unversidad de Texas, después de diez años como profesor en el Institute for Advanced Study de Princeton. Antes estuvo en el Courant y la Universidad de Minesotta. Y antes, estudió matemática y se doctoró en el Departamento de Matemática de la Facultad de Ciencias Exactas y Naturales de la UBA, al que ha vuelto decenas de veces en estos años.
Hay un montón de notas en diarios nacionales e internacionales, incluso una reseña en Nature, así que repetir lo que se ha dicho aquí no tiene mucho sentido. Sin embargo, me gustaría compartir algo que observé hace catorce años cuando celebrábamos sus 60 años en Mar del Plata con un simposio. En la sesión de posters para investigadores jóvenes, Luis los recorrió uno por uno, charlando con los autores, haciendo siempre un comentario positivo, sugiriendo alguna extensión, agradeciendo la asistencia al congreso. Quienes lo conocían mejor comentaban que siempre hacía eso. Y otra: alguno planteó en su charla que ya estábamos festejando sus 180 años, porque le habían hecho un congreso en su honor en Texas, otro en Europa, y además la calidad y cantidad de sus trabajos no se explicaban con sólo 60 años.
Respecto al Abel, como decía un colega (Mariano), es mucho más que el Nobel, porque no se da por un resultado brillante, o un descubrimiento genial pero puntual; es un premio a una trayectoria, a un cúmulo de resultados, profundos, importantes, que van a perdurar en el tiempo.
Argentina campeón, ¿qué más podemos agregar? ¿Hay alguna conexión con la matemática?
No soy muy original: como muchos otros, hace un par de meses le pregunté a Chat GPT quién había ganado el mundial 2022. Su respuesta es que todavía no se había jugado, porque su memoria está congelada en cierta fecha de 2021. Nunca me había esperado esto de una inteligencia artificial, tal vez muy influido por Blade Runner. A un replicante se le implanta una memoria pasada, falsa, que siente verdadera, y después se mantiene actualizado vía interacciones con otros, comienza a hacerse preguntas propias y buscar información que le interesa.
En esta época de tanta información al alcance de la mano esperaba que estuviera al día, y la nueva versión GPT-4 sí lo está. Pero hay lindos problemas a resolver. Si la IA se conecta a internet y agrega cosas que descubre al interactuar con el usuario, está el problema de curae esa info, para evitar errores, sesgos, y demás defectors. Tal vez la IA compartimenta, y tras cada sesión se limpia la memoria virtual de las interacciones que tuvo con el usuario e internet, no lo sé. Por lo pronto, este survey (tal vez desactualizado... es de hace unos quince días) no contempla la actualización del conocimiento: https://arxiv.org/abs/2303.07616
The Life Cycle of Knowledge in Big Language Models: A Survey
Boxi Cao, Hongyu Lin , Xianpei Han, Le Sun
También este gran tweet discute los problemas para entrenar futuras versiones dado los cambios que se van a introducir en nuestros comportamientos:
. https://twitter.com/peternixey/status/1640002493630369792
Peter Nixey (@peternixey) 26 de marzo de 2023,
Se especula mucho sobre cómo van a afectar estas IA (los GPT, Bard, PaLM, etc.) al mundo laboral, y parece demasiado pronto para formarse una opinión. En el caso de la matemática, hay muchos problemas que las IA no manejan para nada bien, pero creo que es sólo cuestión de tiempo para que mejoren. Por ahora, tenemos muchos errores para burlarnos, pero también aparecen opciones para usarlas productivamente. Repasaremos algunos de estos temas en el futuro.
Ah, y un disclaimer sorprendente: esta columna NO fue escrita usando ninguna versión de GPT.
De golpe, el covid desapareció de todos lados, reemplazado por otra mala: la invasión de Rusia a Ucrania. Imposible medir las consecuencias sobre las matemáticas, se mueven en otra escala. Podría detenerme en que el Congreso Internacional de Matemáticas que iba a realizarse en Moscú pasó a formato virtual, pero mejor vean este video de Maryna Viazovska, ucraniana, ganadora de la Medalla Field:
Decía al principio que quería repasar algunas de las cosas más impactantes para la matemática. La cuarentena cambió un montón de cosas: la forma de enseñar, de evaluar, de trabajar, de reunirse. Y nada de eso es igual hoy. Hay consecuencias de toda clase, individuales, mucho más allá de las cuestiones de salud, y lo bien o mal que cada uno sobrellevó ese tiempo donde tantas cosas se pusieron en pausa.
Pero más interesantes son las consecuencias colectivas que están afectando el mundo laboral y es difícil por ahora estimar el impacto que tendrán. Los dos principales fenómenos son llamados great resignation y quiet quitting. Este artículo de Nature de hace un año "Has the ‘great resignation’ hit academia?" es un ejemplo de cómo pega en nuestro micro-mundo, https://www.nature.com/articles/d41586-022-01512-6, mientras que este otro del Harvard Business Review “When Quiet Quitting Is Worse than the Real Thing” apunta al mundo laboral en general https://hbr.org/2022/09/when-quiet-quitting-is-worse-than-the-real-thing
¿Errores? ¿Comentarios? ¿Preguntas? Me encuentran en jpinasco@gmail.com.