虎嗅

“La IA rompe uno tras otro los récords del intervalo entre números primos, ¿por qué el último 2 sigue siendo inalcanzable?”

原文:AI接连刷新素数间隔纪录,为何最后的2仍遥不可及?

Resumen en una frase

Los últimos quince días han sido un verdadero revuelo en el mundo de la teoría de números: el récord de intervalos entre números primos, que no se había movido en diez años, ha sido superado en pocos días por la IA, que aumentó tres niveles consecutivos, pasando de 246 a 240, luego a 212 y finalmente a 186. Esto no es solo un truco comercial para mostrar el poder de la IA, sino que también ha vuelto a poner en el foco del público la conjetura de los números primos gemelos, un problema que ha perseguido a la humanidad durante cientos de años y que incluso los matemáticos más destacados han tenido dificultades para resolver. Con herramientas de cribado que hemos desarrollado durante más de dos mil años, ya podemos demostrar que “existe un número infinito de pares de números primos cuyos intervalos no superan los 186”, pero aún no hemos logrado superar ese último obstáculo de 2, y ni siquiera entendemos por qué no podemos. Lo más interesante es que este problema puramente matemático ha causado problemas significativos en el pasado, como cuando engañó a Intel, que perdió 475 millones de dólares, y ha sido utilizado por Google como tema de broma en subastas.

---

Interpretación sencilla punto por punto

1. La IA no ha demostrado la conjetura de los números primos gemelos

Muchas personas pensaron que la IA había resuelto un problema matemático de cien años, pero eso es un malentendido. Desde que se estableció el récord de 246 en 2014, los matemáticos de todo el mundo han intentado en vano bajar ese número sin éxito durante diez años, dando por sentado que el potencial de las herramientas matemáticas existentes había sido agotado. Hasta que en agosto de este año, la joven matemática austriaca Julia Stadlmann ajustó los parámetros del método de cribado y logró mejorar el récord a 240. Algunas empresas de IA, como Axiom, utilizaron algoritmos de aprendizaje automático para optimizar los parámetros y alcanzar el récord de 212; OpenAI incluso presentó el resultado de 186 sin referirse al trabajo de Julia, afirmando que lo habían obtenido desde cero. Aunque esto fue un logro impresionante, no resolvió el problema matemático subyacente.

2. Los números primos gemelos, un problema “de primaria”, han causado problemas a gigantes comerciales

Los números primos gemelos son simplemente pares de números primos que difieren en 2 (por ejemplo, 3 y 5). En 1994, el matemático estadounidense Nicely descubrió un error en los procesadores Intel que causó pérdidas de 475 millones de dólares para la compañía. En 2009, Google utilizó este problema como tema de broma en una subasta de patentes, obteniendo mucha atención gratuita de los medios.

3. El método de cribado no es solo para eliminar números compuestos

El método de cribado, inventado por Eratóstenes hace dos mil años, no consiste simplemente en eliminar múltiplos de 2 y 3; es más bien una herramienta estadística. Desde la mejora de este método por parte de matemáticos como Brun, se ha convertido en una herramienta muy eficiente para encontrar números primos. Los algoritmos modernos, como GPY y Mei-Nard-Tao, asignan diferentes prioridades a los candidatos, concentrando los recursos en las áreas con mayor probabilidad de contener pares de números primos, lo que aumenta la eficiencia significativamente.

4. El obstáculo de los intervalos entre números primos es difícil de superar

Aunque hemos logrado mejorar el récord a 186, aún no hemos superado el obstáculo fundamental de los intervalos de 2. Este problema es tan complejo que requiere un enfoque matemático completamente nuevo.

5. La IA está cambiando las reglas del juego en matemáticas

La IA ha demostrado su poder en este campo, pero aún no ha resuelto el problema de los números primos gemelos. Esto plantea la cuestión de si, a medida que la IA se vuelva más poderosa, los matemáticos seguirán siendo capaces de comprender y resolver los problemas por sí mismos o si tendrán que depender de las soluciones proporcionadas por las máquinas.