3blue1brown sostiene que nunca fue tan buen momento para dedicarse a las matemáticas

Creo que las matemáticas seguirán el camino de la biología. A los biólogos les encanta desentrañar los mecanismos infinitamente complejos de la vida, incluido el cerebro, y ganan premios Nobel por descubrimientos como "cómo entra el agua en una célula", en lugar de "construir la primera célula capaz de absorber agua".

Ningún biólogo se ha quejado nunca: "Caramba, qué desgracia que ya tengamos un cerebro que estudiar. ¡Todo es tan absurdo! Sería mucho mejor si tuviéramos que construir el primer cerebro desde cero".

Puede que esté completamente equivocado aquí, ya que no soy del campo. Pero ¿en qué se diferencia esto de, digamos, un genio tipo Ramanujan soltando un montón de problemas resueltos con formas de llegar a ellos que aún no se entienden?

¿No pareció lo bastante fascinante como para que algunos grandes matemáticos "descifraran" sus soluciones y las convirtieran en demostraciones legibles?

La única diferencia que veo ahora es que no era un hombre indio, sino una máquina. Si eso todavía te molesta, parece que va menos de que se esté apropiando del arte del oficio y más de quién se lo ha apropiado.

Creo que se están confundiendo dos cosas: si las matemáticas seguirán ofreciendo oportunidades apasionantes, y si seguirán siendo gratificantes para quienes aman hacerlas hoy.

Grant tiene razón en lo primero. Pero eso no responde a lo segundo. Un campo puede tener un futuro brillante y a la vez perder lo que atraía a la gente hacia él.

Meterse en matemáticas a estas alturas es como comprar un libro de crucigramas usado.

De hecho, recuerdo que en una entrevista antigua (que no encuentro, lo siento) Grant Sanderson dijo que se pasó a YouTube porque pensaba que era una carrera más prometedora que ser matemático; es interesante ver cómo ha cambiado su opinión.

Un par de ideas en las que coincido...

Primero, el "trabajo cognitivo" es una forma de trabajo: es distinto del trabajo creativo, aunque ambos usen tu mente. Si tu teorema matemático se puede redactar en colaboración con un LLM, ¡guau! Puedes darlo por terminado e ir a hacer otro gran trabajo. El trabajo cognitivo es una forma de trabajo. Hablemos del trabajo físico y del apalancamiento para entender cómo eliminar trabajo se traduce en tiempo. En tu granja compras un tractor para sustituir tu retroexcavadora. Si es una granja de hobby, te subes al tractor y terminas súper rápido. O puedes coger ese tractor, comprar una granja más grande y pasar el mismo tiempo que habrías pasado con la retroexcavadora, pero de una forma mucho más apalancada. Puedes cambiar el trabajo eliminado por tiempo de la manera que más te convenga.

Segundo, los momentos de alegría que obtenemos al encontrar abstracciones generalizables y soluciones elegantes son una adaptación. Los humanos podemos escalar jerarquías conceptuales infinitamente altas: nunca dejaremos de escalar, usando las anteriores como herramientas para encontrar la siguiente. Al hacerlo, ganamos alegría con cada descubrimiento porque... Hacemos tantísimo con cerebros que funcionan con 20 vatios: ¿estamos afinados para recibir una recompensa neuroquímica por encontrar eficiencia cognitiva? Si la IA significa que se descubren más conceptos, la torre se hace más alta, y encontramos esos momentos de alegría con más frecuencia. Si hay infinitos momentos por encontrar, ¿por qué no ir lo más rápido posible?

Tercero, todo el mundo lo hace, es una habilidad básica. Saber trabajar sin IA es como saber montar a caballo. Útil an […]

personalmente, como estudiante de doctorado en matemáticas, las matemáticas centradas en LLM me parecen sin alma y, en última instancia, no es a lo que entré en el campo, que es hacer descubrimientos matemáticos personalmente con mi propio cerebro y cognición, y no dirigir una máquina de descubrimientos.

Sí, que empiecen: cope seethe, matemáticos egoístas, solo os importa la gloria personal, más teoremas = cáncer curado, más conocimiento > menos conocimiento, e/acc, etc., etc.

He oído todos estos argumentos manidos muchas veces. Da igual, lo concedo: tienes razón y yo estoy moralmente equivocado y soy malo. Pero no esperes que la gente estudie esta materia que básicamente se está convirtiendo en biología (pasar horas sentado en un laboratorio cuidando equipos todo el día mientras ves una película: es lo que parecen hacer la mayoría de los estudiantes de doctorado en bio que tengo alrededor, sin ofender a los estudiantes de doctorado en bio, estoy seguro de que sus estudios son órdenes de magnitud más impactantes para la sociedad que los míos).

fue divertido mientras duró.

por cierto, a mí me parece que la enseñanza es uno de los trabajos más gratificantes que existen; podrías (y deberías) apasionarte durante horas frente a tus estudiantes, eso es increíble. Como programador parece que solo te apasionaría como el 5% de tu trabajo; incluso antes de la IA no era tan gozoso, tenías que asistir a reuniones aburridas, depurar bases de código heredadas, intentar dar sentido a las malas decisiones que otros tomaron (incluido tú mismo); está bien, lleva comida a la mesa.

Sin embargo, creo que el mito de la "pasión" ha afectado a demasiados jóvenes. Puedes encontrar sentido en muchas cosas de la vida, y ya hay demasiadas personas que siguieron persiguiendo su "pasión" y al final se dieron cuenta de que no les trajo la felicidad real.

Quizá esta cosa de la IA sea buena para nosotros después de todo; quizá deberíamos hacer una pausa y responder a la pregunta más difícil.

Edición: y sí, hasta los profesores probablemente tienen un montón de tareas y partes aburridas en el trabajo.

En el ensayo Hackers and Painters se mencionaba que hay un enfoque de aprendizaje por proyectos y otro académico. La idea de los proyectos personales la matan los modelos de lenguaje, porque lo que hacías los fines de semana, ahora un modelo de lenguaje lo hace en media hora. Así que puedes probar el otro enfoque: quizá deberías tener más conocimiento general de inmediato, buenas prácticas, es decir, más un enfoque académico. En el enfoque académico aprendes de los mejores ejemplos de referencia, desarrollas criterio y solo entonces reconoces lo que está bien o mal y construyes lo tuyo. Pero aquí también puedes ver que los LLM iteran mucho más rápido, mientras que tú tienes que recopilar patrones durante años, y además siempre estarás en el papel del que va por detrás.