La verificación no es conocimiento: la ciencia necesita algo más que respuestas correctas
Verification Is Not Knowledge: Science needs more than answers
Jessica Hullman sostiene que reducir la ciencia a resultados verificables, ya sean pruebas formales o curas avaladas por un ensayo clínico, confunde la corrección con el conocimiento. Detrás de esa intuición está el «ideal libre de valores» heredado de la Guerra Fría, que intentó sustituir la confianza en las personas por la confianza en los procedimientos. El problema aparece cuando algo falla: sin autores capaces de explicar sus afirmaciones, no queda nadie a quien consultar.
Cuando no ejerces la agencia epistémica, puedes acabar fácilmente con una «vista desde ningún lugar»: no una forma de objetividad pura, sino una respuesta sin la pregunta correspondiente.
- throw0101c
Cuando Kepler publicó sus modelos:
* https://en.wikipedia.org/wiki/Kepler%27s_laws_of_planetary_m...
La gente no entendía cómo ni por qué funcionaban, pero de todos modos se pasaron a ellos desde el sistema ptolemaico (ticónico, etc.†) porque las matemáticas eran más fáciles. Solo más tarde (Newton, Einstein) entendimos el "por qué" y el "cómo".
† https://tofspot.blogspot.com/2013/08/the-great-ptolemaic-sma...
- niemandhier
Todos conocemos a Terry Tao, ¿conoces a Peter Scholze?
Medallista Fields y, como Tao, catalogado como uno de los matemáticos más importantes de nuestra época.
Se sabe que Scholze encuentra
«precisamente la forma correcta y más limpia de incorporar todo el trabajo previo y encontrar una formulación elegante para ello — y luego, porque encontró realmente el marco correcto, ir mucho más allá de los resultados conocidos».
En cierto modo, ese hombre es el complemento de una IA: genera comprensión en lugar de solo demostraciones.
Quizá sea el modelo adecuado para los matemáticos del futuro.
https://www.quantamagazine.org/peter-scholze-and-the-future-...
- wqtz
Ahhh, la epistemología... ¿A algún investigador académico le importan todavía estas cosas?
Si estás en el mundo académico, probablemente hayas notado un cambio importante recientemente. Producción de investigación a escala industrial mediante IA.
Las subvenciones "siempre" se han concedido a los profesores en función de la cantidad multiplicada por la calidad. Ahora, algunos profesores están produciendo de 1 a 3 artículos al mes con el mismo grupo de coautores. Todo el dinero de las subvenciones va a ellos. Los que dan las subvenciones solo cuentan el número de artículos que se publican.
La Revolución Industrial ha llegado al mundo académico, y algunos académicos están ocupados defendiendo el valor artesanal de la investigación mientras otros están creando fábricas de investigación.
- A_D_E_P_T
La perspectiva del artículo me recuerda a las clases de matemáticas cuando era niño. La profesora no quería solo la respuesta correcta, quería ver cómo había llegado a ella. En un sentido absoluto, la respuesta correcta es la respuesta correcta con o sin mi comprensión, pero no era así como se calificaba la clase. Nos estamos acercando a un punto en el que la IA es para la ciencia lo que mi vieja calculadora era para las matemáticas de primaria: es capaz de saltar a las respuestas más rápido y con más precisión que nosotros.
Sin embargo, la cuestión es que la verificación es conocimiento en sí mismo. Y si podemos llegar a un punto en el que las preguntas importantes tengan respuestas, seguramente podremos hacer que los verificadores nos las expliquen de manera que podamos entenderlas.
- My_Name
Seguramente el camino a seguir es tomar los resultados obtenidos por fuerza bruta con IA, por ejemplo que ciertas conjeturas son verdaderas o falsas, y luego usar ese conocimiento para avanzar en la comprensión humana.
Saber que algo es verdadero o falso al menos evitará que los humanos pierdan tiempo intentando demostrarlo o refutarlo, y les permitirá encontrar una demostración más elegante, o investigar las implicaciones del resultado verdadero/falso.