Aucune donnée
L'IA génère désormais un tel nombre de démonstrations mathématiques que la communauté a du mal à les absorber. Face à ce défi, deux médaillés Fields, Terence Tao et Wang Hong, s'accordent sur une réponse clé : la nécessité de **« digérer »** ces preuves. Terence Tao a personnellement passé plusieurs jours à analyser et réorganiser une preuve, validée par l'IA via Lean, du conjecture de Sendov, restée ouverte pendant 67 ans. Ce processus de digestion ne se limite pas à une simple vérification. Il permet de simplifier l'argument (réduisant le code de 90 000 à 15 000 lignes), d'en clarifier la structure logique pour les humains, et même de découvrir que la méthode résout en réalité une conjecture plus forte, celle de Phelps-Rodriguez. Tao souligne qu'une découverte mathématique complète va bien au-delà de la simple obtention d'une preuve vérifiée. Elle nécessite également la compréhension par les pairs, la publication, l'intégration au corpus existant et la reformulation en connaissances standardisées. L'IA excelle actuellement dans la génération et la vérification initiale, mais les étapes suivantes, cruciales, reposent sur l'intuition et le jugement des mathématiciens. Il plaide ainsi pour une revalorisation du travail de **digestion et d'explication** des preuves, par rapport à la seule course à la priorité de découverte. Pour structurer cette nouvelle ère, Tao a lancé **Palomar**, un registre public destiné à archiver les preuves assistées par l'IA (avec leur code de vérification), servant de plateforme intermédiaire de collaboration avant la publication formelle. L'objectif est d'encourager la production de résultats complets et compréhensibles, seuls véritablement utiles à l'avancement des mathématiques.
marsbit7天前
