Can AI do research math?

La discussion offre un aperçu précieux et nuancé des capacités actuelles des IA en mathématiques de recherche. Les intervenants, tous trois experts reconnus, apportent une crédibilité certaine au propos. Ils s’appuient sur une expérience concrète, First Proof, dont ils détaillent les résultats et les difficultés rencontrées. L’argumentation est solide : ils justifient clairement leur démarche, notamment la nécessité de tester des modèles accessibles au public plutôt que des modèles propriétaires, et soulignent les biais potentiels des annonces des entreprises. La rigueur scientifique est manifeste dans leur analyse des solutions produites, avec une attention particulière portée à la vérification, un point souvent négligé dans les discussions sur l’IA. Ils identifient des problèmes clés comme la difficulté de vérification des preuves générées, la diversité des styles de réponse, et la question de la compréhension réelle par les modèles. La discussion est équilibrée, reconnaissant à la fois les progrès impressionnants et les limites actuelles. Les sources ne sont pas citées explicitement, mais les références au projet First Proof et à la formalisation en Lean sont suffisamment précises pour être vérifiables. L’adéquation entre le titre et le contenu est bonne, le titre étant une question directe à laquelle la discussion répond. On peut regretter l’absence de données chiffrées plus détaillées sur les performances des modèles, mais cela est compréhensible dans un format d’entretien. Dans l’ensemble, cette vidéo constitue une ressource de qualité pour quiconque s’intéresse à l’application de l’IA en mathématiques, offrant une perspective experte et mesurée.

Le titre est pertinent et reflète bien la question centrale abordée dans la discussion.

8/10

Discussion experte entre chercheurs reconnus, s'appuyant sur une expérience concrète (First Proof). Les propos sont nuancés et les limites clairement identifiées, mais il s'agit d'un échange informel sans données chiffrées exhaustives.

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

• 00:00Introduction par Venkat Guruswami et présentation du projet First Proof.
• 02:00Nikhil Srivastava explique les motivations du projet : éviter le biais de sélection et évaluer les capacités des IA.
• 05:00Dan Spielman souligne l'importance de tester des modèles accessibles au public plutôt que des modèles internes.
• 08:00Discussion sur les critères de sélection des problèmes : ils doivent être représentatifs de la recherche quotidienne.
• 10:00Retour sur les résultats de la première phase : des solutions surprenantes ont été produites.
• 12:00Dan Spielman décrit les différents 'voix' des IA, de l'excès de confiance à des solutions incomprises.
• 15:00Nikhil Srivastava aborde la difficulté de vérification des solutions, comparée à un problème P vs NP.
• 18:00Mention de la formalisation en Lean de certaines preuves par la communauté, un résultat inattendu.
• 20:00Dan Spielman raconte comment une IA a critiqué des preuves humaines et trouvé des erreurs.
• 25:00Annonce de la deuxième phase de First Proof, prévue pour le Pi Day 2026.

• First Proof — Projet mentionné par les intervenants, visant à mesurer les capacités des IA en mathématiques.

• First Proof — Site officiel du projet, présentant les problèmes et les résultats.