Si tenim una bona idea: ve de la intuïció o de les matemàtiques?
Srinivasa Ramanujan (1887–1920) és una de les figures més fascinants de la història de les matemàtiques. Sense formació universitària formal, va produir milers de fórmules profundes, moltes de les quals eren correctes però sense demostració. Moltes d’aquestes fórmules, segons ell mateix explicava, li arribaven de manera sobtada, gairebé com somnis o revelacions (ell mateix parlava de la deessa Namagiri com la font d'inspiració), que anotava en quaderns informals que guardava al costat del llit. A la seva mort, i durant dècades, matemàtics professionals van dedicar anys a provar allò que ell havia escrit gairebé d’un sol cop. Tot era correcte. Genial. Innovador. Inesperadament cert.
Com ho feia? I per què, més d’un segle després, el seu cas torna a ser rellevant en un moment de renovat entusiasme per la intel·ligència artificial generativa?
La intuïció com a capacitat de completar patrons
Una manera útil d’entendre Ramanujan és pensar que no treballava principalment amb càlculs llargs, sinó amb patrons. Davant d’un fragment incomplet d’una sèrie matemàtica, era capaç de detectar simetries, regularitats i estructures “gairebé correctes” que suggerien com havia de continuar l’expressió.
No era màgia ni inspiració divina. Era una intuïció extremadament afinada, guiada per criteris de simplicitat, bellesa i coherència interna. De manera semblant a com Johann Sebastian Bach construïa estructures musicals d’una simetria gairebé matemàtica, Ramanujan proposava formes matemàtiques que encaixaven abans que ningú les pogués demostrar. Les demostracions venien després —si venien—, sovint a càrrec d’altres matemàtics.
Què té a veure això amb la IA generativa?
Fer computable una part de la intuïció
En un article recent titulat RAMA: A Meta-Algorithmic Framework for Ramanujan-Style Heuristic Discovery Using Large Language Models s'explora aquesta idea de què una part de la nostra intuïció humana és computable.
L’estudi proposa un marc computacional anomenat RAMA (Recursive Aesthetic Modular Approximation), inspirat directament en la manera de treballar de Ramanujan. Per fer-ho, pren els seus quaderns no com a peces de museu, sinó com a dades d’estudi: analitza quins tipus de regularitats, simetries i criteris de simplicitat es repeteixen en les seves fórmules. Dit d’una altra manera, el projecte intenta reconstruir com Ramanujan arribava a les seves idees, no només què escrivia.
L’objectiu no és simular un geni ni atribuir creativitat humana a les màquines, sinó una cosa molt més concreta: fer explícita i reproduïble una petita part de la intuïció matemàtica, convertint-la en un procediment computacional que pugui generar conjectures plausibles. És una manera d’estudiar la intuïció des de dins, pas a pas, en lloc de tractar-la com un misteri inexplicable.
RAMA tracta els sistemes d’IA generativa com a mecanismes de proposta dins d’una cerca iterativa. A partir de fragments incomplets, el sistema genera conjectures candidates i les avalua. Quins criteris utilitza? De simplicitat, coherència interna i equilibri estètic. Exactament els criteris que apareixen, de manera implícita, als quaderns de Ramanujan.
Un experiment amb resultats sorprenents
Aquest enfocament s’ha posat a prova en dos experiments diferents. En el primer, el sistema és capaç de reconstruir expressions matemàtiques conegudes a partir de molt poca informació inicial, com si completés una estructura encara incompleta. No demostra res, però proposa formes plausibles que després poden ser verificades per matemàtics humans. Tot i que els contextos són molt diferents, el mecanisme subjacent és el mateix.
En el segon experiment, el mateix principi s’aplica a un context molt diferent: l’anàlisi de circuits quàntics. Utilitzant criteris semblants de simetria i correcció mínima, el sistema identifica petites modificacions que milloren la detecció d’estructura quàntica respecte de models clàssics. El mecanisme és el mateix: detectar una simetria imperfecta i completar-la.
És la IA igual de creativa que els éssers humans?
Aquests resultats no volen dir que la IA sigui “creativa” com un ésser humà, ni molt menys com Ramanujan. Però sí que apunten cap a una idea important: una part del que anomenem intuïció no és misteriosa ni arbitrària, sinó que es basa en criteris implícits que utilitzem de manera sistemàtica, encara que no en siguem conscients.
Quan intuim una bona idea —en matemàtiques, en música o en ciència— no partim del no-res. Ens recolzem en patrons apresos, en regularitats reconegudes i en una sensibilitat personal per la simplicitat, la coherència i l’equilibri formal. Aquests criteris no garanteixen que una proposta sigui correcta, però sí que fan que sigui plausible, és a dir, digna de ser explorada abans de ser demostrada o refutada.
És precisament aquí on se situa el debat actual sobre la creativitat de la IA. Sovint es contraposa la creativitat humana —associada a intencionalitat, consciència o experiència vital— amb una IA que només “recombina” el que ja existeix. Però aquesta oposició és, en part, enganyosa. També la creativitat humana, especialment en ciència i matemàtiques, opera sovint mitjançant recombinacions guiades per criteris apresos, encara que després les interpretem com a originals o genials.
La diferència fonamental no és tant què es produeix, sinó com i per què. Els humans atribuïm sentit, valor i direcció a les idees que generem; les màquines, no. Però això no impedeix que alguns dels mecanismes que utilitzem per explorar l’espai de possibilitats —completar patrons, detectar simetries, privilegiar formes simples— puguin ser parcialment formalitzats i automatitzats.
La intel·ligència artificial generativa pot operar precisament en aquest espai intermedi. Ben entesa, no substitueix la creativitat humana ni el judici expert, sinó que funciona com un laboratori d’intuïcions: un entorn on generar, filtrar i comparar conjectures plausibles abans de sotmetre-les al rigor de la demostració formal. El valor no és que “encerti”, sinó que ajudi a orientar millor la cerca.
Una lliçó que va més enllà de la IA
El cas de Ramanujan ens recorda que la creativitat científica no sempre comença amb certeses, sinó amb bones idees provisionals. Entendre això ajuda a desmitificar tant el geni humà com les màquines intel·ligents.
Potser la pregunta clau no és si la IA pot pensar com nosaltres, sinó què ens permet aprendre sobre com pensem nosaltres quan encara no sabem del tot què estem fent.
0 Comentarios
Añade tus comentarios
Haz que enriquezcan la entrada. ¿Emoticonos? Copia y pega:
😀😁😂😃😄😅😆😇😉😊😋😎😏😐😓😕😘😜😞😠😲😳🙏💩