L'episodio di Terence Tao. Iniziamo con il modo assolutamente geniale e sorprendente in cui Kepler scoprì le leggi del moto planetario. A volte le persone dicono che l'AI farà progressi particolarmente rapidi nella scoperta scientifica a causa di cicli di verifica serrati. Ma la storia di come abbiamo scoperto la forma del nostro sistema solare mostra come il ciclo di verifica per idee corrette possa durare decenni (o addirittura millenni). Durante questo tempo, ciò che conosciamo oggi come la teoria migliore può spesso fare previsioni peggiori (il modello di Copernico delle orbite circolari attorno al sole era in realtà meno accurato del modello geocentrico di Tolomeo). E le ragioni per cui sopravvive a questo inferno epistemico sono una miscela di giudizio e euristiche che non comprendiamo nemmeno abbastanza bene da poter articolare, tanto meno codificare in un ciclo di RL. Spero che ti piaccia! 0:00:00 – Kepler era un LLM ad alta temperatura 0:11:44 – Come faremmo a sapere se c'è un nuovo concetto unificante all'interno di cumuli di spazzatura AI? 0:26:10 – L'eccesso deduttivo 0:30:31 – Bias di selezione nelle scoperte AI riportate 0:46:43 – L'AI rende i documenti più ricchi e ampi, ma non più profondi 0:53:00 – Se l'AI risolve un problema, gli esseri umani possono trarne comprensione? 0:59:20 – Abbiamo bisogno di un linguaggio semi-formale per il modo in cui gli scienziati parlano realmente tra loro 1:09:48 – Come Terry usa il suo tempo 1:17:05 – Gli ibridi umani-AI domineranno la matematica per molto più tempo Cerca il Dwarkesh Podcast su YouTube, Apple Podcasts o Spotify.