OpenAI publicó hoy una selección de diez avances matemáticos y de ciencia de la computación teórica que, dicen, fueron encontrados con ayuda de modelos de IA. ¿Qué hay detrás de ese titular y por qué debería importarte aunque no seas matemático profesional?
Qué anunció OpenAI
La compañía explica que, como parte de su iniciativa ChatGPT for Academic Researchers, otorgó acceso gratuito a 100,000 científicos y matemáticos a sus mejores modelos. Además, durante las pruebas de un modelo interno llamado Astra, los equipos encontraron soluciones a problemas abiertos que llevaban décadas sin avance.
Entre los hitos mencionados hay desde nuevos límites en empaquetamientos de esferas hasta la construcción de grupos no-soficos y contraejemplos a conjecturas clásicas. OpenAI afirma que los argumentos generados por el modelo fueron preparados por humanos, formalizados en Lean y acompañados por la narración del razonamiento de la IA.
Un dato curioso: el total de tokens utilizados para encontrar estas soluciones costaría aproximadamente 2,000 dolares a tarifas públicas de API, según la nota.
Los diez resultados, en palabras sencillas
-
Empaquetamiento de esferas en alta dimensión. Nuevos límites superiores de densidad cerca del umbral de Cohn–Elkies. Esto afecta cómo entendemos cómo se pueden acomodar esferas en espacios de muchas dimensiones.
-
Códigos binarios y esféricos. Mejora exponencial en cotas sobre el tamaño máximo de códigos con distancia mínima dada; resultados análogos para códigos en esferas de alta dimensión. Relevante para comunicaciones y teoría de la información.
-
Grupos no-soficos. Una construcción que establece la existencia de grupos que no cumplen la propiedad de soficidad, resolviendo una pregunta central en teoría de grupos.
-
Conjectura de Connes. Un contraejemplo a una conjetura de rigidéz en álgebra de operadores: muestra que ciertos grupos no están determinados de forma única por sus álgebras de von Neumann.
-
Complejidad de circuitos aritméticos. Nuevas cotas inferiores para calcular el permanente con circuitos y fórmulas aritméticas, incluyendo una cota tipo n4/log n para fórmulas.
-
Repetición paralela cuántica. Un teorema exponencial de repetición paralela para juegos cuánticos de dos jugadores, extendiendo principios de la teoría clásica a lo cuántico.
-
Problema del vector más cercano. Dificultad de aproximación con factor polinomial para CVP, con implicaciones para criptografía post-cuántica basada en retículos.
-
Conjetura de volumen de Ehrhart. Determinan, en cada dimensión, el volumen máximo de un cuerpo convexo cuyo centroide es su único punto interior de la malla entera.
-
Números de Ramsey multicolor. Una cota inferior superexponencial para los números de Ramsey multicolor de triángulos, resolviendo el problema 183 de Erdős.
-
Conjeturas extremales en grafos. Resultados que resuelven problemas de compacidad y degeneración en teoría extremal de grafos (Erdős 146 y 180).
Cómo se obtuvieron estas soluciones
Según OpenAI, las soluciones surgieron durante la evaluación de una versión interna de Astra. Los argumentos que propuso el modelo fueron revisados y preparados por personas, luego formalizados en Lean para generar certificados formales. También se publica la narración del pensamiento del modelo para cada solución.
OpenAI toma responsabilidad por la corrección de los manuscritos que ayudó a preparar, pero afirma que los argumentos originales fueron generados por el sistema.
¿Por qué esto es relevante y qué preguntas abre?
¿Significa esto que la IA hace matemáticas por sí sola? No es tan simple. Aquí hay varios puntos para tener en cuenta:
-
La IA acelera la exploración: puede proponer conjeturas y caminos que humanos revisan y convierten en argumentos formales.
-
La formalización en
Leanes un paso importante: no es solo un borrador, es una verificación que puede aumentar la confianza en los resultados, aunque la comunidad matemática tiene la última palabra. -
Hay preguntas éticas y de atribución: ¿cómo nombrar a autores cuando un modelo genera el argumento principal? OpenAI aboga por no atribuir autoría humana exclusiva a pruebas generadas enteramente por IA.
-
Acceso y equidad: OpenAI subraya la necesidad de acceso amplio a estas herramientas para que la investigación se beneficie de la colaboración hombre-máquina.
Riesgos y reservas legítimas
Si bien estos logros suenan prometedores, muchos en la comunidad matemática y filosófica han señalado reservas. Entre ellas:
-
Dependencia en sistemas cerrados o internos dificulta reproducibilidad completa.
-
Interpretar la "narración" de la IA como explicación humana puede ser engañoso: las IAs pueden producir justificaciones que parecen coherentes sin ser fundadas.
-
El impacto en formación académica y en la cultura de la autoría necesita debate abierto.
OpenAI menciona el apoyo y respeto por iniciativas como la Declaración de Leiden sobre IA y Matemáticas, que busca precisamente orientar la adopción responsable de estas herramientas.
¿Y ahora qué sigue?
La publicación invita a la comunidad matemática a verificar, reproducir y expandir estos resultados. Eso implica leer los manuscritos, revisar las pruebas formalizadas y, sobre todo, llevar las ideas a trabajos nuevos.
Si eres investigador o curioso, la lección práctica es clara: la IA ya puede ser una herramienta poderosa para explorar problemas difíciles, pero su integración responsable depende de revisión humana y debate comunitario.
La tecnología no sustituye la intuición matemática ni la discusión crítica; la potencia complementa al juicio humano.