IA de OpenAI resuelve cientos de problemas matemáticos

El número clave no es uno — son cientos.

El 6 de octubre, OpenAI anunció que su modelo de razonamiento interno, aún sin nombre, ha logrado avances significativos en cientos de problemas matemáticos famósamente insolubles. Los problemas abarcan décadas de esfuerzo de algunas de las mentes más brillantes del campo. Entre ellos: las conjeturas de Mahler de los años 30, el exponente de irracionalidad de pi, el problema Unique Games en complejidad computacional y preguntas sobre sistemas de espín cuántico que se sitúan en la intersección entre las matemáticas y la física.

No se trata de un modelo que ha aprendido a recitar demostraciones conocidas. Es un modelo que ha generado nuevo pensamiento matemático —y los resultados ya están siendo verificados a mano contra herramientas de verificación formal.

La magnitud de lo que se intentó es más difícil de transmitir en un solo titular. No estamos hablando de un puñado de problemas tipo olimpiada o ejercicios de libros de texto disfrazados de desafíos. Estamos hablando de conjeturas que han permanecido en pizarras y en documentos previos durante casi un siglo, resistiendo todo enfoque que los investigadores humanos han intentado. Las conjeturas de Mahler, por ejemplo, se refieren al volumen de cuerpos convexos en espacios de alta dimensión —objetos geométricos abstractos con profundas conexiones con la optimización, la teoría de probabilidad y el análisis funcional. Han sido una espina persistente en el lado de los investigadores que trabajan en la encrucijada de estos campos. El hecho de que un sistema de IA haya identificado una nueva región de progreso en múltiples frentes simultáneamente no es una actualización menor. Es un cambio en el terreno.

Qué tan formal es la verificación

OpenAI consultó al Grupo Asesor de Matemáticas e Inteligencia Artificial del Institute for Advanced Study de Princeton antes de liberar anything. Los resultados están publicados en GitHub, no en una revista con revisión por pares —y OpenAI lo reconoce abiertamente. La compañía dice que revisará el trabajo basándose en los comentarios de la comunidad y eventualmente apuntará a un venue de publicación más tradicional. Por ahora, las demostraciones se están verificando usando Lean, un lenguaje de programación diseñado específicamente para verificar formalmente argumentos matemáticos. Esto importa porque significa que las afirmaciones no están simplemente en una entrada de blog sin revisar. Están en código que puede, en principio, ser testeado por su corrección.

Ese proceso no es trivial. Lean se ha usado exitosamente para verificar grandes porciones de geometría algebraica y la conjetura de Kepler —un problema que le tomó a Thomas Hales más de una década resolver y aún requirió años de verificación formal para confirmar. No es un atajo hacia la credibilidad —es un guardián. Si los resultados de OpenAI sobreviven al escrutinio allí, sobreviven. Si no, los errores serán visibles para cualquiera que sepa leer el código.

Lo que hace notable este enfoque es que evita el proceso tradicional de gatekeeping académico, que puede tomar años, y lo reemplaza con algo más rápido y más transparente. Esa es una espada de doble filo. Por un lado, acelera el ritmo al que las afirmaciones pueden validarse o refutarse. Por el otro, ejerce una presión inmensa sobre la comunidad matemática para que se comprometa con material que puede estar incompleto o contener fallas sutiles. El grupo asesor del IAS se conformó precisamente para ayudar a navegar esa tensión, pero ningún comité puede sustituir completamente el escrutinio distribuido que surge cuando miles de investigadores examinan un resultado de forma independiente a lo largo del tiempo.

Qué se resolvió y qué no

OpenAI fue cuidadosa con una cosa en particular. No resolvió la Hipótesis de Riemann. El premio de $1 millón del Clay Mathematics Institute permanece sin reclamar. Lo que el modelo hizo fue identificar una nueva región donde la función zeta de Riemann no tiene ceros. Eso es progreso en el camino hacia la hipótesis. No es el destino.

Pero la distinción es importante. Las conjeturas de Mahler, el exponente de irracionalidad de pi y el trabajo sobre vidrios de espín diluidos y ferromagnetos de Heisenberg cuánticos representan algo diferente de un único problema famoso abierto. Representan un esfuerzo sostenido y distribuido a través de múltiples subcampos de las matemáticas y la física teórica. El modelo no encontró un truco. Parece haber encontrado territorio.

El problema Unique Games, por ejemplo, se sitúa en el corazón de la teoría de complejidad computacional y tiene implicaciones para cómo entendemos los límites de los algoritmos de aproximación. El progreso aquí no solo ayuda a los matemáticos —informa a científicos de la computación, criptógrafos e ingenieros que construyen sistemas que dependen de supuestos de dureza. El trabajo sobre vidrios de espín cuánticos toca preguntas que los físicos han enfrentado durante décadas, y cualquier avance podría retroalimentarse en la ciencia de materiales o la investigación en computación cuántica. Estas no son curiosidades aisladas. Son nodos en una red del conocimiento humano, y mover incluso un solo nodo puede desplazar la estructura de todo el conjunto.

Por qué esto importa para el debate sobre la AGI

Todos en IA están hablando sobre si los modelos de vanguardia se aproximan a algo que se parezca al razonamiento a nivel humano. Este anuncio obliga a la pregunta a tomar mayor enfoque. La detección de patrones puede resolver problemas olímpicos. No puede generar una nueva región libre de ceros para la función zeta de Riemann. No puede razonar a través de la estructura de un vidrio de espín cuántico al nivel que estos resultados sugieren.

Las conjeturas de Mahler han resistido a los matemáticos humanos durante casi un siglo. Un modelo que está haciendo progreso genuino aquí opera en un régimen diferente al de uno que puede escribir código o resumir artículos. Está haciendo algo más cercano a lo que hace un matemático investigador: sondear estructura, probar conjeturas y encontrar caminos a través del espacio conceptual de alta dimensión. La palabra clave es “camino.” El descubrimiento matemático rara vez es una línea recta. Implica callejones sin salida, intentos fallidos y la lenta acumulación de insights parciales que recién se cohesionan en una demostración completa años después. Un sistema de IA que pueda navegar ese tipo de paisaje no solo está almacenando conocimiento —lo está explorando.

Si eso es AGI o no depende de tu definición. Lo que es, innegablemente, es una capacidad que se consideraba especulativa hasta muy recientemente. Y las implicaciones se extienden mucho más allá de la pregunta filosófica sobre si una máquina puede pensar. Si los sistemas de IA pueden potenciar la investigación matemática a esta escala, el cuello de botella se desplaza de generar ideas a evaluarlas e integrarlas. Ese es un desafío cualitativamente diferente, y uno que el campo apenas comienza a enfrentar.

El panorama competitivo se está desplazando

El anuncio de OpenAI llega en un momento cuando el paisaje competitivo ya es tenso. Modelos chinos como DeepSeek han perturbado recientemente los supuestos sobre precios y capacidades. El gobierno de Japón está invirtiendo fuertemente en infraestructura de IA doméstica. Estados Unidos está lidiando con controles de exportación y gobernanza de la investigación. Este resultado matemático es un punto de datos en ese panorama más amplio, pero es un punto ruidoso.

Si el modelo de OpenAI puede abordar sistemáticamente cientos de problemas abiertos a través de las matemáticas puras y la física teórica, la implicación no es solo que el modelo es inteligente. Es que el cuello de botella en la investigación matemática ya puede no ser solo la creatividad humana. Puede ser la capacidad de navegar y verificar el producto a escala. Eso cambia la economía del descubrimiento. También cambia la geopolítica. Las naciones que controlen modelos de vanguardia y la infraestructura de cómputo detrás de ellos tendrán un papel desproporcionado en dar forma a la dirección del progreso matemático y científico.

Hay efectos de segundo orden que van aún más lejos. El descubrimiento matemático alimenta la criptografía, la ciencia de materiales, la optimización y, eventualmente, el diseño de hardware. El progreso en esos dominios acelera el progreso en la propia IA. El ciclo de retroalimentación es real y se está cerrando. Cada nuevo teorema sobre geometría convexa, cada avance en la comprensión de los sistemas de espín cuántico, cada refinamiento de los límites de complejidad tiene el potencial de irradiar de maneras difíciles de predecir pero imposibles de ignorar. No estamos viendo un modelo resolviendo algunos acertijos. Estamos presenciando las primeras etapas de un nuevo modo de producción científica.

Qué sucede después

El repositorio de GitHub está abierto. Los matemáticos están revisando. Algunos resultados se mantendrán. Otros no. La verificación con Lean captará errores o los confirmará. El Grupo Asesor del IAS emitirá su opinión. OpenAI ha prometido mejorar la presentación y someter para publicación formal.

El cronograma para esos pasos es incierto. Pero la señal subyacente ya es visible: los modelos de IA de vanguardia se están moviendo más allá de la completar patrones hacia dominios que requieren abstracción genuina y razonamiento multi-paso a lo largo de horizontes largos. Si eso se traduce en ventaja práctica para OpenAI o se convierte en un recurso compartido para la comunidad matemática depende de decisiones que aún no se han tomado. OpenAI no ha cerrado los resultados detrás de un muro de pago. Ha invitado al escrutinio. Eso no es nada. Pero tampoco es una garantía de que la comunidad más amplia se beneficiará por igual de lo que viene después.

Lo que está claro es que la vara de lo que cuenta como razonamiento de IA se ha movido. Se movió más esta semana que en todos los años anteriores. La pregunta ya no es si las máquinas pueden participar en la investigación matemática. La pregunta es cuánto de ella terminarán haciendo, quién se beneficiará y quién tendrá la capacidad de decidir.