OpenAI ha generado un nuevo terremoto en el mundo científico al publicar tres demostraciones masivas que abordan problemas fundamentales en matemáticas, física y ciencias de la computación. El anuncio, realizado ayer, sacudió a estos campos y dejó a los expertos en estado de asombro. Las pruebas, generadas por un modelo de lenguaje de gran escala (LLM) propiedad de la empresa, resuelven incógnitas que llevaban décadas abiertas, pero también han avivado la polémica por la falta de transparencia y por contradicciones con las recomendaciones de un panel de expertos que la propia OpenAI convocó.
La noticia tiene una relevancia inmediata para México y América Latina, donde la investigación en matemáticas y ciencias de la computación es clave para el desarrollo tecnológico y la formación de talento. La irrupción de la inteligencia artificial en la resolución de problemas teóricos plantea nuevas oportunidades y desafíos para académicos y estudiantes de la región, que observan cómo las reglas del juego científico están cambiando.
OpenAI publica tres pruebas históricas
Las tres demostraciones anunciadas por OpenAI abordan respectivamente la conjetura de Kakeya (geometría y análisis armónico), el problema de Yang-Mills (física de partículas) y la hipótesis del tiempo exponencial (complejidad computacional). Cada una de ellas representa un avance significativo en su área, y dos de los resultados coinciden con trabajos estrechamente relacionados desarrollados por Anthropic, su competidor directo.
El modelo que produjo las pruebas sigue siendo privado, y no se han hecho públicos los prompts exactos utilizados, el tiempo de cómputo empleado ni las cadenas de razonamiento internas. Esta opacidad ha generado críticas, especialmente porque OpenAI había organizado un Grupo Asesor en Matemáticas e Inteligencia Artificial (AGMAI) precisamente para responder a las quejas de la comunidad matemática sobre la falta de rigor y transparencia en estos lanzamientos.
La conjetura de Kakeya: resuelta en todas las dimensiones
La conjetura de Kakeya, uno de los problemas más importantes del análisis armónico, plantea cuál es el volumen mínimo que puede ocupar una aguja al girar en todas las direcciones en un espacio de dimensión dada. Dos matemáticos probaron la conjetura en tres dimensiones el año pasado, un hito que valió a Hong Wang la Medalla Fields en el Congreso Internacional de Matemáticos celebrado este verano en Filadelfia. Sin embargo, la pregunta seguía abierta en dimensiones superiores. En la anterior avalancha de resultados de OpenAI, el modelo resolvió el caso de cuatro dimensiones; ahora, la empresa afirma haber resuelto el problema en todas las dimensiones, demostrando que existe un límite para el espacio mínimo que puede ocupar una aguja en cualquier dimensión.
El problema de Yang-Mills: un millón de dólares en juego
El problema de Yang-Mills es uno de los cinco problemas del milenio aún abiertos, dotados con un millón de dólares por el Instituto Clay de Matemáticas. Se refiere a si la matemática que sustenta el Modelo Estándar de la física de partículas es consistente. La pregunta se divide en dos partes: la existencia y la brecha de masa. OpenAI afirma haber demostrado la primera parte, es decir, que la teoría de Yang-Mills existe matemáticamente en todos los casos relevantes. La segunda parte, que pregunta si cierta cantidad llamada brecha de masa es siempre mayor que cero, sigue abierta.
En la década de 1980, el matemático Tadeusz Balaban publicó una serie de densos artículos que esbozaban un camino para probar la existencia, pero nadie había completado el programa debido a su enorme complejidad. Recientemente, algunos expertos comenzaron a utilizar LLM para generar los pasos intermedios, y un equipo liderado por Ethan Sussman, de la Universidad Northwestern, en colaboración con el empleado de Anthropic Levent Alpöge, creó un repositorio público en GitHub con ese objetivo. Según los involucrados, estaban cerca de terminar, pero OpenAI se les habría adelantado con una prueba no publicada. AGMAI ya ha exigido a OpenAI que publique el documento, argumentando que no hay razón científica para retrasar su divulgación.
La hipótesis del tiempo exponencial: un golpe al corazón de la complejidad
La hipótesis del tiempo exponencial (ETH, por sus siglas en inglés) postula que el problema 3-SAT, una tarea clásica en ciencias de la computación, no puede resolverse en menos tiempo que el exponencial. Esto implica que cualquier algoritmo que lo resuelva se volverá exponencialmente más lento a medida que aumente el número de variables. La prueba de OpenAI proporciona un algoritmo que resuelve 3-SAT en un tiempo ligeramente inferior al exponencial, refutando así la ETH.
La ETH es importante por su relación con el problema P versus NP, otro de los problemas del milenio, y ampliamente considerado uno de los más difíciles, con implicaciones directas para la criptografía moderna. Aunque el nuevo resultado no resuelve P versus NP, sus efectos potenciales son tan amplios que OpenAI ha recurrido a expertos externos para validar la prueba. Russell Impagliazzo y Ramamohan Paturi, de la Universidad de California en San Diego, quienes propusieron la ETH en 1999, junto con Ryan Williams, del MIT, están trabajando con OpenAI en una investigación independiente. La empresa también patrocinará una conferencia de ciencias de la computación sobre la prueba como parte de este proceso de verificación.
Anthropic responde con su propia prueba
La controversia no se hizo esperar. Pocas horas después del anuncio de OpenAI, Anthropic publicó su propio resultado independiente que también refuta la ETH, basado en el trabajo de un modelo interno de la compañía. Este duelo de demostraciones ha sorprendido a los científicos, que ahora se enfrentan a dos pruebas no revisadas por pares y con metodologías no divulgadas. La coincidencia en el tiempo y en el tema sugiere una competencia feroz entre las dos empresas por demostrar la capacidad de sus modelos en tareas de razonamiento avanzado.
Expertos en matemáticas y ciencias de la computación han expresado tanto entusiasmo como escepticismo. Por un lado, si las pruebas son correctas, representarían avances históricos. Por otro, la falta de transparencia y la premura de los anuncios recuerdan a episodios anteriores de “slop drops” (vertidos de resultados generados por IA) que han generado desconfianza en la comunidad. La validación independiente será crucial para determinar la validez de estos hallazgos.
Implicaciones para la ciencia y la tecnología en Latinoamérica
Para México y América Latina, estos desarrollos subrayan la importancia de fortalecer la investigación en matemáticas, física y ciencias de la computación, así como de adoptar marcos éticos y de verificación rigurosos frente al uso de inteligencia artificial en la ciencia. La región cuenta con talento reconocido en estas áreas, y la colaboración con instituciones internacionales y empresas tecnológicas podría ser clave para participar en la validación y aplicación de estos avances.
Además, la opacidad de los modelos y la falta de acceso a los detalles técnicos plantean interrogantes sobre la reproducibilidad y la equidad en la ciencia. Los académicos latinoamericanos, muchos de ellos con recursos limitados, podrían quedar en desventaja si los resultados fundamentales solo pueden ser verificados por quienes tienen acceso a los modelos propietarios. Esto refuerza el llamado a promover la ciencia abierta y la cooperación internacional.
OpenAI ha indicado que esta es una noticia en desarrollo y que se actualizará. Mientras tanto, la comunidad científica espera ansiosa la publicación completa de las pruebas y los resultados de la investigación independiente. El debate sobre el papel de la inteligencia artificial en la generación de conocimiento está lejos de terminar.