Avance matemático de OpenAI: la IA resuelve un problema científico de 42 años en 12 horas
OpenAI informa que investigadores utilizaron ChatGPT para resolver un problema matemático que había permanecido sin solución durante 42 años en solo 12 horas, lo que marca un paso significativo hacia una IA capaz de realizar investigaciones a largo plazo a nivel humano.
Revolución de la IA en la ciencia: cómo ChatGPT resolvió un problema matemático de 42 años en 12 horas
Introducción
En abril de 2026 ocurrió un evento que podría convertirse en un punto de inflexión en la historia de la investigación científica. Un problema que había desconcertado a los matemáticos durante 42 años se resolvió en 12 horas. La herramienta que logró este avance no fue una nueva arquitectura de supercomputadora ni un matemático brillante, sino una conversación humana con ChatGPT.
Este logro va mucho más allá de la curiosidad académica. Por primera vez, un modelo de lenguaje grande demostró la capacidad de mantener un razonamiento sostenido, coherente y productivo al nivel requerido para un trabajo de investigación real. Mientras que antes se veía a la IA como una herramienta para recuperar información o generar respuestas simples, ahora comienza a actuar como un compañero científico en toda regla. Este artículo analiza los detalles de este evento, su importancia para el mundo de la ciencia y la tecnología, las reacciones de los actores clave de la industria y las predicciones para el futuro.
Detalles del evento y cronología
El problema que había permanecido sin resolver durante 42 años
En el centro de la historia hay un problema de teoría de optimización relacionado con la convergencia de un algoritmo clásico. Durante más de cuatro décadas, los matemáticos habían intentado sin éxito demostrar ciertas propiedades de este algoritmo, que es fundamental para el aprendizaje automático, el procesamiento de señales y la economía. El problema era bien conocido en círculos reducidos, pero se consideraba extremadamente difícil y resistente a los métodos existentes.
El diálogo de 12 horas: cómo sucedió
La figura clave en el evento es Ernest Ryu, investigador senior de OpenAI. En un podcast de la empresa, describió un proceso de tres días que tomó un total de aproximadamente 12 horas de interacción pura con ChatGPT. El flujo de trabajo era radicalmente diferente del uso típico de un chatbot:
- Naturaleza iterativa del trabajo: Ryu no hizo una pregunta y recibió una respuesta instantánea. En cambio, entabló un diálogo con el modelo, señalando constantemente errores, refinando la dirección del razonamiento y ajustando el enfoque.
- Navegando por un laberinto: Ryu comparó el proceso con navegar por un laberinto, donde en cada giro hay que evaluar una hipótesis, probar su validez y avanzar o retroceder. Actuó como el capitán que "tiene el mapa" (estrategia general), mientras que el modelo generaba docenas de caminos posibles y pasos intermedios.
- El momento decisivo: Al tercer día de trabajo, el modelo hizo un cambio pequeño pero críticamente importante en su razonamiento. Como señaló Ryu, el nuevo argumento "parecía diferente". Fue esta dirección "diferente" la que rompió el punto muerto lógico y completó la demostración.
Una vez obtenida la demostración, Ryu la verificó personalmente varias veces, luego pidió a estudiantes que revisaran cada paso. Todas las pruebas confirmaron la corrección absoluta del resultado.
Impacto y significado
Para el mundo científico: un cambio de herramienta a participante
Este evento marca un cambio de paradigma en la comprensión del papel de la IA en la ciencia. Hace solo dos años, los modelos a menudo cometían errores en tareas aritméticas simples o en la planificación de horarios. Hoy, participan en la resolución de problemas a nivel de investigación.
Según el informe de OpenAI "IA como científico investigador", el uso de ChatGPT por parte de los científicos difiere drásticamente del del usuario promedio. El científico promedio escribe 3,5 veces más mensajes, y el número de consultas relacionadas con programación y depuración supera las tasas típicas en 12 veces. Esto indica una integración profunda de la IA en el flujo de trabajo: desde la búsqueda de ideas en la literatura hasta la generación de código para simulaciones y derivaciones matemáticas.
Para la industria y la tecnología: qué hay detrás del avance
Los escépticos podrían preguntarse: ¿no es esto solo una coincidencia afortunada o una exageración? Sin embargo, el análisis del método revela un cambio tecnológico fundamental.
Según Sébastien Bubeck, investigador de OpenAI, el principal avance no es que el modelo se haya vuelto "más inteligente" en un solo momento, sino en su capacidad para mantener un razonamiento sostenido y coherente. Los modelos anteriores funcionaban bien con cadenas de pensamiento cortas (Chain-of-Thought), pero "perdían el hilo" en tareas complejas de múltiples pasos.
Los sistemas modernos, incluidos los utilizados por Ryu, son capaces de:
- Metacognición: El modelo puede evaluar sus propias conclusiones intermedias y revisarlas si encuentra un error.
- Búsqueda y síntesis: Al generar código, fórmulas y bloques de texto, la IA puede acceder a "memoria externa" (contexto del diálogo o archivos) para evitar perder detalles importantes.
Para la sociedad: aceleración del progreso científico
Las predicciones de OpenAI, expresadas por el vicepresidente de ciencia Kevin Weil, suenan ambiciosas pero están tomando forma concreta: "alcanzar el nivel de desarrollo científico de 2050 para 2030".
Los ejemplos prácticos ya se extienden más allá de las matemáticas:
- Física: El teórico Alex Lupsasca pasó meses derivando ecuaciones para agujeros negros cuánticos. GPT-5 Pro reprodujo el mismo resultado en 18 minutos.
- Biología: En colaboración con RetroBioSciences, OpenAI creó un modelo especializado, GPT-4B Micro, que diseñó nuevas proteínas para el rejuvenecimiento celular, superando los mejores diseños manuales.
Para la sociedad, esto significa una aceleración potencial en el desarrollo de medicamentos contra el cáncer, la creación de materiales sostenibles y la resolución de problemas climáticos en órdenes de magnitud más rápidos.
Reacciones de los actores clave
La reacción de la comunidad científica y tecnológica fue mixta: desde la euforia hasta las críticas severas, lo que pone de relieve la complejidad del momento.
La comunidad matemática expresó tanto admiración como preocupación. Cuando OpenAI afirmó haber resuelto 15 problemas no resueltos de Erdős, resultó que en algunos casos el modelo no tanto los "resolvió" sino que encontró soluciones olvidadas en archivos de hace 20 años. El renombrado matemático Terence Tao señaló que "muchos de los problemas simples de Erdős ahora tienen más probabilidades de ser resueltos por métodos de IA que por humanos". Al mismo tiempo, advirtió sobre la "industrialización de las matemáticas", donde la IA actúa como un asistente poderoso pero que necesita supervisión.
Los competidores de OpenAI reaccionaron con dureza. Demis Hassabis, director de Google DeepMind, calificó de "vergonzosa" la afirmación ruidosa pero insuficientemente verificada de OpenAI sobre un número récord de problemas resueltos. Esto subraya lo mucho que está en juego en la carrera por crear una "AGI científica" y lo inaceptable de los errores de comunicación.
La comunidad académica está iniciando la institucionalización. En EE. UU., se ha lanzado la misión "Génesis", un programa gubernamental para crear una plataforma unificada de IA para el descubrimiento científico, que combine laboratorios nacionales, universidades y centros de datos. Esto significa que la IA en la ciencia ya no es un juguete para empresas privadas, sino que se convierte en un asunto de competitividad nacional.
Predicciones y conclusiones
Resolver un problema de 42 años en 12 horas no es el punto final, sino solo el comienzo de una nueva era. Demuestra que hemos entrado en una fase en la que la IA es capaz no solo de procesar información, sino también de generar nuevo conocimiento en diálogo con los humanos.
Sin embargo, el futuro no será despejado. La investigación de OpenAI ha demostrado que las alucinaciones de la IA son matemáticamente inevitables. El modelo siempre generará datos incorrectos con cierta probabilidad. Eliminar por completo las alucinaciones haría que la IA fuera demasiado lenta e insegura para el uso masivo. Por lo tanto, el principio de humano en el circuito permanecerá en la ciencia. El papel del científico pasa de resolver ecuaciones rutinarias a formular problemas, verificar resultados y seleccionar direcciones.
Conclusiones:
- La IA se está convirtiendo en un científico investigador, no solo en un motor de búsqueda. Está penetrando en el corazón mismo del proceso creativo: la demostración matemática.
- Los requisitos para los científicos están cambiando. Las habilidades clave se convierten en el pensamiento crítico y el arte de "prompting" (la capacidad de hacer las preguntas correctas al modelo).
- Nos espera una aceleración. Décadas de progreso científico podrían comprimirse en años, pero la responsabilidad última por la verdad y la dirección de la investigación seguirá siendo humana.
El propio Ernest Ryu, impresionado por el resultado, dejó su puesto académico y se unió a OpenAI para desarrollar datos sintéticos para entrenar modelos. Su historia es la mejor prueba de que la tecnología no solo está cambiando las herramientas, sino también las trayectorias vitales de las personas que impulsan la ciencia.
— Editorial Team
Aún no hay comentarios.