# GPT-5.4 Pro encuentra contraejemplo a la hipótesis sobre medidas gaussianas no centradas
El modelo GPT-5.4 Pro generó un contraejemplo a la hipótesis que extendía la Desigualdad de Correlación Gaussiana (GCI) a medidas gaussianas no centradas. La solución, formateada como un artículo de tres páginas, fue aceptada por la plataforma solveall.org el 12 de marzo de 2026. El contraejemplo refuta la suposición de que la desigualdad se mantiene al desplazar la media de la distribución gaussiana.
Desigualdad de Correlación Gaussiana: Historia y esencia
La GCI se formula para distribuciones gaussianas centradas: la probabilidad de la intersección de dos conjuntos convexos simétricos es al menos el producto de sus probabilidades marginales. El caso bidimensional fue demostrado por Loren Pitt en 1977. Una demostración completa para dimensiones arbitrarias fue presentada por Thomas Royen en 2014: simple y elegante, pero inicialmente infravalorada por la comunidad.
En 2025, Shehei Nakamura y Hiroshi Tsuji generalizaron el resultado a conjuntos con un baricentro gaussiano común. La pregunta sobre medidas gaussianas no centradas arbitrarias, donde la media no coincide con el origen, permanecía abierta.
Contraejemplo de GPT-5.4 Pro
El modelo construyó un contraejemplo bidimensional: dos tiras simétricas casi paralelas, con la media gaussiana desplazada de modo que la intersección de las tiras tiene una probabilidad inferior al producto de las probabilidades individuales. La construcción aprovecha la intuición geométrica: el desplazamiento de la media provoca un decaimiento rápido en la probabilidad de intersección en el límite.
El contraejemplo se generaliza a dimensiones n ≥ 2. En el caso unidimensional, el modelo demostró que la desigualdad se cumple: los intervalos convexos simétricos en la recta están anidados uno dentro del otro.
La solución está formateada en LaTeX como un artículo completo con definiciones, lemas, demostraciones mediante coordenadas polares y argumentos de límites, además de una bibliografía.
La plataforma solveall.org y el contexto
Solveall.org es una colección curada de problemas abiertos en teoría de la probabilidad y campos relacionados, creada por Edgar Dobriban de la Wharton School of Business. La plataforma sirve como referencia para el razonamiento de IA. El problema de la GCI estaba sin resolver desde que se añadió.
La solución fue enviada por el usuario Liam Price, confirmando su generación por GPT-5.4 Pro y verificación por otros modelos.
Éxitos previos de GPT-5
La serie GPT-5 demuestra avances en la resolución de problemas matemáticos:
- Enero de 2026: GPT-5.2 Pro resolvió el problema de Erdős #728 sobre divisibilidad factorial.
- Marzo de 2026: GPT-5.4 abordó el problema FrontierMath de Bartosz Naskrencki (20 años en desarrollo).
El contraejemplo de la GCI destaca por su enfoque creativo: no cálculos, sino una construcción geométrica que tradicionalmente requiere intuición humana. El problema era un «fruto maduro al alcance»: poco explorado tras 2025, resoluble con métodos elementales.
Lecciones clave
- GPT-5.4 Pro refutó la hipótesis de la GCI para medidas no centradas mediante un contraejemplo bidimensional con tiras simétricas.
- La construcción se generaliza a n ≥ 2; en 1D, la desigualdad se cumple.
- La solución usa coordenadas polares y límites: técnicas básicas.
- Solveall.org se valida como referencia de IA en matemáticas.
- Destaca el cambio de los modelos de IA del cálculo al pensamiento geométrico.
Este caso ilustra cómo los modelos modernos abordan problemas que requieren perspicacia en lugar de fuerza bruta. Para los desarrolladores de IA, las pruebas en plataformas como esta son cada vez más relevantes.
— Editorial Team
Aún no hay comentarios.