Algo inusual está ocurriendo en el mundo de las matemáticas puras, y no proviene de un laboratorio universitario. OpenAI afirma que un sistema interno de IA ha ayudado a resolver diez problemas de matemáticas y de informática teórica que habían permanecido sin solución durante al menos una década y, en algunos casos, mucho más tiempo. El anuncio, junto con una iniciativa independiente que abre el acceso avanzado a ChatGPT a 100.000 investigadores, indica que los avances de la IA en matemáticas están pasando de ser una novedad a convertirse en auténta infraestructura de investigación.
Summary
Conclusiones clave
- OpenAI lanzó ChatGPT para Investigadores Académicos, dando a 100.000 científicos y matemáticos acceso gratuito a sus modelos ChatGPT más avanzados.
- Un modelo no publicado de OpenAI produjo en mayo una refutación generada por IA de la conjetura de la distancia unitaria de Erdős.
- Diez nuevos resultados, logrados con una versión interna de un modelo de próxima generación llamado Astra, resuelven problemas abiertos en ocho campos de las matemáticas y de la informática teórica.
- Encontrar las soluciones costó aproximadamente 2.000 $ en tokens a las tarifas de la API de Sol, según OpenAI.
- Investigadores humanos convirtieron los argumentos generados por la IA en manuscritos, y luego el modelo formalizó cada prueba en un certificado de Lean.
OpenAI abre el acceso a ChatGPT a 100.000 investigadores académicos
El punto de partida de OpenAI para este impulso es el acceso, no solo la producción. La empresa lanzó recientemente ChatGPT para Investigadores Académicos, una iniciativa que ofrece a 100.000 científicos y matemáticos el uso gratuito de sus modelos ChatGPT más capaces. La idea, tal como la plantea OpenAI, es poner herramientas de razonamiento más potentes directamente en manos de personas que trabajan en problemas sin resolver, en lugar de mantener los modelos más avanzados detrás de un muro de pago reservado a clientes empresariales.
Eso es importante porque el acceso ha sido a menudo el cuello de botella para la investigación asistida por IA. Los presupuestos académicos rara vez alcanzan para cubrir suscripciones de IA premium a gran escala, y que investigadores individuales prueben modelos de frontera en cuestiones matemáticas de nicho no es algo que la mayoría de las instituciones pueda financiar de forma amplia. Al eliminar esa barrera para una gran cohorte de científicos, OpenAI está apostando efectivamente a que un acceso más amplio sacará a la luz más resultados del tipo que ahora está mostrando.
Un avance silencioso: la IA refuta la conjetura de la distancia unitaria de Erdős
En mayo, OpenAI compartió algo que insinuaba lo que estaba por venir: una refutación generada por IA de la conjetura de la distancia unitaria de Erdős, un problema vinculado al matemático Paul Erdős que había desconcertado a los investigadores durante años. La refutación surgió casi por accidente, descubierta mientras OpenAI evaluaba un modelo no publicado en lugar de durante un esfuerzo de investigación dedicado.
Ese único resultado resultó ser más que una curiosidad aislada. Según OpenAI, la refutación de Erdős ya ha inspirado nuevos desarrollos en matemáticas y en informática teórica, con artículos posteriores que se basan en el enfoque. Este es uno de los momentos más claros de “por qué importa” en la historia: cuando un resultado generado por IA desencadena trabajo de seguimiento por parte de matemáticos humanos, sugiere que estos sistemas no solo están produciendo respuestas aisladas, sino que están aportando técnicas que otros investigadores pueden ampliar.
Diez nuevas soluciones impulsadas por IA a problemas que los matemáticos no pudieron resolver durante décadas
La pieza central del anuncio de OpenAI es un conjunto de diez nuevos resultados, todos abordando problemas que no habían visto avances en su cuestión principal durante al menos diez años y, en muchos casos, considerablemente más. OpenAI describe estos problemas como de gran interés para sus respectivas comunidades matemáticas, y varios de ellos se consideran importantes para las matemáticas en su conjunto.
Alcance y diversidad de los problemas resueltos
Los diez resultados abarcan una amplia gama de territorios técnicos: geometría de alta dimensión, teoría de códigos, complejidad de circuitos aritméticos, teoría de grupos, álgebras de operadores, complejidad cuántica, criptografía de retículas y combinatoria extrema. Esa amplitud es en sí misma notable: no se trata de subpreguntas adyacentes en un único nicho, sino de problemas abiertos distintos de diferentes rincones de las matemáticas y de la informática, cada uno con su propia historia de investigación de décadas.
Entre los avances específicos que enumeró OpenAI:
- Nuevas cotas superiores sobre la densidad de empaquetamiento de esferas en altas dimensiones, alcanzando el umbral de Cohn–Elkies.
- Cotas exponencialmente mejoradas sobre el tamaño máximo de códigos binarios y esféricos de alta dimensión a una distancia mínima dada.
- Una construcción que demuestra la existencia de grupos no sóficos, resolviendo una cuestión abierta central en teoría de grupos.
- Una refutación de la conjetura de rigidez de Connes, que sostenía que ciertos grupos están determinados de forma única por sus álgebras de von Neumann.
- Nuevas cotas inferiores para el cálculo del permanente mediante circuitos aritméticos, incluida una cota inferior para fórmulas aritméticas del orden de n^4/log n.
- Un teorema de repetición paralela exponencial para juegos cuánticos generales de dos jugadores, que extiende un principio clásico de complejidad al ámbito cuántico.
- Dureza de aproximación por un factor polinómico para el problema del vector más cercano, una cuestión de retículas relevante para la criptografía poscuántica.
- Una resolución, en cada dimensión, del volumen máximo de un cuerpo convexo cuyo baricentro es su único punto interior de retícula, parte de la conjetura de volumen de Ehrhart.
- Una cota inferior superexponencial para los números de Ramsey de triángulos multicolor, resolviendo el problema 183 de Erdős.
- Resultados sobre conjeturas de compacidad y degeneración en teoría extrema de grafos, resolviendo los problemas 146 y 180 de Erdős.
Proceso técnico y eficiencia de costos con el modelo Astra
Los diez resultados fueron producidos por una versión interna de Astra, descrito por OpenAI como su próximo gran modelo. Lo que destaca es el costo: OpenAI estima que el uso total de tokens necesario para encontrar soluciones a los diez problemas rondaría los 2.000 $ a las tarifas de la API de Sol. Para investigaciones en las que los matemáticos humanos no lograron avances durante una década o más, unos pocos miles de dólares en cómputo es un precio sorprendentemente bajo, y es una de las señales más claras de cómo los avances de la IA en matemáticas están cambiando la economía de abordar problemas abiertos difíciles.
Sin embargo, el proceso no estuvo totalmente automatizado. Investigadores humanos tomaron los argumentos brutos del modelo y los convirtieron en manuscritos estructurados, trabajando junto con el mismo modelo. Después de eso, el propio modelo formalizó cada argumento en un certificado de Lean, un formato de prueba verificable por máquina que se utiliza para comprobar afirmaciones matemáticas con rigor. OpenAI también publicó una narración del proceso de pensamiento del modelo para cada solución, dando a los investigadores externos una ventana a cómo el sistema razonó su camino hasta cada respuesta.
Esa combinación —argumentos generados por IA, manuscritos preparados por humanos y certificados de Lean formalizados por máquina— apunta a un flujo de trabajo en el que los sistemas de IA generan la intuición matemática bruta mientras que las herramientas de verificación formal y la supervisión humana se encargan de la confirmación. Es una división del trabajo que podría convertirse en un modelo a medida que más resultados asistidos por IA empiecen a aparecer en otros problemas abiertos.
Por qué esto importa para la investigación y la competencia
La implicación más amplia va más allá de diez problemas resueltos. Si un único modelo interno puede producir resultados de calidad publicable en ocho disciplinas matemáticas distintas por aproximadamente 2.000 $ en cómputo, la limitación para abordar problemas abiertos de larga data empieza a desplazarse de la intuición matemática hacia el acceso a modelos capaces, que es precisamente lo que el programa de acceso académico de OpenAI está diseñado para ampliar. Esa combinación de cómputo barato y amplio acceso para investigadores probablemente atraerá la atención de laboratorios de IA rivales y de departamentos de matemáticas que evalúan cómo integrar estas herramientas en su propio trabajo.
OpenAI también señala que esta línea de trabajo ya ha impulsado investigaciones adicionales basadas en la refutación de la conjetura de Erdős, con varios artículos de seguimiento que exploran cuestiones relacionadas en teoría suma-producto, geometría de incidencias y complejidad computacional. Que ese impulso continúe al mismo ritmo, o que otros laboratorios de IA produzcan resultados comparables con modelos diferentes, probablemente determinará la rapidez con la que la generación de pruebas asistida por IA se integre en la práctica matemática cotidiana.
Preguntas frecuentes
¿Qué es ChatGPT para Investigadores Académicos?
Es una iniciativa de OpenAI que proporciona a 100.000 científicos y matemáticos acceso gratuito a modelos avanzados de ChatGPT para acelerar los descubrimientos.
¿Qué problema matemático de larga data refutó el modelo de IA de OpenAI?
Se produjo una refutación generada por IA de la conjetura de la distancia unitaria de Erdős utilizando un modelo no publicado de OpenAI, que se dio a conocer por primera vez en mayo.
¿Qué tipos de problemas resolvió Astra con ayuda de la IA?
Astra, el modelo interno de próxima generación de OpenAI, produjo resultados en geometría de alta dimensión, teoría de códigos, complejidad de circuitos aritméticos, teoría de grupos, álgebras de operadores, complejidad cuántica, criptografía de retículas y combinatoria extrema.
¿Cómo se validaron las pruebas generadas por la IA?
Investigadores humanos prepararon manuscritos a partir de los argumentos generados por la IA, y luego el modelo formalizó cada prueba en un certificado de Lean para su verificación mediante máquina.
{«@context»:»https://schema.org»,»@type»:»FAQPage»,»mainEntity»:[{«@type»:»Question»,»name»:»¿Qué es ChatGPT para Investigadores Académicos?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Es una iniciativa de OpenAI que proporciona a 100.000 científicos y matemáticos acceso gratuito a modelos avanzados de ChatGPT para acelerar los descubrimientos.»}},{«@type»:»Question»,»name»:»¿Qué problema matemático de larga data refutó el modelo de IA de OpenAI?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Se produjo una refutación generada por IA de la conjetura de la distancia unitaria de Erdős utilizando un modelo no publicado de OpenAI, que se dio a conocer por primera vez en mayo.»}},{«@type»:»Question»,»name»:»¿Qué tipos de problemas resolvió Astra con ayuda de la IA?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Astra, el modelo interno de próxima generación de OpenAI, produjo resultados en geometría de alta dimensión, teoría de códigos, complejidad de circuitos aritméticos, teoría de grupos, álgebras de operadores, complejidad cuántica, criptografía de retículas y combinatoria extrema.»}},{«@type»:»Question»,»name»:»¿Cómo se validaron las pruebas generadas por la IA?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Investigadores humanos prepararon manuscritos a partir de los argumentos generados por la IA, y luego el modelo formalizó cada prueba en un certificado de Lean para su verificación mediante máquina.»}}]}
Artículo producido con la ayuda de inteligencia artificial y revisado por el equipo editorial.
