Un modelo interno de la compañía aportó resultados en más de 300 problemas de investigación, incluida una variante de la hipótesis de Riemann. El anuncio, casi silencioso, ha dejado a los matemáticos divididos entre el asombro y la desconfianza.
La noticia llegó sin ruido. Sin rueda de prensa, sin presentación en vivo, sin esas diapositivas que prometen revoluciones cada trimestre. OpenAI se limitó a publicar que un modelo interno de inteligencia artificial había aportado resultados en más de 300 problemas matemáticos abiertos.
La cifra, así escrita, parece un dato más. Pero en los departamentos de matemáticas de medio mundo, donde se sabe lo que cuesta arañar un teorema, la publicación ha sido tomada como una auténtica bomba.
Los resultados, según la compañía, cubren un espectro amplio: álgebra, geometría, ecuaciones diferenciales, teoría de números. No son ejercicios de libro de texto ni problemas de olimpiada; son preguntas que la comunidad arrastraba sin respuesta, algunas durante años y que ahora aparecen resueltas (o parcialmente resueltas) por un sistema que nadie fuera de OpenAI ha podido examinar en detalle.
Un avance en la órbita de Riemann
Entre los hallazgos, hay uno que ha hecho correr especialmente la voz. El modelo habría logrado un avance en una versión modificada de la hipótesis de Riemann, uno de los objetos más venerados y esquivos de las matemáticas.
La publicación, no incluye la solución de ninguno de los problemas del Milenio que siguen abiertos, esos enigmas designados a comienzos de siglo como retos capitales y dotados con un millón de dólares cada uno.
Dentro del gremio de las matemáticas: existe una mezcla de admiración genuina, vértigo profesional y una pregunta que pocos formulan en voz alta. Si un modelo cerrado logra en una noche lo que la comunidad persiguió durante años, ¿En qué lugar se queda el oficio del matemático real?
La herida del mes pasado
OpenAI, ya ha provocado la exaltación del mundo de las matemáticas anteriormente, el mes pasado provocó una reacción airada entre matemáticos por la forma en que gestionó su solución a uno de los problemas del Milenio. Las críticas no se dirigieron tanto al resultado como al método: opacidad, falta de diálogo, la sensación de que la compañía jugaba en un terreno compartido sin respetar del todo sus reglas.
El problema de fondo es estructural. La matemática avanza gracias a un pacto tácito que lleva siglos funcionando: se publica, se revisa, se discute, se corrige. El crédito se reparte y el error se expone.
Un modelo propietario, en cambio, opera bajo otra lógica. No muestra sus cartas, no se somete al mismo escrutinio y no permite que la comunidad verifique paso a paso. La confianza, en matemáticas, no se pide: se gana con demostraciones comprobables.
Por eso, no sorprende que una junta asesora independiente (a la que la propia OpenAI consultó sobre cómo compartir los resultados) fuera tajante en septiembre: “No respaldamos esta práctica y les pedimos que dejen de probar problemas matemáticos avanzados dentro de modelos propietarios”.
La petición es clara y también incómoda, y señala claramente hacia una tensión que ninguna compañía de IA ha resuelto aún: la de medir su capacidad en un terreno que no controla, con reglas que no ha escrito y ante un jurado que no ha elegido.
La respuesta de la compañía
OpenAI defendió su trabajo con una declaración breve y ambiciosa: “Queremos que este progreso impulse la frontera del conocimiento humano y permita más avances en matemáticas”.
Es una frase, que leída puede parecer agradable; pero que deja sin responder las preguntas que más importan: cómo se verificará cada resultado, quién firma los hallazgos, qué ocurre con los problemas que quedaron a medias. La grandeza del propósito, no exime de la obligación de explicar el método.
Y en matemáticas, mucho más que en cualquier otra disciplina, el cómo pesa tanto como el qué.
Una disciplina que ya no es la misma
Lo que está ocurriendo estos meses trasciende a OpenAI. La IA ha entrado en las matemáticas por la puerta de atrás, casi sin pedir permiso, y ha empezado a mover los muebles sin dar ningún tipo de explicación.
Esto, NO sustituye el juicio humano, pero sí está reordenando la geografía del descubrimiento: qué se busca, cómo se busca, quién lo encuentra y a quién se le atribuye.
Existe quien ve en esto una oportunidad histórica: máquinas que exploran territorios donde la intuición humana se agota, que sugieren caminos que nadie había considerado, que aceleran décadas de trabajo en meses. Más, hay quiénes ven en ello toda una amenaza: una disciplina construida sobre la transparencia, colonizada por cajas negras que rinden cuentas a sus accionistas antes que a sus pares.
Las dos lecturas son compatibles, y seguramente ambos punto de vista sean completamente ciertos.
El anuncio de los 300 problemas no es solo una proeza técnica, es un espejo en el que la comunidad científica empieza a mirarse. Y también es, una invitación a decidir qué relación se quiere tener con unas máquinas que ya no se limitan solamente a calcular: también son capaces de, presuntamente, descubrir.
Queda por ver si esa relación será de colaboración o de desconfianza, Más, lo que ya no se encuentra dentro de la discusión es, el hecho de que realmente algo ha cambiado para siempre dentro del ámbito científico.
Descubre más desde CIBERED
Suscríbete y recibe las últimas entradas en tu correo electrónico.
