OpenAI anunció que su modelo interno de inteligencia artificial ha generado avances en tres de los problemas científicos más intrincados que la comunidad ha tratado durante décadas. El primero corresponde al llamado problema de Kakeya, una conjetura matemática que investiga los conjuntos que contienen un segmento unitario en todas las direcciones. Aunque la demostración aún no ha sido verificada, los investigadores de OpenAI aseguran que su IA ha encontrado una vía que podría esclarecer la hipótesis, reavivando el debate que lleva más de treinta años.
El segundo avance se sitúa en la informática teórica, específicamente en la hipótesis del tiempo exponencial. Esta tesis sostiene que ciertos problemas computacionales no pueden resolverse en tiempo subexponencial mediante algoritmos exactos. El modelo de OpenAI habría producido argumentos que cuestionan esa limitación, sugiriendo la posibilidad de algoritmos más eficientes para problemas que antes se consideraban intratables.
En el ámbito de la física, la IA de OpenAI abordó la cromodinámica cuántica, la teoría que describe la interacción fuerte entre quarks y gluones. Los resultados, aunque todavía bajo reserva, apuntan a nuevas formas de entender la dinámica de la fuerza nuclear fuerte, un terreno que ha desafiado a físicos teóricos desde su formulación.
A diferencia del bombardeo de más de 700 resultados matemáticos que la compañía divulgó el pasado 6 de octubre, esta vez OpenAI optó por una estrategia de publicación más cautelosa. La empresa afirma que, tras recibir críticas de la comunidad matemática, está considerando los manuscritos como “datos de investigación sin procesar” y busca la colaboración de expertos externos para validar y difundir los hallazgos.
OpenAI ha consultado a académicos que recomiendan tres vías distintas: publicar directamente los resultados de matemáticas y dejar que la comunidad los analice; crear un grupo externo para la informática, mientras se comparte el contenido generado; y, para la física, delegar la decisión final de publicación a un equipo colaborativo externo.
El mensaje central es claro: una demostración generada por IA no equivale a una solución aceptada. La comunidad académica deberá revisar la validez de los razonamientos, la adecuación de la formalización y la robustez de las conclusiones. El tiempo dirá si estos avances marcan un hito real o si permanecerán como datos que aún deben pasar el riguroso escrutinio científico.
Fuente: xataka