OpenAI publica supuestas soluciones a 700 problemas matemáticos sin resolver: pero ¿qué vale una demostración si ningún ser humano la ha creado?

Una revolución silenciosa en la historia de las matemáticas

No hubo rueda de prensa ni fanfarria. OpenAI optó por publicar quizá su trabajo más provocador hasta la fecha mediante una subida silenciosa a la plataforma de código GitHub. Más de 700 manuscritos matemáticos, con supuestas soluciones a problemas que en algunos casos llevan décadas sin resolverse. Según el blog de matemáticas Proofs and Prompts, que recopiló más de cien reacciones de investigadores de todo el mundo, es difícil encontrar una sola palabra que describa el ambiente, pero «conmoción» es quizá lo más cercano.

Es fácil entender por qué.

Reacciones que van de la admiración a la parálisis

El medallista Fields Terence Tao —quizá el matemático más admirado de nuestro tiempo— describe sentimientos encontrados ante la publicación. Las demostraciones parecen contener «ideas nuevas inteligentes», reconoce, pero al mismo tiempo se siente «profundamente frustrado» por una carencia fundamental: no hay personas detrás del trabajo. Nadie que pueda subir a un escenario de una conferencia para presentar sus ideas, nadie que pueda responder preguntas, nadie que pueda enseñar las ideas a la siguiente generación.

Es una crítica que llega directamente al corazón de lo que las matemáticas son en realidad: no solo fórmulas y demostraciones, sino una conversación viva entre seres pensantes a lo largo de generaciones.

Peter Scholze, también medallista Fields, pide paciencia y recuerda que las matemáticas son «un maratón, no un sprint». Pero al mismo tiempo plantea una advertencia que va mucho más allá del ámbito académico: si estos sistemas son lo bastante potentes para resolver problemas matemáticos difíciles, podrían también encontrar la manera de romper métodos de cifrado de uso generalizado. Las consecuencias para la infraestructura digital serían, en tal caso, difíciles de exagerar.

Alvaro Lozano-Robledo adopta una perspectiva más histórica y califica el día de «quizá el más importante de la historia de las matemáticas», pero se apresura a añadir que OpenAI no logró demostrar el más codiciado de todos los problemas, la hipótesis de Riemann. Solo una variante más débil de ella. Es como haber conquistado casi toda la montaña, pero no del todo la cima.

Ben Green describe algunos resultados como «absolutamente asombrosos» y constata que la publicación resuelve aproximadamente tres cuartas partes de los objetivos de investigación que abarca una subvención europea de prestigio en la que él trabaja.

La pregunta que no se puede ignorar: ¿resisten las demostraciones?

Aquí es importante ser técnicamente honestos. Que un sistema de IA produzca un razonamiento matemático que parece convincente no es lo mismo que decir que es correcto. Los modelos de lenguaje de gran tamaño actuales son extremadamente hábiles para construir texto coherente —incluidos los argumentos matemáticos—, pero también pueden alucinar pasos intermedios, cometer errores lógicos sutiles o presentar razonamientos circulares con una seguridad aplastante.

La respuesta tradicional de los matemáticos a una nueva demostración es la revisión por pares: otros expertos revisan cada paso y cuestionan cada supuesto. Ese proceso lleva tiempo, a veces años. Con 700 manuscritos publicados de una sola vez, la tarea es de proporciones vertiginosas. La comunidad investigadora simplemente no tiene capacidad para verificarlo todo con rapidez.

Esto no es un argumento contra el papel de la IA en las matemáticas. Es un argumento a favor de que necesitamos mejores herramientas y procesos para verificar las demostraciones generadas por IA: sistemas formales de demostración, controles automatizados y estándares claros sobre qué cuenta como resultado aprobado.

Las matemáticas son más que respuestas

La objeción quizá más profunda no es técnica, sino filosófica. Las matemáticas siempre han tratado de algo más que encontrar respuestas: tratan de comprensión, de intuición, de ver por qué algo es verdad. Si un sistema de IA entrega una demostración correcta que ningún ser humano entiende o puede explicar intuitivamente, ¿hemos aprendido realmente algo?

Es una pregunta para la que no tengo una respuesta sencilla. Pero creo que sería un error verla como una razón para detenerse. Más bien es una invitación a repensar qué implica realmente el conocimiento matemático y cómo nos relacionamos los seres humanos con máquinas que pueden pensar más rápido, pero quizá no más profundamente.