La IA de Google resolvió problemas de Erdős: dos llevaban 56 años sin solución y superaron la revisión científica
El sistema de IA AlphaProof Nexus, de Google DeepMind, ha resuelto nueve problemas de la legendaria colección de problemas abiertos del matemático Paul Erdős; dos de ellos llevaban sin respuesta más de medio siglo. Los resultados han sido aprobados tras la revisión por pares de la prestigiosa revista Science, lo que convierte a este caso en una de las pruebas más sólidas hasta la fecha de que la IA empieza a resolver investigación matemática real, y no solo problemas de competición bien entrenados.
Cuando la IA deja de impresionar sobre el papel y empieza a hacer matemáticas de verdad
Existe una diferencia decisiva entre superar una métrica de rendimiento bien entrenada y resolver un problema que investigadores reales han abandonado. Esa diferencia empieza ahora a desdibujarse.
Según The Decoder, el sistema de IA AlphaProof Nexus, de Google DeepMind, ha resuelto docenas de problemas matemáticos abiertos por su cuenta, y sus resultados han sido aprobados tras la revisión por pares en Science, una de las revistas científicas más prestigiosas del mundo. Es un hito difícil de desestimar.
Los problemas de Erdős: conjeturas notoriamente difíciles de un mito de las matemáticas
El matemático húngaro Paul Erdős dedicó su vida a formular conjeturas desafiantes en combinatoria y teoría de números: problemas fáciles de enunciar pero terriblemente difíciles de demostrar. Su colección de 353 denominados problemas de Erdős ha servido durante mucho tiempo como un referente no oficial de la agudeza matemática.
AlphaProof Nexus resolvió nueve de estos 353 problemas. Dos de ellos llevaban 56 años sin solución. Además, el equipo de investigación decidió publicar las soluciones en internet de forma abierta antes de que se hiciera pública el artículo científico, un movimiento poco habitual que refleja confianza.
Además, el sistema demostró 44 conjeturas sobre relaciones numéricas procedentes de la base de datos OEIS, un conocido registro de sucesiones de números enteros en matemáticas; resolvió una cuestión abierta de geometría algebraica y mejoró una cota conocida en la optimización min-max, una técnica que se utiliza, entre otros usos, en el entrenamiento de modelos de IA. Se trata, por tanto, de un sistema que mejora en parte las condiciones en las que se entrenarán los futuros sistemas de IA.
Cómo funciona el sistema: un elegante bucle de retroalimentación
Lo que hace técnicamente interesante la arquitectura de AlphaProof Nexus es la forma en que sus componentes colaboran. El núcleo es Gemini 3.1 Pro, que formula y revisa demostraciones matemáticas en el lenguaje formal Lean, un sistema de demostración legible por máquina en el que cada afirmación debe ser lógicamente correcta para ser aceptada.
Lean comprueba cada borrador después de cada cambio y envía los mensajes de error a Gemini, que ajusta su siguiente intento. En esencia, se trata de un ciclo de revisión rápido y automatizado: el sistema no puede engañarse a sí mismo formulando una demostración que parece convincente pero contiene fallos lógicos. La demostración se sostiene o no se sostiene.
En los subproblemas más exigentes, el sistema también puede recurrir a AlphaProof, una herramienta especializada en demostraciones. Pero lo interesante, según Google, es que AlphaProof Nexus resolvió los nueve problemas de Erdős incluso sin la ayuda de AlphaProof. Esto indica que el modelo de lenguaje general, combinado con la verificación formal, es más potente de lo que muchos esperaban.
¿Qué diferencia esto de los logros anteriores de la IA en matemáticas?
Han existido sistemas de IA capaces de superar competiciones matemáticas de nivel olímpico, y es impresionante. Pero los problemas de competición están diseñados para tener soluciones: están bien definidos, acotados y resueltos de antemano por los organizadores.
Los problemas de investigación abiertos son distintos. Nadie sabe si siquiera son resolubles, nadie dispone de una solución de referencia con la que comparar, y las soluciones deben superar el examen de expertos que buscan activamente errores. Superar la revisión científica por pares en Science es un listón completamente diferente.
Ese es el listón que AlphaProof Nexus acaba de superar.
Un avance de amplio alcance
Las matemáticas son fundamentales para prácticamente toda la ciencia natural, la ingeniería y, sobre todo, la investigación en IA. Cuando los sistemas de IA empiezan a hacer contribuciones originales a las matemáticas, se abren puertas en varias direcciones simultáneamente: un desarrollo teórico más rápido, la verificación automatizada de demostraciones complejas y enfoques potencialmente nuevos para problemas que han bloqueado el avance en física, criptografía y teoría de la optimización.
Ya no se trata de si la IA desempeñará un papel en la investigación avanzada. Esa pregunta ya tiene respuesta.