Por Canuto  

OpenAI presentó tres resultados que atribuye a sus modelos en matemáticas, informática y física, y propuso distintas formas de someterlos al escrutinio académico. Las afirmaciones incluyen una prueba de la conjetura del suavizado local, una refutación de la ETH y resultados sobre teorías cuánticas de campos, pero la propia empresa reconoce que convertir manuscritos en comprensión científica exige revisión e interpretación independientes.
***

  • La empresa afirma que sus modelos demostraron la conjetura del suavizado local en todas las dimensiones y, con ello, también las conjeturas de Kakeya y de restricción de Stein.
  • Un grupo liderado por Russell Impagliazzo, Ramamohan Paturi y Ryan Williams examinará la supuesta refutación de la Hipótesis del Tiempo Exponencial.
  • Un equipo dirigido por David Gross trabajará en resultados de teoría cuántica de campos, mientras OpenAI pospone la publicación de los artefactos de IA sobre física.

OpenAI anunció tres resultados que atribuye a sus modelos de inteligencia artificial: uno en análisis armónico, otro en teoría de la complejidad computacional y un tercero en teoría cuántica de campos. Las afirmaciones abarcan problemas matemáticos y físicos de larga trayectoria, incluida una supuesta refutación de la Hipótesis del Tiempo Exponencial y una demostración de existencia relacionada con la cromodinámica cuántica. La empresa plantea que los manuscritos generados por sus sistemas son datos de investigación en bruto, no necesariamente explicaciones listas para convertirse en conocimiento compartido.

La publicación, fechada el 26 de octubre de 2026, presenta tres estrategias distintas para avanzar desde esos resultados hacia su interpretación y evaluación académica. En matemáticas, OpenAI publica directamente el material generado por sus modelos; en informática, un grupo externo ayudará a explicarlo mientras los artefactos quedan disponibles; y en física, un equipo académico dirigirá el trabajo y decidió aplazar la publicación de los materiales producidos por la IA. La organización reconoce que aún no sabe cuál de los enfoques resultará más útil.

Un proceso que pone el foco en la revisión académica

La propuesta responde a una diferencia entre producir una demostración y hacer que otros investigadores puedan comprenderla, verificarla y situarla dentro de una disciplina. OpenAI describe los manuscritos como datos de investigación en bruto y señala que contactó a especialistas externos para que actuaran como guías y organizaran grupos de trabajo. En ese marco, cada equipo puede decidir cómo presentar los resultados y qué materiales hacer públicos, en lugar de seguir un protocolo único para los tres campos.

La empresa estableció cuatro principios para esas colaboraciones: transparencia, ausencia de atribución de mérito académico por el descubrimiento original, reconocimiento del trabajo de interpretación y redacción, e independencia de los participantes. Según la publicación, los investigadores no tendrán que firmar acuerdos de confidencialidad y podrán hablar del trabajo, compartir avances y publicar conclusiones. Su participación será voluntaria y no remunerada, y sus opiniones no representarán a OpenAI ni hablarán en nombre de la compañía.

El principio de reconocimiento distingue entre el resultado generado por los modelos internos y el trabajo posterior que permita entenderlo, explicarlo o ampliar sus implicaciones. La compañía sostiene que los grupos deben recibir crédito por los textos y materiales que produzcan, además de contribuir a reconocer correctamente a los investigadores, técnicas e ideas previas de las que depende cada resultado. Esa separación es relevante porque el anuncio reúne afirmaciones extraordinarias, pero también asigna a expertos externos una función de evaluación que no equivale a atribuirles el descubrimiento inicial.

El esquema también tiene límites que la propia organización admite: seleccionar a los primeros guías determina quién participa al comienzo y crea asimetrías de información. OpenAI dice que entregará a los grupos los materiales y artefactos relacionados con cada resultado, aunque la apertura no será idéntica en todos los casos. Para la colaboración informática, los investigadores decidieron liberar de inmediato la demostración en lenguaje natural y su formalización en Lean; para física, acordaron aplazar los artefactos generados por la IA y redactar ellos mismos los materiales.

La afirmación matemática sobre el suavizado local

El resultado de matemáticas se refiere al análisis armónico y a la conjetura del suavizado local, propuesta por Sogge en 1991. De acuerdo con la descripción de OpenAI, la conjetura aborda cómo se comportan las ondas cuando se concentran y sostiene que la concentración más extrema debería durar poco. En un momento típico, la concentración sería mucho menor que la que puede presentarse en el peor caso, una diferencia entre promedios y situaciones extremas que aparece en distintos problemas matemáticos.

La relevancia de la conjetura va más allá de ese comportamiento de las ondas porque, según el anuncio, implica otras cuestiones de amplio alcance en análisis matemático. Entre ellas están la conjetura de Kakeya y la conjetura de restricción de Stein. OpenAI sitúa su afirmación dentro de una secuencia de avances previos: Guth, Wang y Zhang demostraron el suavizado local en dos dimensiones espaciales en 2019, mientras Wang y Zahl probaron la conjetura de Kakeya en tres dimensiones en 2025.

La empresa afirma que sus modelos produjeron una demostración del suavizado local en todas las dimensiones y que, por esa vía, también resuelven Kakeya y la conjetura de restricción de Stein en todas las dimensiones. La nueva prueba, según el texto, se apoya en una ecuación diferencial parcial auxiliar novedosa. OpenAI informó que obtuvo el resultado de IA el 18 de octubre de 2026 y lo formalizó en Lean al día siguiente, antes de optar por publicar tanto el informe en lenguaje natural como la demostración formal en su repositorio público de GitHub.

En este caso, la estrategia consiste en hacer accesible el material original para que investigadores puedan organizar sus propias explicaciones y análisis. La formalización en Lean ofrece un objeto que puede examinarse dentro de un sistema de verificación formal, pero no sustituye por sí sola el trabajo de explicar el argumento y valorar sus consecuencias matemáticas. La publicación invita a la comunidad a estudiar el resultado, aunque no identifica en el anuncio una evaluación independiente ya concluida de la prueba.

La ETH y las implicaciones para la complejidad

El resultado de informática se refiere a la Hipótesis del Tiempo Exponencial, conocida por sus siglas en inglés como ETH, una conjetura sobre la complejidad computacional de resolver fórmulas booleanas de satisfacibilidad. El problema está profundamente relacionado con P vs. NP y la hipótesis se ha considerado ampliamente verdadera. OpenAI indica que cientos de artículos la han usado para derivar resultados condicionales de dificultad computacional en áreas como teoría de grafos, biología computacional, bases de datos y geometría computacional.

La organización sostiene que su sistema demostró que la ETH es falsa y que el resultado fue posteriormente verificado en Lean. Según su cronología, la refutación en lenguaje natural apareció el 16 de octubre de 2026 y la formalización se completó el 17 de octubre. La afirmación podría reabrir preguntas acerca de cuánto más rápidos podrían ser algunos problemas y orientar la búsqueda de algoritmos mejores, pero el anuncio advierte que encontrar esos algoritmos y traducir avances teóricos en mejoras prácticas requerirá una investigación adicional significativa.

El grupo externo encargado de gestionar y examinar el trabajo estará dirigido por Russell Impagliazzo y Ramamohan Paturi, de UC San Diego, y Ryan Williams, del MIT. Impagliazzo y Paturi, junto con Francis Zane, propusieron originalmente la ETH y han publicado trabajos influyentes sobre el tema durante tres décadas. Williams, por su parte, ha refutado versiones fuertes de la hipótesis, la ha utilizado para obtener resultados de dureza y ha conectado el estudio de algoritmos con el de cotas inferiores.

El equipo pidió que los datos en bruto de los resultados se hagan públicos para facilitar una verificación independiente y que OpenAI financie una conferencia sobre las implicaciones del trabajo para el campo. La compañía aceptó ambas solicitudes y señaló que el grupo invita a la comunidad a organizar un examen abierto de la afirmación y debatir asuntos de verificación, acceso, crédito y futuro de la investigación. La publicación de la prueba en lenguaje natural y de su formalización en Lean busca permitir ese escrutinio, pero el anuncio no presenta todavía una conclusión colectiva de la comunidad sobre el resultado.

Teoría cuántica de campos y el desafío de la física

La tercera colaboración aborda una afirmación sobre la existencia matemáticamente rigurosa de ciertas teorías cuánticas de campos interactivas en cuatro dimensiones, con campos de gauge y fermiones. OpenAI dice que el trabajo incluye la cromodinámica cuántica, o QCD, y una completación unificada del Modelo Estándar. También se apoya en el enfoque de Balaban en teoría cuántica de campos constructiva, un área que busca formular estas teorías con rigor matemático.

El anuncio precisa que la demostración se refiere a la teoría de gran unificación más simple que incluye los campos de gauge y los fermiones del Modelo Estándar, ya que el Modelo Estándar por sí mismo no puede extrapolarse a distancias arbitrariamente cortas. El Modelo Estándar describe tres de las cuatro fuerzas fundamentales, sin incluir la gravedad. La QCD, en particular, explica las interacciones de quarks y gluones mediante la fuerza fuerte, mientras la teoría pura de Yang-Mills describe las auto-interacciones de los gluones sin incluir la materia como los quarks.

Como subproblema, el trabajo incluye una demostración de existencia para la teoría pura de Yang-Mills, vinculada al problema del Premio del Milenio del Instituto de Matemáticas Clay sobre esa teoría. David Gross dirigirá el grupo, que también incluye a Michael Douglas, Arthur Jaffe, Igor Klebanov y Nikita Nekrasov. Gross contribuyó en 1973 a establecer la libertad asintótica en las teorías de Yang-Mills, mecanismo que el anuncio identifica como clave para la existencia matemática de estas teorías y que le valió parte del Premio Nobel de Física de 2004.

Los integrantes aportan trayectorias relacionadas con el problema desde distintos ángulos. Jaffe formuló el problema del Premio del Milenio de Yang-Mills junto con Witten y cofundó el Instituto de Matemáticas Clay; Douglas ha gestionado el problema durante los últimos 20 años e informó sobre su estado en 2004, además de ofrecer una actualización exhaustiva a principios de 2026. Klebanov contribuyó a aplicar la dualidad gauge-cuerda al confinamiento y dirige la Simons Collaboration on Confinement and QCD Strings, mientras Nekrasov ha trabajado en métodos exactos para generalizaciones de Yang-Mills y recibió el Premio Dannie Heineman de Física Matemática en 2023.

La cronología de OpenAI indica que sus modelos produjeron una demostración en lenguaje natural de la existencia de Yang-Mills el 9 de septiembre de 2026 y otra para QCD el 18 de septiembre. La empresa aplazó la publicación por la longitud y complejidad del trabajo, y afirma que terminó la formalización en Lean de Yang-Mills el 16 de octubre. A diferencia de los otros dos casos, el grupo de física decidió posponer la publicación de los artefactos de IA y trabajar en redactar los materiales por su cuenta; las comunicaciones sobre este esfuerzo deben dirigirse a YANGMILLS4D@gmail.com.

Financiación y próximos pasos

OpenAI afirma que las colaboraciones complementan una contribución de USD $5.000.000 anunciada recientemente para la Simons Foundation. La fundación administrará y otorgará esos recursos para respaldar talleres, conferencias y programas especiales destinados a que investigadores comprendan los resultados generados por IA y puedan construir sobre ellos. La compañía también dice que se compromete a asegurar financiación para que los científicos examinen, expliquen y amplíen de manera independiente los hallazgos anteriores.

La empresa presenta estas iniciativas como parte de una transición posible hacia una investigación en la que humanos y sistemas de IA trabajen conjuntamente, pero deja abiertas preguntas sobre cómo verificar afirmaciones extraordinarias y distribuir el crédito. En física, espera que los resultados puedan contribuir a que la teoría cuántica de campos, un marco central de la física teórica moderna, avance hacia formulaciones matemáticamente rigurosas. Por ahora, el anuncio describe pruebas y colaboraciones en curso, no un consenso académico ya alcanzado sobre sus consecuencias finales.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados