Investigadores se apresuraron a publicar avance matemático antes de que OpenAI difundiese hallazgos de sus modelos

Un equipo liderado por Dor Minzer aceleró la publicación de un resultado sobre una variante de la conjetura de los juegos únicos ante los rumores de una prueba de OpenAI. El episodio expone tanto el alcance potencial de la IA matemática como las inquietudes de investigadores sobre la revisión, la autoría y el valor de equivocarse durante años de trabajo.
***

• Dor Minzer, Yumou Fei y Shuo Wang publicaron en septiembre un resultado 4-a-1 vinculado con la conjetura 2-a-1 de Subhash Khot.
• OpenAI anunció el 6 de octubre una demostración de la conjetura de los juegos únicos y otros resultados matemáticos, según el reportaje de Quanta Magazine.
• El equipo de Minzer destacó que los intentos fallidos fueron esenciales para el avance y expresó preocupación por el efecto de la IA en la investigación.

Una publicación bajo presión

El 11 de septiembre de 2026, Dor Minzer recibió un mensaje que le preguntaba si estaba por resolver uno de los problemas abiertos más conocidos de la informática teórica. Al principio, el profesor del Instituto Tecnológico de Massachusetts creyó que se trataba de una broma; después llegaron más mensajes y tomó forma el rumor de que OpenAI había encontrado una demostración de la conjetura de los juegos únicos. La empresa podía anunciarla en cualquier momento, y algunos colegas aconsejaron a Minzer que publicara pronto sus propios resultados.

Minzer no había demostrado esa conjetura, pero él y sus estudiantes de posgrado Yumou Fei y Shuo Wang acababan de obtener un resultado histórico sobre una pregunta estrechamente relacionada. El equipo todavía redactaba el trabajo, un proceso que suele extenderse durante meses, cuando los rumores sobre OpenAI los llevaron a acelerar el cierre del manuscrito para evitar que un anuncio de la empresa eclipsara sus hallazgos.

El trío publicó el artículo en línea tres días después de recibir los primeros mensajes, aunque advirtió desde la primera página que el texto estaba completo desde el punto de vista matemático, pero todavía no tenía la forma en que deseaban compartirlo. El documento tenía 95 páginas y priorizaba la exhaustividad por encima de la claridad, una decisión que el equipo consideró necesaria ante la posibilidad de que OpenAI hiciera pública su demostración.

La publicación de Minzer, Fei y Wang apareció en septiembre y abordó una variante del problema planteado por el teórico Subhash Khot. El 6 de octubre, OpenAI anunció que su modelo había obtenido una demostración de la conjetura de los juegos únicos y otros resultados en distintas áreas matemáticas, de acuerdo con el reportaje de Quanta Magazine. Ryan O’Donnell, informático teórico de la Universidad Carnegie Mellon, calificó el trabajo del equipo como otro resultado verdaderamente destacado dentro de la trayectoria de Minzer.

Por qué importa la conjetura

La conjetura de los juegos únicos estudia problemas de satisfacción de restricciones, en los que hay que cumplir simultáneamente varias reglas que pueden entrar en conflicto. El desafío puede ilustrarse con un grafo, una red de nodos unidos por aristas: cada conexión impone una condición sobre los colores asignados a sus extremos, como exigir que tengan el mismo color o que uno sea rojo cuando el otro es azul.

Resolver estos problemas de manera exacta puede resultar difícil, incluso cuando existe una solución que cumple todas las reglas; en otros casos, las restricciones chocan y una solución perfecta no existe. Por eso, los investigadores también analizan métodos aproximados que satisfacen solo una parte de las condiciones y buscan entender por qué algunas aproximaciones son accesibles mientras otras siguen siendo computacionalmente difíciles.

Khot formuló la conjetura de los juegos únicos en un artículo de 2002, cuando todavía cursaba estudios de posgrado. Su propuesta sostiene, en términos generales, que puede ser difícil encontrar una asignación que cumpla incluso una fracción muy pequeña de las restricciones, aunque el problema permita conformarse con una solución de baja calidad. La intuición sugeriría que relajar las exigencias facilita la tarea, pero la conjetura afirma que existen instancias en las que esa expectativa falla.

El interés del problema va más allá del coloreo de grafos, porque la conjetura conecta con preguntas de campos distintos, como la geometría de las espumas y las propiedades de los sistemas de votación. En 2008, Prasad Raghavendra demostró que, si la conjetura es correcta, un algoritmo clásico ofrece la mejor estrategia posible para una amplia clase de problemas de satisfacción de restricciones sin solución perfecta, sin que las particularidades de cada caso permitan mejorarla.

La variante 2-a-1 y el resultado del equipo

La conjetura original tiene un límite: se ocupa de situaciones en las que la mejor solución satisface la mayoría de las restricciones, pero no establece qué ocurre cuando existe una solución perfecta. Khot reconoció esa brecha y propuso una variante llamada problema de los juegos 2-a-1, donde las reglas son más flexibles: en lugar de dejar una sola opción para el color de un nodo al fijar el color del otro, permiten dos posibilidades.

Para esa variante, Khot conjeturó que incluso cuando todas las restricciones pueden cumplirse, podría ser difícil encontrar una solución que satisfaga cualquier fracción mínima de ellas. Una demostración tendría consecuencias para problemas que no quedan cubiertos por la conjetura de los juegos únicos, entre ellos preguntas clásicas sobre el coloreo de grafos. Minzer, Fei y Wang demostraron una versión ligeramente más débil, pero con consecuencias muy próximas.

El resultado del equipo corresponde a una variante 4-a-1, que ofrece cuatro opciones para cada restricción en vez de las dos de la conjetura original. Aun con esa diferencia, sus implicaciones incluyen un avance sobre un problema de coloreo que precede por décadas al trabajo de Khot: cuando un grafo puede colorearse con tres colores, encontrar esa solución ya podía ser prohibitivamente difícil, y el nuevo resultado muestra que permitir colores adicionales tampoco garantiza una salida fácil.

La conclusión implica que pueden existir grafos particularmente difíciles de colorear aunque se autorice una paleta mucho mayor, una perspectiva que Mark Braverman, de la Universidad de Princeton, resumió con una imagen: no se puede resolver el problema ni siquiera con toda la caja de Crayola. Los teóricos de la complejidad llevaban décadas buscando un resultado de ese tipo, que había sido una de las motivaciones originales de Khot para proponer sus conjeturas sobre coloreo.

Siete años de trabajo y una nueva discusión sobre la IA

El avance de Minzer tiene una historia de varios años. En 2018, cuando aún era estudiante de posgrado, participó de manera central en un resultado reconocido como el primer progreso importante hacia las dos conjeturas de Khot, pero la investigación se estancó; en 2025 retomó el problema 2-a-1 con Fei y Wang, quienes acababan de terminar su primer año de posgrado y una primera colaboración fructífera.

El equipo necesitaba conectar el problema de coloreo con otro cuya dificultad ya se entendiera mejor. Un trabajo previo de Minzer había transformado el problema en uno sobre códigos correctores de errores, técnicas que permiten detectar y corregir fallos en mensajes transmitidos; Fei y Wang encontraron un nuevo enfoque para construir esos códigos, pero durante meses no lograron integrarlo con las demás piezas necesarias para completar la demostración.

Minzer describió esa etapa como una situación en la que necesitaban que ocurrieran milagros y se alinearan todos los astros, mientras Fei comparó los intentos de ensamblar la prueba con tratar de unir un círculo y un triángulo en un rompecabezas. En abril de 2026, después de varios fracasos, consiguieron combinar el nuevo código con los elementos anteriores y hacer funcionar el argumento; para Minzer, el avance consistió en tomar cinco intentos fallidos y engraparles la pieza que faltaba.

El anuncio de OpenAI puso ese logro en un contexto nuevo. La empresa afirmó que su modelo había demostrado la conjetura de los juegos únicos y, entre los resultados anunciados, incluyó una prueba de la conjetura 2-a-1 verificada en Lean, un asistente de demostración formal. Sin embargo, según el reportaje de Quanta Magazine, el manuscrito generado por IA no había pasado por edición humana ni por una revisión independiente de expertos, una distinción importante al evaluar un resultado matemático de esa magnitud.

La demostración de Minzer y sus colegas tampoco estaba lista como texto final: el propio investigador señaló que, desde la sección seis, el manuscrito prácticamente carecía de palabras de conexión y encadenaba definiciones y pruebas intermedias. El equipo dijo que planeaba publicar una versión nueva cuando terminara de desarrollarla, mientras O’Donnell encontró un valor particular en que los investigadores resolvieran el problema con su trabajo intelectual y redactaran el artículo por sí mismos.

OpenAI presentó su anuncio como parte de una serie de resultados matemáticos que incluyó 40 demostraciones de informática teórica, según el reportaje de Quanta Magazine. Braverman había advertido en septiembre que anunciar matemáticas mediante comunicados de prensa podía crear incertidumbre y malestar en la comunidad, aunque también consideró que una prueba generada por IA podría abrir líneas de investigación si los expertos logran identificar sus supuestos clave y explorar qué ocurre al modificarlos.

Ese proceso de análisis no es automático: extraer los ingredientes centrales de una prueba generada por IA puede ser difícil, pero podría revelar nuevas preguntas en lugar de cerrar el tema con un único resultado. Braverman insistió en que el anuncio no tenía por qué ser un asunto de una sola vez, y planteó la posibilidad de que la demostración impulse a otros investigadores a examinar variaciones y consecuencias que todavía no se han explorado.

Minzer, en cambio, expresó preocupación por lo que estas herramientas pueden quitarle al proceso de investigación. A su juicio, fracasar y comprender por qué falló un intento tiene valor, mientras que el uso de IA puede eliminar parte de ese aprendizaje; también teme que los avances de empresas con enormes recursos desalienten proyectos ambiciosos que requieren años de esfuerzo, sobre todo porque los investigadores humanos necesitan dormir, comer y atravesar cambios de ánimo, y nunca saben si una compañía los adelantará.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.
Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.

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