La IA científica del MIT elevó sus aciertos y redujo el costo a USD $15

Una investigación del MIT reporta que, en 16 meses, la proporción de preguntas teóricas avanzadas respondidas con éxito por modelos de IA subió de 2,8% a 34,6%, mientras el costo computacional de obtener una respuesta con la máxima puntuación bajó de USD $170 a USD $15.

***

• El equipo comparó seis generaciones de modelos de OpenAI con las mismas 254 preguntas teóricas, tomadas de investigaciones recientes en siete campos.
• El modelo más reciente alcanzó la máxima puntuación en 88 preguntas, frente a siete del modelo más antiguo; hubo mejoras en las siete áreas evaluadas.
• Los autores advierten que el cálculo no incluye el trabajo humano y que la revisión matemática independiente de las respuestas fue limitada.

Un estudio de investigadores del Instituto Tecnológico de Massachusetts (MIT) encontró que los modelos de inteligencia artificial mejoraron su desempeño en preguntas teóricas avanzadas de ciencias y redujeron de forma pronunciada el costo computacional de producir respuestas con la máxima puntuación.

En 16 meses, la proporción de preguntas contestadas con éxito pasó de 2,8% a 34,6%, mientras el costo reportado cayó de aproximadamente USD $170 a USD $15, una disminución de once veces.

Los resultados apuntan a que ciertas tareas de razonamiento teórico podrían volverse más accesibles para investigadores, incluso fuera de sus áreas habituales de especialización. Sin embargo, el equipo también marca una diferencia fundamental: generar una respuesta plausible no demuestra por sí mismo que se haya producido conocimiento científico nuevo, ni reemplaza la labor humana de formular preguntas, verificar resultados e interpretarlos.

Una comparación con las mismas preguntas

Gabriel Manso, Claudio Mayrink Verdun y Neil Thompson evaluaron seis generaciones de modelos de OpenAI, lanzadas entre diciembre de 2024 y abril de 2026. Para comparar su desempeño, cada modelo recibió el mismo conjunto de 254 preguntas teóricas extraídas de artículos científicos recientes, una decisión metodológica que permite observar cómo cambiaron las respuestas entre generaciones bajo una prueba común.

Las preguntas cubrían siete campos, entre ellos matemáticas, física y economía, y planteaban problemas teóricos abordados en investigaciones publicadas. Los modelos recibieron las preguntas junto con sus supuestos subyacentes, pero no pudieron consultar los artículos originales ni buscar información en internet, por lo que la prueba evaluó sus respuestas en las condiciones delimitadas por el experimento.

Después, los investigadores contrastaron las respuestas con las conclusiones alcanzadas por los autores humanos de los artículos de origen. El modelo más reciente obtuvo la puntuación máxima en 88 de las 254 preguntas, frente a solo siete para el modelo más antiguo; el avance, según el estudio, apareció en los siete campos evaluados y no quedó restringido a una sola disciplina.

La proporción de respuestas exitosas aumentó de 2,8% a 34,6% durante los 16 meses observados. Esa diferencia muestra una mejora considerable dentro de esta prueba específica, aunque no debe leerse como una medición general de toda la investigación científica ni como evidencia de que los modelos resuelvan de manera confiable cualquier problema teórico que se les plantee.

Menor costo computacional, más posibilidades de exploración

El equipo también siguió el costo computacional asociado con producir una respuesta que recibiera la máxima puntuación. En el período analizado, esa cifra bajó de aproximadamente USD $170 a USD $15, una reducción de once veces que acompaña el aumento en la proporción de respuestas exitosas y sugiere que obtener ese nivel de desempeño requiere ahora menos recursos de cómputo.

La caída del costo podría cambiar qué preguntas resulta práctico explorar, de acuerdo con la interpretación de los investigadores. Si una consulta teórica demanda menos recursos computacionales, los científicos podrían considerar más problemas que antes veían como demasiado lentos o costosos de abordar mediante estos métodos, aunque el estudio no afirma que esa exploración vaya a producir automáticamente hallazgos válidos.

Otra posibilidad planteada por el equipo es que estas herramientas amplíen el acceso a métodos teóricos avanzados para científicos que trabajan fuera de sus especialidades tradicionales. En ese escenario, el modelo podría servir como apoyo para examinar problemas de otros campos, pero la utilidad concreta dependería de que los investigadores sepan formular una pregunta relevante y evaluar si la respuesta se sostiene.

La noticia sobre el estudio, reportada por Robotics & Automation News, presenta los resultados como una señal de que el costo puede influir en la organización de la investigación y en la selección de temas. La reducción observada no elimina el trabajo intelectual necesario para determinar qué vale la pena investigar; más bien, puede desplazar parte de las restricciones desde el cómputo hacia la formulación, comprobación e interpretación de las respuestas.

Por qué una respuesta plausible no basta

Los autores destacan una limitación central: contestar una pregunta teórica de forma convincente no equivale a establecer un nuevo conocimiento científico. Una respuesta puede coincidir con la conclusión de un artículo y aun así requerir comprobaciones adicionales antes de que los investigadores puedan determinar su validez, su alcance y su relación con lo que ya se conoce.

Además, las respuestas se calificaron principalmente mediante inteligencia artificial y la revisión matemática independiente fue limitada. Ese detalle importa porque la puntuación máxima refleja el resultado del método de evaluación empleado, pero no constituye por sí sola una confirmación independiente y exhaustiva de cada paso del razonamiento producido por los modelos.

Los costos reportados tampoco abarcan el trabajo humano ni el esfuerzo que exige verificar las conclusiones. Por eso, los USD $15 describen el componente computacional señalado en el estudio para obtener una respuesta con la máxima puntuación, no el costo total de completar una investigación científica o de validar un resultado para incorporarlo al conocimiento de un campo.

Los científicos aún deben identificar preguntas que merezcan atención, poner a prueba las respuestas y establecer cómo se integran los posibles resultados en la literatura existente. Los investigadores plantean que, a medida que el razonamiento teórico se abarate, estas tareas podrían convertirse en restricciones más importantes para el progreso científico; el estudio, por tanto, describe una oportunidad y también un límite, no una sustitución del proceso de investigación.

El trabajo, titulado AI Disruption and Falling Costs in Theory Research, figura entre las publicaciones de octubre de 2026 de FutureTech del MIT y plantea que la IA podría modificar tanto la velocidad del descubrimiento como la manera en que se organiza la investigación y se eligen sus preguntas. Los datos respaldan una mejora y un abaratamiento dentro de una evaluación concreta, mientras que la validación humana y la calidad de las preguntas siguen siendo esenciales para convertir respuestas computacionales en conocimiento fiable.

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