Un modelo interno de OpenAI habría resuelto o avanzado en 372 problemas abiertos de matemática y computación teórica. Algunos resultados ya fueron verificados con Lean, pero matemáticos reclaman acceso al modelo, los prompts y los datos de cómputo para validar el alcance de las afirmaciones.
OpenAI volvió a sacudir el mundo de las matemáticas con una afirmación de enorme alcance: su nuevo modelo interno de inteligencia artificial habría producido 372 resultados que resuelven o generan avances sustanciales en problemas abiertos de matemática y ciencias de la computación teórica.
El anuncio llega apenas un mes después de que la compañía presentara un avance relacionado con uno de los grandes problemas abiertos de la matemática, en un episodio que ya había generado controversia entre investigadores. Esta vez, OpenAI publicó los nuevos resultados en un repositorio de GitHub, pero mantuvo el modelo utilizado fuera del alcance del público.
Entre los resultados que la compañía atribuye a su sistema aparecen una solución a la conjetura de Kakeya en cuatro dimensiones, mejoras en algunos de los algoritmos informáticos más importantes y avances sobre la hipótesis de Riemann, uno de los problemas más célebres y difíciles de la matemática.
La escala de la afirmación, sin embargo, viene acompañada de una importante advertencia: los matemáticos todavía necesitan analizar los resultados para determinar cuáles contienen ideas realmente nuevas y relevantes y cuáles son, principalmente, combinaciones de técnicas matemáticas ya conocidas.
Algunos de los resultados ya fueron verificados mediante Lean, un lenguaje de programación utilizado para comprobar formalmente la lógica de las demostraciones. Esa verificación hace que esos resultados sean, en términos lógicos, prácticamente seguros, aunque todavía queda por establecer su grado de novedad e importancia matemática.
De 10.000 agentes a uno solo
Uno de los aspectos más llamativos del anuncio es la diferencia con el trabajo anterior de OpenAI sobre el problema de Navier-Stokes.
Según explicó un portavoz de la compañía a Scientific American, el nuevo modelo produjo casi todos los resultados a partir de un único prompt entregado a un único agente de IA. El portavoz aclaró, no obstante, que algunos resultados podrían haber requerido múltiples intentos.
La diferencia con el trabajo anterior es enorme. Para abordar Navier-Stokes, OpenAI había utilizado un enjambre de aproximadamente 10.000 agentes, con un costo de millones de dólares en capacidad de cómputo.
Si la nueva afirmación se confirma, significaría que una capacidad matemática que hasta hace poco requería una infraestructura gigantesca podría eventualmente estar disponible con una cantidad de recursos mucho menor.
Pero justamente allí aparece uno de los principales cuestionamientos de la comunidad matemática.
“Hasta que publiquen el modelo y la gente pueda replicar sus resultados, creo que deberían tratar todas las afirmaciones sobre resolver problemas de una sola vez con un único agente como no verificadas”, señaló Andrew Sutherland, matemático del Massachusetts Institute of Technology (MIT). “Deberíamos pedir las pruebas.”
El problema no es solamente verificar si las demostraciones son correctas. También se trata de determinar si constituyen verdaderos avances matemáticos y si las ideas utilizadas pueden ser comprendidas y reutilizadas por investigadores humanos.
La transparencia vuelve a estar en el centro
La publicación llega en medio de una discusión más amplia sobre la forma en que OpenAI comunica sus avances matemáticos.
Después de la controversia alrededor de su trabajo sobre Navier-Stokes, la compañía anunció el 21 de septiembre la creación de un grupo asesor independiente integrado por matemáticos para recomendar cómo publicar responsablemente resultados generados por IA.
Las recomendaciones elaboradas por ese grupo fueron claras: cuando una compañía publique resultados matemáticos producidos por IA debería hacer públicos el modelo, el prompt exacto y el tiempo de cómputo utilizado para cada resultado.
OpenAI está siguiendo solamente una parte de esas recomendaciones. La compañía publica el tiempo de cómputo promedio utilizado para resolver un problema y algunas estadísticas adicionales, pero no los prompts.
El portavoz de OpenAI aseguró a Scientific American que el equipo está tomando seriamente las recomendaciones y tratando de cumplirlas, aunque aclaró que la compañía no está obligada a seguirlas.
El grupo asesor también cuestionó específicamente el uso de modelos internos propietarios que no están disponibles para la comunidad matemática. OpenAI sostiene que está trabajando para liberar su modelo “lo antes posible y de manera responsable”.
Para algunos investigadores, sin embargo, mantener los resultados completamente ocultos sería todavía peor.
“Si queremos conocer las respuestas a estas preguntas matemáticas, no veo ninguna razón para pedirle a la compañía que nos las mantenga en secreto”, afirmó Daniel Litt, matemático de la Universidad de Toronto. “Para mí, va a ser algo bueno para las matemáticas.”
Otros científicos, como el reconocido matemático Terence Tao, han cuestionado públicamente el ritmo que están adquiriendo los laboratorios de IA de frontera en la producción de resultados matemáticos.
La propia velocidad empieza a generar una paradoja. Según OpenAI, muchos de los 372 resultados recientemente publicados todavía no son comprendidos por completo por sus propios matemáticos.
La compañía, sin embargo, no planea reducir el ritmo. OpenAI sostiene que los problemas matemáticos constituyen una prueba indispensable para demostrar que sus sistemas realmente están aumentando su capacidad de razonamiento.
El desafío ahora será determinar si los 372 resultados representan efectivamente un salto histórico para la matemática o si parte de la revolución anunciada todavía necesita ser demostrada. En un campo donde una prueba no vale solamente por llegar a una respuesta, sino también por revelar una idea que otros puedan comprender y utilizar, la velocidad de la IA está planteando una pregunta inédita: ¿qué ocurre cuando las máquinas empiezan a producir resultados matemáticos más rápido de lo que los propios matemáticos pueden estudiarlos?
