MONTEVIDEO (Infoesfera/por Rafael Montoro) – La publicación llega apenas un mes después de que la empresa anunciara que había logrado descifrar la ecuación de Navier-Stokes
OpenAI difundió días atrás 377 resultados matemáticos nuevos que abarcan álgebra, teoría de números, informática teórica, lógica matemática y topología. La cifra sorprendió a la comunidad de matemáticos, que en los últimos meses ha visto cómo los modelos de inteligencia artificial resuelven problemas abiertos que hasta hace poco parecían inalcanzables para las máquinas.
La publicación llega apenas un mes después de que la empresa anunciara que había logrado descifrar la ecuación de Navier-Stokes, uno de los llamados Problemas del Milenio, cuya solución tenía ofrecida una recompensa de un millón de dólares.
Ese antecedente ya había abierto un debate sobre los límites del razonamiento artificial en matemática, y la nueva tanda de resultados lo profundiza.
Qué significan los 377 resultados matemáticos de OpenAI
Los 377 hallazgos publicados utilizaron un modelo de inteligencia artificial más avanzado que no se ha lanzado públicamente, el mismo tipo de sistema que había resuelto el problema de Navier-Stokes. Muchas de las demostraciones fueron comprobadas con Lean, un lenguaje informático que verifica la lógica matemática subyacente a cada solución.
Para apenas diez de esas soluciones, la empresa ofreció además resúmenes explicativos de cómo el modelo llegó a su resultado. Según indicó OpenAI, cada demostración promedio demandó cerca de tres horas de cómputo.
El origen de estos problemas también llama la atención. Las empresas de inteligencia artificial venían probando sus modelos con ejercicios ya existentes, como los que se plantean en la Olimpiada Internacional de Matemática para estudiantes de secundaria.
Cuando los sistemas comenzaron a resolverlos sin dificultad, el equipo de OpenAI diseñó nuevos parámetros basados en problemas matemáticos sin resolver, ubicados en la frontera de la investigación actual. Una parte de esos problemas inéditos es la que se dio a conocer esta semana.
Dan Roberts, líder de investigación de OpenAI, explicó que probar los modelos de manera interna resulta necesario para desarrollar mejores herramientas, y que las demostraciones matemáticas surgieron como un subproducto de ese proceso de prueba.
El debate sobre si la inteligencia artificial razona o copia en matemática
El logro con Navier-Stokes había dejado abierta una pregunta que todavía no se resolvió: si los modelos de OpenAI despliegan un pensamiento creativo propio o si simplemente completan los pasos finales de una demostración después de apoyarse en ideas ya desarrolladas por matemáticos humanos. La avalancha de 377 resultados reaviva esa misma duda, ahora multiplicada por la escala de la publicación.
Tristan Buckmaster, matemático de la Universidad de Nueva York que trabajaba en el problema de Navier-Stokes resuelto por OpenAI, planteó una inquietud puntual sobre esta dinámica. En sus palabras: "Es probable que haya un montón de resultados en los que toman el trabajo de alguien y luego lo llevan a su conclusión".
Buckmaster también cuestionó la forma en que se publicó el conjunto de resultados. Dijo en una entrevista que, frente a semejante volumen de soluciones difundidas de una sola vez, "no creo que hayan hecho en absoluto algún tipo de debida diligencia".
La controversia no se limita a la autoría intelectual de los hallazgos. También se discute el efecto que tiene este ritmo de producción sobre la disciplina en su conjunto.
Kai Shaikh, estudiante de posgrado en Matemáticas de la Universidad de Toronto, resumió la tensión de esta manera: "Creo que en el centro de este problema está el hecho de que los humanos tenemos dos naturalezas contrapuestas: una tendencia a competir y una capacidad de apreciar la belleza. Para mí, este parece ser un caso de la primera intentando estrangular a la segunda".
Cómo responde OpenAI a las recomendaciones del consejo asesor de matemáticos
Hace un par de semanas, OpenAI informó que trabaja junto a un consejo asesor de matemáticos encargado de recomendar cómo deben comunicarse los resultados generados por inteligencia artificial. El grupo funciona dentro del Instituto de Estudios Avanzados de Princeton, en Nueva Jersey, y opera de manera independiente de cualquier empresa de inteligencia artificial.
Ese consejo había sugerido, entre otras medidas, que se publiquen todas las instrucciones entregadas a los agentes de inteligencia artificial junto con las cadenas de pensamiento que esos agentes siguen para llegar a sus soluciones.
El martes por la noche, el consejo emitió un comunicado en el que calificó la publicación de los 377 resultados como "el comienzo, no la finalización, del proceso de comprensión humana y la incorporación del trabajo al conocimiento matemático".Melanie Wood, matemática de Harvard e integrante del consejo asesor, señaló por correo electrónico el objetivo que persigue el grupo: "Queremos crear estándares y prácticas para que los matemáticos puedan comprender los resultados que publican los laboratorios de IA y puedan hacer avanzar el campo".
OpenAI, por su parte, escribió en una publicación de su sitio web que recurrió al asesoramiento del consejo para definir la manera de difundir estos hallazgos.
Sin embargo, la empresa no adoptó una de las recomendaciones centrales del grupo: que las compañías de inteligencia artificial dejen de probar sus modelos de propiedad exclusiva directamente con problemas matemáticos avanzados.
El consejo había sido tajante en ese punto el 29 de septiembre, cuando escribió: "Queremos decirlo claramente desde el principio: no respaldamos esta práctica".
OpenAI supera los límites del lenguaje y resuelve 10 dilemas complejos de matemática
La compañía comunicó mediante su sitio web que una versión interna de Astra consiguió progresos en problemas de matemáticas y ciencias de la computación teórica
Una de las pruebas más notorias del modelo fue la solución de tres problemas formulados por Paul Erdos. (Composición Infobae: OpenAI / REUTERS/Dado Ruvic)
La compañía ha dado a conocer que una versión interna de su próximo modelo de inteligencia artificial, conocido hasta ahora como Astra, logró avances en diez problemas matemáticos que permanecían sin solución desde hace años.
Esta hazaña se presentó en una demostración privada destinada a legisladores de Estados Unidos, lo que refuerza la apuesta de OpenAI por posicionar a su nueva tecnología en el centro de la conversación sobre desarrollo tecnológico y regulación futura.
IA avanzada y matemáticas complejas: el salto de Astra según OpenAI
OpenAI comunicó mediante su sitio web que una versión interna de Astra consiguió progresos en problemas de matemáticas y ciencias de la computación teórica que no habían registrado avances en al menos una década.
El procedimiento empleado consistió en que los investigadores humanos redactaron los argumentos principales y luego Astra los tradujo. (OpenAI)
BleepingComputer fue uno de los primeros medios en difundir que estos resultados se obtuvieron en áreas como geometría de alta dimensión, teoría de códigos, complejidad de circuitos aritméticos, teoría de grupos, complejidad cuántica, criptografía basada en retículos y combinatoria extremal.
Los propios investigadores de la compañía subrayaron el interés que estos temas despiertan en las comunidades matemáticas especializadas y recalcaron que, en varios casos, su relevancia trasciende a las matemáticas en general.
Una de las pruebas más notorias del modelo fue la solución de tres problemas formulados por Paul Erdos, matemático húngaro reconocido por sus contribuciones a la teoría de números y la probabilidad.
Por ejemplo, los resultados se obtuvieron en áreas como geometría. (OpenAI)
El procedimiento empleado consistió en que los investigadores humanos redactaron los argumentos principales y luego Astra los tradujo a certificados en Lean, un lenguaje formal utilizado para verificar la validez de las demostraciones matemáticas.
Este mecanismo permitió consolidar la fiabilidad de los resultados presentados, lo que representa un paso significativo en la colaboración entre humanos y sistemas de inteligencia artificial en el ámbito de la investigación científica.
Astra y su potencial en la colaboración entre agentes de IA
Aunque OpenAI no ha precisado si el nuevo sistema llevará finalmente el nombre de Astra, ni confirmó si se identificará como GPT-5.7 o GPT-6, un reporte de The Information señaló que Astra representa una nueva familia de modelos orientados a tareas de ejecución prolongada.
Durante un encuentro celebrado en Washington D.C., Sam Altman, director ejecutivo de la empresa, explicó que Astra permitirá la colaboración de varios agentes de inteligencia artificial en la resolución de distintas partes de un mismo desafío.
En la demostración privada realizada ante legisladores y reguladores estadounidenses, se mostró cómo estos agentes pueden coordinarse para abordar problemas complejos durante largos periodos. Según la compañía, esta estrategia facilitará la resolución de desafíos matemáticos avanzados, similares a los presentados en su blog oficial.
La posibilidad de que varios sistemas de IA trabajen juntos en procesos de investigación científica prolongados abre un nuevo horizonte para la aplicación de estas tecnologías. De confirmarse este funcionamiento, Astra se sumaría a otras líneas de modelos de OpenAI como Sol, Terra y Luna, ampliando así la oferta de herramientas para abordar problemas que requieren colaboración y especialización.
Lanzamiento, regulaciones y acceso público: lo que se sabe de Astra
Por el momento, OpenAI no ha establecido una fecha de lanzamiento para Astra ni ha detallado si llegará al público bajo el nombre de GPT-6 o como una actualización de la serie GPT-5, posiblemente bajo la denominación de GPT-5.7.
Sin embargo, la empresa ha confirmado que el sistema se encuentra en fase de pruebas y será uno de los primeros en someterse al nuevo marco regulatorio que prepara Estados Unidos.
Otra posibilidad que se analiza es que Astra siga el modelo de lanzamiento de Claude Fable, con una versión limitada disponible para el público general y una variante más potente reservada para usuarios seleccionados, que requerirán aprobación gubernamental previa.
La presentación de estos avances ante legisladores y reguladores busca anticipar posibles debates sobre el impacto y los riesgos de esta tecnología, así como asegurar el respaldo institucional necesario para su despliegue futuro.
La estrategia de la compañía sugiere que el lanzamiento de Astra no solo será un hito técnico, sino también un acontecimiento relevante en la discusión sobre la regulación y el uso responsable de la inteligencia artificial.
(*) En convenio con Infobae
Imagen de portada: Infobae/ REUTERS/Dado Ruvic
INFOESFERA - Suplemento de C | T | IA