Cuando la IA resuelve lo que los matemáticos no podían
OpenAI acaba de anunciar que su modelo Astra ha conseguido resolver diez problemas abiertos de investigación en matemáticas e informática teórica. Se trata de cuestiones sin respuesta en áreas como geometría, teoría de grupos, álgebras de operadores, complejidad cuántica, criptografía y combinatoria. La empresa ha publicado los resultados públicamente, acompañados del razonamiento del sistema, y sostiene que el coste computacional total fue de alrededor de 2.000 dólares.
Para entender qué significa esto, es importante que distingas entre dos niveles de dificultad: los problemas de olimpiada matemática —complejos, pero con solución garantizada— y los problemas abiertos de investigación, donde nadie sabe si siquiera existe una respuesta. Astra ha saltado al segundo nivel, lo que supone un cambio cualitativo significativo.
Ahora bien, hay aspectos que conviene mirar con cuidado antes de celebrar el hito:
- El coste real no es solo el final. OpenAI reporta 2.000 dólares de tokens para estas diez soluciones, pero no desvela cuántos intentos fallidos, qué recursos humanos se dedicaron, o cuánta energía computacional se invirtió en el camino. Es como anunciar que ganaste la lotería gastándote 20 euros, sin mencionar los 5.000 que gastaste en décimos antes. El resultado es válido igual, pero el coste total es muy otro.
- No todos los problemas tienen igual valor. Algunos son muy relevantes en sus ámbitos; otros, menos. Y todos ellos ya estaban dentro del marco matemático conocido, no fueron invenciones de conceptos nuevos. La IA, de momento, explora bien dentro de territorios trazados; inventar nuevos territorios es harina de otro costal.
- Falta transparencia en los procedimientos. OpenAI no ha publicado los prompts utilizados —las instrucciones exactas dadas al modelo—. Eso no invalida los resultados, que pueden verificarse independientemente, pero sí limitaría la capacidad de otros para replicar la metodología.
Lo que esto tiene de importante es que muestra la capacidad de la IA para explorar espacios masivos de soluciones potenciales a una velocidad imposible para cualquier humano. Eso es un complemento de verdadero valor para el trabajo matemático, no una sustitución.
Si eres matemático, educador o trabajas en una disciplina relacionada, te conviene anticipar cambios. La formación especializada tendrá que pivotar hacia la formulación de preguntas relevantes, la verificación crítica de respuestas y el conocimiento teórico profundo, dejando menos peso en la mecanización de demostraciones. La IA estará ahí para hacer eso segundo mucho mejor que tú.
Los resultados publicados han sido validados tanto por herramientas de verificación automática como por expertos humanos, así que el rigor técnico parece sólido. Es un avance real, aunque todavía no revolucionario. Pero apunta en una dirección clara: pronto veremos sistemas que no solo resuelvan problemas complejos, sino que muevan fronteras de conocimiento que hoy parecen intocables.
