En 1946, el legendario matemático húngaro Paul Erdős formuló un problema engañosamente simple: si colocamos una cantidad n de puntos en un plano, ¿cuántos pares pueden estar situados exactamente a una unidad de distancia?
Durante casi ocho décadas, generaciones de los más brillantes geómetras asumieron que la respuesta óptima se encontraba en variaciones de una cuadrícula clásica, en las que el límite máximo de coincidencias crecería de forma muy marginal respecto al número de puntos. Erdős estaba tan convencido de que su estimación original era la correcta que llegó a ofrecer una recompensa a quien lograra probarla o refutarla.
Sin embargo, la historia de esta disciplina ha dado un giro sin precedentes gracias a un modelo de inteligencia artificial de OpenAI, que ha refutado con éxito esta conjetura. Este evento no solo sacude los cimientos de la geometría discreta, sino que nos obliga a enterrar definitivamente un mito contemporáneo: la absurda afirmación de que la IA es un simple «loro estocástico».
Para comprender la verdadera magnitud de este hito, es imperativo analizar cómo la máquina resolvió el enigma. En lugar de insistir en los métodos geométricos habituales, en los que la humanidad llevaba atascada desde 1984, el sistema abordó el problema desde una disciplina completamente diferente: la teoría algebraica de números.
La IA utilizó conceptos de extrema complejidad, como las torres infinitas de campos de clases y el teorema de Golod-Shafarevich, para hallar simetrías numéricas exóticas. Tal como explicó el matemático Will Sawin, la intuición humana dictaba que había que buscar conjuntos de números cada vez mayores dentro de un mismo sistema; la IA, en cambio, decidió hacer lo opuesto: mantener la escala fija, pero saltando hacia sistemas numéricos progresivamente más ricos. Fue una combinación de ideas tan poco convencional que los expertos humanos no la vieron venir, demostrando un nivel de abstracción insólito.
Ante este panorama, resulta insostenible seguir utilizando el término «loro estocástico» o afirmar que estos modelos son un mero «autocompletado elegante» que regurgita mecánicamente sus datos de entrenamiento. Como bien señala el experto en teoría de números Arul Shankar, este logro demuestra que las inteligencias artificiales actuales ya no son solo herramientas auxiliares: tienen la capacidad de concebir ideas ingeniosas y originales, y de llevarlas a buen término de manera autónoma.
La cadena de pensamiento de la máquina reveló que, lejos de recurrir a la fuerza bruta sin sentido, exhibió una auténtica intuición matemática y la audacia necesaria para explorar caminos que los humanos consideraban causas perdidas.
A partir de ahora, debemos aceptar que la inteligencia artificial razona a una escala sobrehumana. Thomas Bloom, el matemático que administra el catálogo de los problemas de Erdős, señaló que, para que un investigador humano llegase a esta conclusión, debían alinearse múltiples factores altamente improbables: tener la osadía de apostar contra la intuición del propio Erdős, dominar herramientas de campos radicalmente ajenos a la geometría y dedicar una enorme cantidad de tiempo a una ruta aparentemente inútil.
La IA cumplió todas estas condiciones sin esfuerzo, combinando niveles sobrehumanos de paciencia con un conocimiento enciclopédico inabarcable para cualquier cerebro humano.
Para aquellos escépticos que aún se aferran al negacionismo de la superioridad artificial, las reacciones de los grandes titanes de las matemáticas deberían ser una cura de humildad. Tim Gowers, galardonado con la Medalla Fields, ha afirmado categóricamente que, si un humano hubiera escrito la demostración generada por la IA, él habría recomendado su publicación inmediata en la prestigiosa revista Annals of Mathematics sin pestañear.
Para Gowers, este es un «hito en las matemáticas de la IA», un punto de no retorno que nos introduce de lleno en una era en la que nos será extremadamente difícil competir contra las máquinas en la resolución de problemas lógicos.
No estamos ante un algoritmo que tuvo un golpe de suerte jugando con combinaciones de palabras. Estamos observando a un modelo de razonamiento de propósito general que desglosó un problema, evaluó abstracciones complejas y creó conocimiento matemático completamente nuevo y verificable.
Las arquitecturas capaces de refutar paradigmas de 80 años mediante síntesis interdisciplinarias no están imitando: están razonando a un nivel que trasciende nuestras propias limitaciones intelectuales. Es hora de dejar de llamar «loro» a la mente que acaba de enseñarnos a volar.
Descubre más desde Masticadores
Suscríbete y recibe las últimas entradas en tu correo electrónico.
