Por Redacción Pangea IA · 27 de octubre de 2026
OpenAI atribuye a uno de sus sistemas internos tres resultados que, si superan la revisión científica, afectarían a problemas centrales de las matemáticas, la informática teórica y la física. La empresa ha publicado dos pruebas para que puedan examinarse y ha organizado grupos de especialistas para interpretar los resultados. La noticia es importante, pero todavía no permite afirmar que las tres cuestiones estén resueltas: la validación independiente acaba de comenzar.
Qué afirma haber descubierto OpenAI
El anuncio reúne tres trabajos diferentes. El primero propone una prueba de la conjetura de suavizado local para ondas euclídeas en todas las dimensiones espaciales a partir de dos. Según OpenAI, el argumento también resolvería la conjetura de Kakeya y la conjetura de restricción de Stein dentro del rango correspondiente.
El segundo sostiene que la hipótesis del tiempo exponencial, conocida como ETH, es falsa. Esta conjetura se utiliza desde hace décadas para razonar sobre qué problemas informáticos no pueden resolverse con algoritmos mucho más rápidos. La prueba describe un algoritmo determinista que cuenta exactamente las asignaciones que satisfacen fórmulas booleanas de anchura fija en tiempo subexponencial y espacio polinómico. El caso de 3-SAT bastaría para refutar la ETH.
El tercero es el más difícil de evaluar desde fuera. OpenAI afirma disponer de una demostración matemática de la existencia de determinadas teorías cuánticas de campos con campos gauge y fermiones en cuatro dimensiones, incluida la cromodinámica cuántica o QCD. El trabajo también incluiría la existencia de la teoría pura de Yang–Mills, relacionada con uno de los Problemas del Milenio del Clay Mathematics Institute.
Qué material puede revisar ya la comunidad
Para el resultado de suavizado local, OpenAI ha publicado el texto producido por la IA y una formalización en Lean, un asistente de pruebas que permite comprobar mediante software que los pasos siguen las reglas lógicas codificadas. La empresa sitúa la generación del resultado el 18 de octubre y su formalización al día siguiente.
La supuesta refutación de la ETH también incluye una exposición en lenguaje natural y una versión en Lean. OpenAI dice que obtuvo el argumento el 16 de octubre y completó la formalización el día 17. Russell Impagliazzo y Ramamohan Paturi, dos de los investigadores que formularon la hipótesis original junto con Francis Zane, encabezarán el examen con Ryan Williams, especialista del MIT en complejidad computacional.
Una prueba formalizada ofrece una garantía más fuerte que un documento generado sin comprobación, pero no sustituye todo el proceso científico. Hay que verificar que el enunciado formal representa exactamente la afirmación que se comunica, revisar las hipótesis utilizadas, comprobar las dependencias y entender el valor del método. La propia OpenAI presenta los manuscritos como datos de investigación en bruto que necesitan explicación humana.
En física la situación es más preliminar. El material completo no se ha publicado: un grupo dirigido por el premio Nobel David Gross, con Michael Douglas, Arthur Jaffe, Igor Klebanov y Nikita Nekrasov, ha pedido tiempo para estudiarlo y preparar su propia exposición. Hasta que esa documentación sea accesible y revisada, la afirmación sobre QCD y Yang–Mills debe considerarse una declaración de OpenAI, no un resultado aceptado.
Por qué estos problemas son relevantes
La conjetura de Kakeya estudia cuánto puede comprimirse en el espacio un conjunto que contiene un segmento orientado en todas las direcciones. Aunque la pregunta parece geométrica, está conectada con el comportamiento de ondas, el análisis armónico y ecuaciones diferenciales. En 2025 se resolvió el caso tridimensional; la nueva prueba pretende cubrir todas las dimensiones.
La ETH, por su parte, es una herramienta fundamental para clasificar la dificultad de algoritmos. Cientos de artículos la utilizan como supuesto para demostrar que ciertos problemas no admiten soluciones subexponenciales. Refutarla no haría eficientes de inmediato todos esos cálculos ni resolvería P frente a NP, pero obligaría a revisar numerosos límites condicionales y abriría la búsqueda de algoritmos mejores.
La existencia matemática rigurosa de teorías de campos en cuatro dimensiones es uno de los grandes vacíos entre la física que funciona experimentalmente y sus fundamentos matemáticos. La QCD explica la interacción fuerte entre quarks y gluones, mientras que Yang–Mills proporciona la estructura utilizada por varias teorías de partículas. Una prueba correcta tendría un alcance extraordinario, de ahí que la ausencia temporal del manuscrito obligue a ser especialmente prudentes.
Qué cambia frente a la publicación de 722 manuscritos
El 6 de octubre, OpenAI liberó 722 manuscritos matemáticos generados con inteligencia artificial. Aquella publicación sorprendió por su volumen, pero trasladó a la comunidad una enorme carga de revisión y recibió críticas por la claridad, la atribución y la desigualdad de acceso.
Esta vez la empresa prueba tres métodos de divulgación: publicación abierta inmediata para matemáticas, publicación con un grupo externo que ayudará a explicar el resultado informático y revisión inicial reservada a especialistas para física. Los participantes trabajan de forma voluntaria, no firman acuerdos de confidencialidad y sus conclusiones serán independientes, según OpenAI.
El cambio responde también a controversias anteriores, como la propuesta sobre Navier–Stokes atribuida a un sistema de OpenAI, cuya prioridad y validación generaron debate. La compañía asegura ahora que no reclama crédito académico para sus modelos y que financiará una conferencia sobre las consecuencias de la posible refutación de la ETH.
El cuello de botella pasa de descubrir a comprender
El episodio muestra una transformación potencial del trabajo científico. Si los sistemas pueden producir pruebas con más rapidez de la que los expertos pueden leerlas, el recurso escaso deja de ser únicamente la generación de ideas y pasa a ser la verificación, la explicación y la integración de esas ideas en el conocimiento existente.
Eso plantea preguntas prácticas sobre autoría, financiación y formación. ¿Cómo se reconoce al investigador que detecta un error o convierte una salida opaca en una teoría comprensible? ¿Qué ocurre con estudiantes que aprenden resolviendo problemas que una máquina entrega ya formalizados? ¿Quién decide qué expertos acceden primero a un posible descubrimiento?
Para empresas y universidades, la lección inmediata no es que una herramienta comercial pueda resolver cualquier problema científico. OpenAI no ha identificado el modelo interno utilizado ni ha anunciado acceso público a él. Lo verificable hoy es la publicación de materiales concretos, la existencia de formalizaciones y el inicio de una revisión organizada. El impacto real dependerá de lo que encuentren los especialistas.
Una noticia enorme que todavía necesita confirmación
La combinación de Kakeya, complejidad computacional y teoría cuántica de campos convierte el anuncio en una de las afirmaciones científicas más ambiciosas hechas por una empresa de IA. Precisamente por eso conviene separar velocidad de certeza. Dos pruebas están disponibles para su examen y cuentan con formalizaciones, pero la comunidad aún debe comprobarlas y explicar qué demuestran realmente; la tercera permanece bajo revisión privada inicial.
Si los resultados resisten ese proceso, el avance no solo afectará a tres problemas concretos. También obligará a redefinir cómo se publican, verifican y atribuyen los descubrimientos producidos por máquinas. Si aparecen errores, el episodio será igualmente útil para medir los límites de la formalización y el riesgo de comunicar conclusiones antes de que exista comprensión científica compartida.
Lecturas relacionadas
- OpenAI publica 722 manuscritos matemáticos creados con IA
- OpenAI afirma haber resuelto Navier-Stokes con 10.000 agentes de IA
- La IA empieza a crear matemáticas originales
Fuentes consultadas
- OpenAI: trabajo con comunidades académicas para construir comprensión científica, publicado el 26 y consultado el 27 de octubre de 2026.
- The Verge: OpenAI anuncia tres grandes descubrimientos científicos, publicado el 26 y consultado el 27 de octubre de 2026.
- Repositorio público de matemáticas de OpenAI en GitHub, consultado el 27 de octubre de 2026.
Deja una respuesta