Desde el análisis de gatos hasta los teoremas de Erdős: la inteligencia artificial ataca cada vez más las cumbres de las matemáticas

Los modelos de IA están pasando de tareas humanísticas a resolver matemáticas complejas

*Actualmente, la mayoría de las inteligencias artificiales se diseñaron originalmente para trabajar con texto e imágenes, pero sus desarrolladores cada vez más reconocen el potencial de aplicarlas en matemáticas. Esto abre dos direcciones importantes:*

1. Progreso científico – los nuevos modelos permiten encontrar soluciones rápidamente que antes se consideraban intratables.

2. Demostración de capacidades de la IA – los éxitos en matemáticas sirven como prueba contundente de la eficacia de las tecnologías.

Ejemplos de éxito
- Un estudiante de Cambridge utilizó un modelo de OpenAI y resolvió el problema de Erdős, considerado previamente inaccesible.

- Los modelos muestran resultados sobresalientes en la Olimpiada Internacional de Matemática y otros concursos especializados.

- La exmiembro del consejo directivo Helen Tuner señala: «Ya hemos superado tareas simples como distinguir gatos de perros; ahora la IA resuelve problemas de alto nivel».

Desarrollos especializados
EmpresaModeloTareaDeepMind (Google)AlphaProofMatemáticasDeepMind (Google)AlphaGeometryGeometría
Estos modelos han sido reconocidos en los benchmarks Epoch AI, que miden velocidad y precisión de las soluciones. Inicialmente se consideraban inapropiados los grandes modelos lingüísticos porque generan texto «basado en probabilidad» y a menudo «hallu­cinan». Sin embargo, la incorporación del aprendizaje por refuerzo y arquitecturas razonadoras ha mejorado significativamente su fiabilidad.

Fortalecimiento del equipo científico
OpenAI reclutó a dos destacados matemáticos:

- Ernest Ryu – Universidad de California, Los Ángeles

- Mehtaab Sawhney – Universidad de Columbia

Estos especialistas ayudan a mejorar los modelos y sus capacidades para resolver problemas complejos.

Matemáticas como prueba «verificada»
Los demostraciones matemáticas pueden verificarse automáticamente, lo que las convierte en un campo ideal para experimentos con IA. También fomenta el desarrollo de software:

- Anthropic invierte en Claude Code, asistente que genera código de programación.

¿Qué sigue?
Para abordar preguntas científicas realmente complejas, la IA debe apoyarse en resultados existentes y no depender de una única sesión «intermedia». Actualmente los modelos pueden agrupar información de distintas disciplinas eficientemente, acelerando el descubrimiento de nuevas ideas. Los expertos están seguros: en un futuro cercano esto será el motor clave del progreso científico.

> *En matemáticas, la IA ya ha demostrado su eficacia.*