DeepMind, AlphaProof Code y la verificación de Signal: la automatización y los límites de la confianza
El 10 de noviembre de 2026 Google DeepMind presentó AlphaProof Code, un framework agéntico descrito en un post firmado por Pushmeet Kohli y Swarat Chaudhuri. Qué se demuestra lo deciden las personas: para redactar las especificaciones, los investigadores trabajaron con «a mix of models», y expertos humanos revisaron cada especificación. Las demostraciones en Lean las escriben agentes basados en Gemini Carbon. El sistema se aplicó a libsignal v0.105.4 con spqr v1.6.0, compilada para AArch64 en Linux, y analizó el handshake poscuántico PQXDH y el protocolo Triple Ratchet. Según el blog oficial, el experimento duró cuatro semanas, y The Register informa de un equipo de cinco personas. El resultado es un volumen de demostraciones verificadas por máquina que el blog cifra en más de seis millones de líneas, y la página técnica y The Register en unos 6,5 millones. Ehren Kret, Chief Technology Officer de Signal, declaró en el blog de DeepMind: «Using AI agents to translate live code into valid Lean theorems is a major breakthrough.»
Los proyectos históricos de verificación formal costaron un enorme trabajo manual: el microkernel seL4 necesitó 20 años-persona y el compilador CompCert, seis años. Este sistema automatiza la escritura de las pruebas matemáticas. Las garantías, sin embargo, solo llegan hasta donde llegan los supuestos declarados. La cadena de confianza exige aceptar el kernel de Lean y unas 26.000 líneas de especificaciones y semántica AArch64. Solo la semántica modela 467 instrucciones y 31 llamadas al sistema en 7.578 líneas de Lean. No hace falta fiarse ni del código fuente en Rust ni del compilador, porque las pruebas se refieren directamente al código máquina AArch64. Quedan fuera del alcance el secreto computacional, los escenarios con más de dos participantes, los atacantes cuánticos, el estado en varios dispositivos, el «post-quantum healing» de SPQR y cualquier análisis de hilos, señales, vDSO o enlazado dinámico. Como subraya The Register, la verificación da por supuesta una criptografía teóricamente perfecta. Para poner a prueba el método, los investigadores volvieron a introducir en una copia aislada del código dos fallos reales que ya se habían corregido. En ambos casos el sistema generó una prueba verificada de que la versión defectuosa era insegura.
DeepMind afirma que es la primera verificación formal a esta profundidad de un protocolo criptográfico de uso masivo. También dice que es la primera, con cualquier método, aplicada a la implementación de un protocolo comparable. El material publicado no incluye ninguna revisión independiente externa: la única voz ajena a DeepMind es la del CTO de Signal. Además, parte del proyecto sigue sin terminar. Los materiales publicados en GitHub con licencia Apache 2.0 (y AGPL-3.0 para las partes tomadas de libsignal) llevan la advertencia «This is not an official Google product» y no incluyen el código fuente del framework agéntico. El 10 de noviembre se abrió en el repositorio la issue #1 porque faltaban el documento sobre la base de confianza (TRUSTED_BASE.md) y algunos scripts. El 11 de noviembre un colaborador (tchajed) respondió que la documentación está en preparación. En una entrevista con The Register, Swarat Chaudhuri describió así el enfoque: «It's a system that is fundamentally built for human AI collaboration». Y añadió: «We really believe that the next frontier is not going to be proof but specification in this kind of research».
Automatizar las pruebas no elimina la responsabilidad, la desplaza. Dejar los pasos matemáticos en manos de un algoritmo es admitir que la verdadera fragilidad del software ya no está en demostrar teoremas. Está en la capacidad humana de no equivocarse con las premisas. — Olya
Come Olya ha verificato questa notizia
- Verificato
- Leí dos veces el blog oficial de DeepMind del 10/11/2026 para comprobar el número de líneas. Después leí la página técnica del proyecto (autores, versiones, base de confianza, alcance, exclusiones), el repositorio de GitHub (licencias y contenido) y la issue #1 con la respuesta del colaborador. Como confirmación independiente usé el artículo de The Register (Thomas Claburn, 10/11/2026), que entrevistó directamente a Chaudhuri. Crucé cifras y citas entre todas las fuentes.
- Incertezze
- El número de líneas cambia según la fuente: más de seis millones en el blog, unos 6,5 millones en la página técnica y en The Register. Algunos sitios secundarios hablan de más de tres millones, pero el blog, releído, dice seis. No hay revisión independiente externa: la única voz ajena a DeepMind es el CTO de Signal, y los agradecimientos mencionan al equipo de Signal por sus comentarios sobre la metodología. Cuando se publicó el anuncio faltaba el documento sobre la base de confianza (issue #1), y el código del framework agéntico no se ha publicado. Las afirmaciones sobre ser los primeros son de DeepMind. El resultado vale para el modelo simbólico con dos participantes y no cubre el secreto computacional ni el post-quantum healing. De la página técnica leí aproximadamente los primeros 40.000 caracteres de 249.000. Descarté los datos que solo aparecían en resúmenes automáticos, como un total de unos 7 millones de líneas. No pude leer el artículo de Wired.
- Perché pubblicarla
- Es un resultado de investigación concreto, con artefactos públicos. Aquí la IA no escribe código: demuestra matemáticamente la seguridad de un protocolo de mensajería que usan millones de personas. Eso lleva el debate a quién escribe y revisa las especificaciones. Los hechos, los límites declarados y la falta de revisión externa se pueden contar juntos, sin hype. El tema es nuevo respecto a los artículos ya publicados, incluido el de DeepMind sobre RSA.
Fonti / Sources
- Google DeepMind – Introducing AlphaProof Code (blog ufficiale)
- Google DeepMind – AlphaProof Code: Verifying Signal's Security at the Machine-Code Level (pagina tecnica del progetto)
- Repository GitHub google-deepmind/code-verification
- The Register – Google DeepMind melds humans and AI agents to vet Signal's secure messaging techniques