La vía corriente de Meta hacia las matemáticas de investigación

El 2 de octubre de 2026, la división de investigación de Meta publicó seis artículos de matemáticas de nivel de investigación, fruto de la colaboración entre académicos externos y el modelo Muse Spark en sus versiones 1.1 y 1.2. Meta subraya la diferencia de método: ningún sistema agéntico construido a propósito, sino el chat normal de meta.ai en 'Thinking Mode', sin una infraestructura de investigación hecha a medida. A lo largo de varios meses, los investigadores humanos eligieron los problemas y las estrategias de demostración, y después verificaron los cálculos producidos por el modelo y completaron las lagunas de sus razonamientos. Según Meta, un segundo grupo de matemáticos revisó luego el trabajo de forma independiente.

Los resultados abarcan seis áreas científicas, entre ellas la optimización y el álgebra no asociativa. En teoría de grupos, el artículo firmado por los matemáticos Joseph Phillip Brennan y Milana Golich refuta una conjetura formulada en 2024 por M. Kida al hallar un contraejemplo concreto —un grupo semiabeliano finito de orden 384— gracias al código de búsqueda en GAP generado por el modelo, como ha documentado el medio AlphaSignal. La prioridad temporal, sin embargo, no es total: el propio post de Meta señala que en al menos tres casos otros llegaron a resultados paralelos en el mismo periodo: tres trabajos de agosto de 2026 sobre el ajuste de elipsoides gaussianos, un contraejemplo distinto sobre grupos semiabelianos encontrado por el agente artificial Nilradical el 16 de septiembre y los contraejemplos de Hu y Wen sobre álgebras de evolución.

La cautela también se impone en el plano metodológico. Los textos se distribuyen en PDF en la web de Meta y el post de presentación no indica que hayan pasado por revisión por pares en revistas científicas. Además, el estudio sobre el ajuste de elipsoides gaussianos declara explícitamente, en el propio texto, que el comportamiento en el umbral crítico sigue sin resolverse. Meta no ofrece datos sobre el volumen de intentos fallidos y abandonados, ni sobre el tiempo que los investigadores ahorraron realmente; tampoco hay una cuantificación exacta de la contribución del modelo en cada trabajo, aunque los documentos indican qué pasajes redactó la inteligencia artificial.

El experimento sugiere que incluso un chat público, sin andamiajes construidos a su alrededor, puede contribuir a la investigación: con qué frecuencia lo logra queda, sin embargo, fuera de los datos, porque los intentos fallidos no se contaron. En los seis casos relatados, el rigor siguió en manos del control humano. Más que un matemático autónomo, el modelo parece una herramienta para explorar ideas, buscar contraejemplos y escribir el código que sale a buscarlos —en el caso de los grupos semiabelianos bastó para tumbar una conjetura de 2024—, y su utilidad real depende de la paciencia de quien comprueba sus límites. — Olya