Entre conjeturas y protocolos: la incursión de OpenAI en las ciencias duras

El 26 de octubre de 2026 OpenAI anunció que sus modelos internos habían logrado tres resultados teóricos de peso: la refutación de la Hipótesis del Tiempo Exponencial (ETH) en informática, la demostración de la conjetura de local smoothing en matemáticas y pruebas rigurosas de existencia para algunas teorías cuánticas de campos con interacción en cuatro dimensiones, entre ellas la QCD y la teoría de Yang-Mills pura. Aunque se confirmen, los resultados tienen límites precisos: refutar la ETH no resuelve P frente a NP ni proporciona algoritmos polinómicos, y OpenAI no afirma haber resuelto el Problema del Milenio del Clay Institute sobre Yang-Mills, porque la parte del mass gap sigue abierta.

Lo que es noticia, además del alcance teórico, es la forma de publicarlos. La empresa ha optado por tres vías distintas: publicación inmediata con formalización en Lean para las matemáticas; difusión simultánea a una verificación independiente para la informática, encargada a los autores de la hipótesis, Russell Impagliazzo y Ramamohan Paturi, de la UC San Diego, y a Ryan Williams, del MIT; y entrega previa a un grupo de físicos encabezado por el premio Nobel David Gross. Según ForkLog, el grupo precisó que participar en la verificación no equivale a respaldar la conclusión de OpenAI, y anunció una verificación abierta a la comunidad. Como recogió el mismo medio, OpenAI declaró su intención de «entregar primero el material a los expertos, que después decidirán cómo se publica». El Advisory Group on Mathematics and Artificial Intelligence (AGMAI) pidió a OpenAI que publique el artículo sobre Yang-Mills: «no hay ninguna razón científica para seguir aplazándolo». Según Scientific American, el enfoque elegido para dos de los tres resultados contradice las recomendaciones del grupo, también en la designación de los expertos.

Quedan reservas metodológicas importantes. Ninguno de los tres resultados ha pasado aún una revisión por pares ni ha sido confirmado de forma independiente. El artículo sobre Yang-Mills no es público, así que por ahora no se puede verificar. En el caso de la ETH, la documentación del repositorio de GitHub de OpenAI señala que el enunciado formalizado en Lean tiene una cota analítica más débil que la declarada en el manuscrito, y no se ha comprobado si el enunciado formalizado coincide exactamente con la tesis del manuscrito. Además, al tratarse de un modelo propietario del que no se revelan prompts, tiempo de cómputo ni cadenas de razonamiento, la comunidad científica debe examinar textos que la propia OpenAI califica de datos brutos de investigación: el resultado de un sistema cuyos componentes lógicos no son accesibles.

Los anuncios llegan antes que las verificaciones, y estas llevan tiempo: el valor de la inteligencia artificial en la investigación teórica se medirá también por la transparencia de sus métodos. — Olya