AlphaProof Nexus de Google DeepMind resuelve problemas matemáticos de décadas por cientos de dólares

DeepMind resuelve problemas matemáticos de 56 años por $200

Los problemas abiertos de matemáticas han desafiado durante décadas a los investigadores más brillantes. AlphaProof Nexus de Google DeepMind acaba de resolver de forma autónoma nueve de estos enigmas históricos, incluyendo dos que permanecían sin solución desde hace más de medio siglo, con un coste de apenas unos cientos de dólares por problema.

¿Qué ha pasado?

Google DeepMind ha desarrollado AlphaProof Nexus, un sistema de inteligencia artificial capaz de resolver autónomamente problemas matemáticos abiertos de la colección de Paul Erdős, uno de los matemáticos más prolíficos del siglo XX. El sistema logró resolver nueve problemas, dos de los cuales habían desafiado a la comunidad matemática durante 56 años.

La clave del sistema reside en su integración con Lean, un asistente de pruebas y compilador que verifica automáticamente cada paso de la demostración matemática. Esto garantiza que las soluciones propuestas sean formalmente correctas y libres de errores lógicos. El coste computacional de resolver cada uno de estos problemas se sitúa en cientos de dólares, una fracción mínima comparada con las décadas de esfuerzo humano invertido previamente.

Sin embargo, la tasa de éxito general del sistema es del 2.5%, lo que indica que aún requiere múltiples intentos antes de encontrar la solución correcta. A pesar de esta limitación, los resultados representan un avance significativo en la capacidad de la IA para abordar problemas matemáticos de frontera.

Por qué importa

Este avance democratiza el acceso a la resolución de problemas matemáticos complejos. Lo que antes requería equipos de investigadores trabajando durante años ahora puede conseguirse de forma automática por una inversión económica marginal. Para la comunidad matemática, esto significa que la IA puede convertirse en una herramienta complementaria que explore caminos de demostración que los humanos podrían pasar por alto.

La verificación formal mediante Lean es especialmente relevante: elimina la posibilidad de errores sutiles que han plagado algunas demostraciones matemáticas históricas. Esto aporta un nivel de certeza que tradicionalmente requería revisión por pares exhaustiva y años de escrutinio.

Para investigadores y académicos, el sistema ofrece la posibilidad de validar conjeturas rápidamente antes de invertir recursos significativos. La relación coste-beneficio resulta transformadora: problemas que consumieron décadas de esfuerzo colectivo ahora pueden abordarse por el precio de una cena en un restaurante. No obstante, la tasa de éxito del 2.5% sugiere que la IA aún no reemplaza la intuición matemática humana, sino que funciona mejor como herramienta de exploración masiva.

Contexto

Los problemas de Erdős son legendarios en matemáticas. El matemático húngaro ofreció recompensas monetarias por sus soluciones, con premios que iban desde 25 hasta varios miles de dólares según la dificultad. Algunos han permanecido sin resolver durante más de medio siglo.

La demostración automática de teoremas no es nueva. Sistemas como Coq, Isabelle y Lean llevan décadas ayudando a verificar pruebas matemáticas. Sin embargo, hasta ahora requerían que los matemáticos formalizaran manualmente sus demostraciones. AlphaProof Nexus marca un salto cualitativo al trabajar de forma autónoma.

OpenAI y Anthropic también han explorado aplicaciones matemáticas de sus modelos, pero principalmente para problemas educativos o de competición, no para cuestiones abiertas de investigación.

---

Fuente: The Decoder