La semana pasada asistí a una charla en el MIT de Neil Thompson, quien estudia el progreso en informática e inteligencia artificial. En el transcurso de solo media hora, Thompson presentó un caso convincente de que la IA está a punto de trastornar varios campos científicos.
Mientras los matemáticos se sorprenden por la forma en que la IA está automatizando su campo, el último estudio de Thompson sugiere que la probabilidad, la teoría estadística, la teoría económica, la teoría de altas energías, la gravitación y la cosmología, y la física cuántica pueden ser las siguientes, gracias a las capacidades en rápida evolución de los modelos de frontera. Entre mediados de 2024 y mediados de 2026, muestra el estudio, los mejores modelos de IA pasaron de ser capaces de resolver correctamente alrededor del 2 por ciento de los problemas teóricos en estos campos a alrededor del 35 por ciento de dichos problemas. Y no hay señales de que este progreso vaya a desacelerarse.
“Dentro de unos pocos años, esperamos que muchas cuestiones teóricas se transformen totalmente en términos de la capacidad de la IA para resolverlas”, afirma Thompson.
En términos generales, el laboratorio de Thompson profundiza en cómo los avances en informática impactan a la sociedad y afectan la innovación. Este estudio, que Thompson realizó junto con Gabriel Manso, estudiante de doctorado, y Claudio Mayrink Verdún, científico investigador, tomó problemas planteados en artículos de investigación publicados en línea entre diciembre de 2025 y mayo de 2026, y luego probó si diferentes modelos de OpenAI (o1, o3, GPT-5, GPT-5.1, GPT-5.4 y GPT-5.5) podían resolverlos.
Fundamentalmente, se encontraron soluciones a estos problemas en artículos publicados después del límite de entrenamiento para GPT-5.5 y modelos anteriores. Esto significa que los modelos que probaron tuvieron que encontrar soluciones por sí mismos, en lugar de depender de respuestas introducidas como datos de entrenamiento. (Esos artículos sirvieron como base para probar las habilidades de resolución de los modelos). Los investigadores también bloquearon el acceso a Internet, lo que impidió que los modelos que probaron buscaran soluciones en línea.
Las áreas cubiertas por el estudio fueron limitadas: el trío se centró en campos en los que los modelos de IA podían resolver cosas sin necesidad de ejecutar simulaciones o experimentos. Pero el trabajo sugiere que los tipos de ondas de choque que se sienten actualmente en las matemáticas probablemente se extiendan a otras áreas de investigación científica con mucha matemática y teoría.
El mes pasado, OpenAI sacudió el mundo de las matemáticas al anunciar que un modelo inédito había resuelto un gran desafío matemático de larga data conocido como Navier-Stokes, que se refiere a ecuaciones que explican el comportamiento del movimiento de fluidos. El episodio resultó más controvertido después de que un matemático de la Universidad de Nueva York, que había estado trabajando con otro académico asociado con Anthropic, acusó a OpenAI de engañarlos después de enterarse de su progreso.
Desde entonces, OpenAI y otros han anunciado cientos de soluciones más a problemas matemáticos de larga data, lo que ha desencadenado una especie de crisis en este campo. Algunos matemáticos han pedido límites al uso de la IA, advirtiendo que el proceso de resolución de problemas suele ser tan útil como tener la respuesta final.