Las empresas emergentes se apresuran a revolucionar las matemáticas con la IA

Los matemáticos nunca han sido tan buscados por las personas más ricas del mundo. En universidades de todo el mundo, los académicos ven cómo sus colegas desaparecen misteriosamente y se unen a empresas privadas. Algunas de estas empresas son nombres muy conocidos, como OpenAI y Google, pero otras son de reciente creación y apenas tienen meses de existencia, con la esperanza de aprovechar un momento en el que las matemáticas son vistas como el ingrediente secreto con el que mejorar la inteligencia artificial, que a su vez puede transformar las matemáticas mismas.

“En mayo pasado, sinceramente, estaba un poco afligido por mi identidad científica”, dice Ken Ono, quien en 2025 dejó su cátedra en la Universidad de Virginia para unirse a Axiom Math, una nueva empresa cuyo objetivo es construir una IA centrada en las matemáticas.

Una empresa diferente, llamada Epoch AI, le había pedido a Ono que le ayudara a crear un conjunto de problemas matemáticos difíciles de resolver que pondrían a prueba la capacidad de resolución de problemas de la IA. Pero a medida que puso a prueba estas IA, se dio cuenta de que eran mucho más capaces de lo que imaginaba. “Después de unos meses de eso, reconocí que tal vez este sea el momento en el que el aparcero se enfrenta al motor de combustión en el campo y piensa que tal vez podamos hacer más adoptando estas tecnologías”, dice Ono.

La comprensión de Ono no fue única: Axiom Math es una de una serie de empresas iniciadas en los últimos dos años que apuntan a construir IA que no solo puedan hacer matemáticas, sino también demostrar que las están haciendo correctamente. En abril, visité estas empresas en Silicon Valley, California, para comprender por qué habían depositado tanta fe en las matemáticas como guía para un futuro lleno de inteligencia artificial.

Las oficinas de Axiom Math están ubicadas en Palo Alto, a tiro de piedra de la Universidad de Stanford, donde estudió anteriormente su fundadora, Carina Hong, quien también es ex alumna de Ono. Unas puertas más abajo hay otra empresa emergente, llamada Harmonic, que también apunta a construir una “superinteligencia matemática” que produzca resultados verificables. Ambas empresas ocupan edificios anodinos, pero han acumulado grandes cantidades de dinero y los inversores han invertido cientos de millones de dólares para lograr sus objetivos.

Dentro de una oficina sencilla, con salas que llevan nombres de matemáticos famosos como Carl Friedrich Gauss y Ada Lovelace, le pregunté a Ono por qué se necesitan empresas como la suya, especialmente con la existencia de empresas de inteligencia artificial tan masivas y bien financiadas como OpenAI y Google.

“ChatGPT es el bibliotecario; no puedes encontrar algo que no haya leído, pero ¿quieres que tu bibliotecario sea tu neurocirujano?” dice Ono. Ono me explica que, a pesar del éxito de grandes modelos de lenguaje como ChatGPT, todavía no se puede confiar en su corrección sin que los revisen revisores humanos, lo que presenta una oportunidad de verificación.

La verificación matemática no es un concepto nuevo. En las últimas décadas, los matemáticos han ideado varios sistemas para verificar si una demostración es correcta. El más popular de estos sistemas es un lenguaje de programación llamado Lean, que los matemáticos pueden utilizar para traducir sus pruebas escritas a mano a un formato que pueda ser verificado instantáneamente por una computadora. Esto puede ayudar con las matemáticas a nivel de investigación, donde puede llevar una cantidad excesiva de tiempo a los investigadores ya sobrecargados verificar si una prueba es correcta.

demasiado para comprobar

Ahora existe un problema similar en la programación de computadoras, porque los grandes modelos de lenguaje producen grandes cantidades de código que frecuentemente contienen errores pequeños y difíciles de detectar, lo que ha reducido a muchos programadores humanos a actuar como niñeras de los resultados de la IA.

Es esta última categoría la que empresas como Axiom Math y Harmonic ven como su forma de generar ingresos, ya que el efectivo disponible para resolver problemas matemáticos complicados es pequeño. Así como una prueba matemática puede verificarse como correcta con Lean o un lenguaje de programación similar, también puede hacerlo el software de computadora, demostrando matemáticamente que es correcto y que no contiene errores. “A medida que la IA comienza a escribir más y más código, el valor complementario de la verificación aumenta, porque los humanos se convierten en el cuello de botella”, dice el director ejecutivo de Harmonic, Tudor Achim.

Si bien la verificación de software es la principal fuente de ingresos proyectada para ambas empresas, ambas también cuentan con herramientas de inteligencia artificial que son notablemente hábiles para resolver algunos problemas matemáticos en áreas de investigación activas y han generado pruebas verificadas en áreas como la geometría algebraica y la teoría de números. Cinco artículos escritos íntegramente con las herramientas de inteligencia artificial de Axiom Math ya han sido aceptados en revistas de matemáticas. Ono no pudo decirme la hoja de ruta exacta de Axiom Math para desafíos futuros, pero dijo que su objetivo era tener docenas de artículos escritos para el próximo año, comprimiendo muchos años de trabajo en semanas y días.

Estas empresas se enfrentan a una dura competencia, sobre todo porque los gigantes tecnológicos también se han centrado cada vez más en las IA para resolver matemáticas. “Las matemáticas son maravillosas para el desarrollo de la IA porque son muy mensurables”, dice el científico jefe de OpenAI, Jakub Pachocki. “Además, para los modelos de lenguaje iniciales, fue un gran ejemplo de algo que les resultaba difícil. Realmente no eran buenos en cosas muy cuantificables. Pero ahora se han vuelto bastante buenos”.

Después de un comienzo lento, durante el cual los grandes modelos de lenguaje lucharon por presentar argumentos matemáticos simples, los modelos de IA más recientes han realizado una serie de hazañas sorprendentes, primero ganando el oro en la Olimpiada Internacional de Matemáticas, una competencia de élite para escuelas secundarias que antes se pensaba fuera del alcance de las IA, y más recientemente refutando una conjetura de 80 años de que algunos matemáticos pensaban que no verían progreso en sus vidas.

“Las debilidades que vimos hace seis meses eran extremadamente evidentes”, dice Sébastien Bubeck de OpenAI. “Había campos de las matemáticas en los que el modelo sólo decía tonterías. Hoy en día, creo que no es así”.

A diferencia de empresas como Axiom Math y Harmonic, que han contratado matemáticos para entrenar sus modelos para que sean específicamente expertos en matemáticas, Bubeck afirma que OpenAI no está optimizando sus sistemas de IA para que sean específicamente buenos en matemáticas, sino que intenta producir sistemas más inteligentes en general, que también es el objetivo general de OpenAI. “Estamos realizando un entrenamiento general de IA y a través de esta mejora general surgen capacidades que nos sorprenden a todos en términos de matemáticas”, dice Bubeck.

Cualquiera que sea el enfoque que gane, el hecho de que el futuro de las matemáticas esté controlado por un pequeño número de empresas tecnológicas bien financiadas ha creado una sensación de malestar entre los matemáticos. Todo este intenso interés ha llegado de repente. ¿Qué pasa si desaparece igual de rápido?

“En este momento se está invirtiendo mucho dinero en esto y lo echaremos de menos cuando se acabe”, dice Ravi Vakil de la Universidad de Stanford. “Mejora los modelos de IA en general, para convertirnos en mejores pensadores matemáticos. Pero en cinco años, no será así. No se puede ganar mucho dinero resolviendo la hipótesis de Riemann”.

Teoremas de pago

Otro futuro posible es que las matemáticas en sí mismas se conviertan en un jardín vallado, donde solo puedas resolver un problema si tienes suficiente dinero o acceso al modelo de IA adecuado. Si bien muchas de las herramientas de Axiom Math son actualmente de uso gratuito, la empresa no puede descartar que puedan costar dinero en algún momento en el futuro.

“Algunas matemáticas hoy en día ya están sujetas a pagos”, dice Shubho Sengupta de Axiom Math. “[Large hedge funds] hacer muchos modelos matemáticos. Nada de eso es accesible para nadie más, por una buena razón, porque es su propiedad intelectual; así es como ganan dinero”.

Sengupta añade, sin embargo, que “impulsar los límites del conocimiento de las matemáticas debería ser libre”.

Achim de Harmonic tiene una opinión similar. “Una herramienta que es útil para las matemáticas cuesta dinero. Queremos darle a la gente la oportunidad de pagar a cambio de obtener el servicio que desean”. Esto no significa, sin embargo, que no apoyen a los matemáticos, afirma. “Si la empresa cree que las matemáticas son realmente importantes para el futuro, por supuesto siempre querremos apoyar a los matemáticos de la mejor manera posible. No creo que ninguna empresa vea a los matemáticos como una forma de extraer todo el valor para la empresa”.

Predecir el futuro es algo notoriamente complicado, especialmente para los modelos de IA, dado su reciente progreso, pero es probable que en el futuro previsible los matemáticos desempeñen un papel de liderazgo. Cuando dejé Axiom, Ono comparó la llegada de los sistemas de inteligencia artificial con capacidad matemática con cuando Srinivasa Ramanujan irrumpió en escena por primera vez. Ramanujan fue un matemático autodidacta de la India cuyos descubrimientos matemáticos surgieron en gran medida de la intuición, conmocionando a la comunidad matemática a principios del siglo XX, ya que parecían surgir de la nada.

El padre de Ono, un matemático japonés que se mudó a Estados Unidos en parte porque se inspiró en la historia de Ramanujan, murió en enero. Ono recuerda una de sus últimas conversaciones juntos: “Tal vez sea como tu momento Ramanujan, tal vez otras personas no lo entiendan, y si ves que a una computadora se le ocurre algo que parece mágico, deberías aceptarlo, porque ya nos pasó a todos”.

Temas:

inteligencia artificial/matemáticas