OpenAI afirma haber resuelto grandes problemas de matemáticas, complejidad y física

OpenAI afirma haber resuelto grandes problemas de matemáticas, complejidad y física

OpenAI anunció tres resultados generados por sus modelos en análisis armónico, complejidad computacional y física matemática. La empresa afirma haber demostrado la conjetura de suavizamiento local en todas las dimensiones, refutado la Hipótesis del Tiempo Exponencial y obtenido pruebas de existencia para determinadas teorías cuánticas de campos en cuatro dimensiones. Parte de los resultados fue formalizada en Lean, pero OpenAI pidió a especialistas independientes examinar su significado y validez científica.

OpenAI anunció el 26 de octubre tres resultados producidos por sus modelos internos en matemáticas, ciencias de la computación y física teórica, en una nueva etapa de su programa para utilizar inteligencia artificial en problemas científicos abiertos. La compañía describió los trabajos como descubrimientos, aunque señaló que los manuscritos deben entenderse inicialmente como “datos de investigación sin procesar” que requieren interpretación y revisión por parte de las comunidades académicas.

Los resultados abarcan la conjetura de suavizamiento local en análisis armónico, la Hipótesis del Tiempo Exponencial (ETH) en teoría de la complejidad y la existencia matemática de determinadas teorías cuánticas de campos, entre ellas la cromodinámica cuántica, QCD, y la teoría pura de Yang–Mills.

La empresa adoptó estrategias diferentes para divulgar cada trabajo. En matemáticas publicó directamente el resultado generado por el modelo y su formalización; para ETH formó además un grupo externo encargado de estudiar y explicar el resultado; y en física entregó los materiales a especialistas que decidieron posponer su publicación mientras elaboran su propia exposición.

Una demostración de suavizamiento local en todas las dimensiones

El primer resultado pertenece al análisis armónico y se refiere a la llamada conjetura de suavizamiento local, propuesta por Christopher Sogge en 1991 para describir cómo se comportan las ondas cuando se concentran. De acuerdo con la explicación de OpenAI, la conjetura establece, de manera simplificada, que los episodios de concentración extrema de una onda deben durar poco tiempo: el comportamiento observado al considerar un momento típico es menos extremo que el máximo que puede alcanzarse en un instante particular.

OpenAI afirma que sus modelos produjeron una demostración de la conjetura de suavizamiento local en todas las dimensiones espaciales. Según la compañía, el resultado implica también las conjeturas de Kakeya y de restricción de Stein en todas las dimensiones y utiliza como elemento central una nueva ecuación diferencial parcial auxiliar.

La salida del modelo fue obtenida el 18 de octubre y formalizada en Lean al día siguiente. OpenAI publicó tanto la exposición en lenguaje natural producida por el sistema como la demostración formal dentro de su repositorio público.  Lean es un lenguaje y asistente de demostración que permite expresar argumentos matemáticos formalmente y comprobar mediante computadora que los pasos siguen las reglas lógicas establecidas. OpenAI ya había utilizado este sistema en una publicación anterior de resultados matemáticos de sus modelos internos.

La formalización proporciona una forma de comprobación mecánica del argumento codificado, pero OpenAI sostiene que convertir esas demostraciones en conocimiento científico requiere también que investigadores estudien los resultados, los expliquen y los sitúen dentro de la literatura matemática existente.

OpenAI afirma que la Hipótesis del Tiempo Exponencial es falsa

El segundo resultado afecta a la teoría de la complejidad computacional. OpenAI afirma que su sistema produjo una refutación de la Hipótesis del Tiempo Exponencial, ETH, una conjetura utilizada durante décadas para estudiar los límites de eficiencia de numerosos algoritmos. La hipótesis está relacionada con el problema de satisfacibilidad de fórmulas booleanas y, de manera más amplia, con las preguntas que rodean a P frente a NP.

La ETH ha servido como supuesto para establecer resultados condicionales de dificultad en campos que incluyen teoría de grafos, biología computacional, bases de datos y geometría computacional. Una refutación correcta obligaría, por tanto, a volver a examinar límites algorítmicos que dependen de esa hipótesis.

OpenAI informó que su modelo obtuvo la refutación en lenguaje natural el 16 de octubre y que el resultado fue formalizado en Lean el día 17. La compañía publicó posteriormente ambas versiones para permitir que otros investigadores examinen el argumento.

La empresa formó además un grupo externo encabezado por Russell Impagliazzo y Ramamohan Paturi, de la Universidad de California en San Diego, y Ryan Williams, del Instituto Tecnológico de Massachusetts, para estudiar y explicar el resultado. Impagliazzo y Paturi participaron en la formulación original de ETH.

OpenAI aceptó también la solicitud del grupo de hacer públicos los datos de investigación relacionados con el resultado y se comprometió a financiar una conferencia para estudiar sus implicaciones. La empresa señaló que el proceso deberá abordar además cuestiones sobre verificación, acceso, atribución de mérito y el papel de los sistemas de IA en futuros descubrimientos científicos.

Una afirmación sobre la existencia de teorías cuánticas de campos

El tercer resultado se encuentra entre las matemáticas y la física teórica. OpenAI afirma que sus modelos obtuvieron una demostración matemáticamente rigurosa de la existencia de determinadas teorías cuánticas de campos interactuantes en cuatro dimensiones que contienen campos gauge y fermiones, incluida la cromodinámica cuántica, QCD, que describe la interacción fuerte entre partículas como quarks y gluones.

El trabajo incluye además, como subproblema, una demostración de la existencia de la teoría pura de Yang–Mills. OpenAI precisa que la existencia constituye una parte del problema de Yang–Mills incluido entre los Problemas del Milenio; el anuncio no presenta este resultado como una resolución completa de ese problema.

Según la compañía, el modelo produjo una prueba en lenguaje natural de la existencia de Yang–Mills el 9 de septiembre y posteriormente una demostración relacionada con QCD el 18 de septiembre. La formalización en Lean de la parte correspondiente a la existencia de Yang–Mills fue terminada el 16 de octubre.

A diferencia de los resultados de suavizamiento local y ETH, OpenAI todavía no publicó los artefactos generados por el modelo para esta investigación. La empresa entregó el trabajo a un grupo externo que decidió estudiar primero los materiales y elaborar su propia exposición antes de hacerlos públicos.

El grupo está encabezado por el físico David Gross e incluye a Michael Douglas, Arthur Jaffe, Igor Klebanov y Nikita Nekrasov. De acuerdo con OpenAI, los investigadores participan de manera independiente y sus futuras conclusiones no representarán a la compañía.

De una prueba generada por IA al conocimiento científico

OpenAI ha ampliado durante las últimas semanas la publicación de resultados matemáticos producidos por modelos internos. A principios de octubre informó que estaba haciendo públicos manuscritos, formalizaciones en Lean y datos sobre el proceso utilizado por sus sistemas para trabajar en problemas matemáticos abiertos.

La compañía sostiene que las demostraciones formalizadas permiten comprobar matemáticamente una parte importante del proceso, pero ha comenzado a tratar la interpretación y explicación de los resultados como una etapa separada. En el anuncio del 26 de octubre describió los manuscritos producidos por IA como una forma de datos de investigación en bruto, que deben convertirse posteriormente en entendimiento científico mediante trabajo académico.

OpenAI señaló también que no buscará crédito académico por los descubrimientos producidos por sus modelos y que los grupos externos encargados de estudiarlos deben conservar independencia para publicar sus propias conclusiones, incluso cuando difieran de las de la compañía.

La distinción resulta especialmente importante ante la magnitud de las afirmaciones. Una demostración expresada en lenguaje natural, su traducción a un sistema formal como Lean y su incorporación posterior al conocimiento aceptado por una disciplina representan etapas diferentes del proceso.

Por ahora, OpenAI ha hecho públicos los materiales correspondientes al suavizamiento local y la refutación de ETH, mientras que el trabajo sobre teorías cuánticas de campos continúa bajo examen del grupo de especialistas. La siguiente etapa no depende únicamente de que los sistemas puedan producir nuevas demostraciones, sino de que las comunidades científicas puedan entenderlas, verificar qué afirman exactamente y determinar qué cambia a partir de ellas.