Google DeepMind resuelve 9 problemas de Erdős y 44 conjeturas: la IA que está reescribiendo la matemática

En un anuncio que ha sacudido tanto la comunidad científica como el mundo de la inteligencia artificial, DeepMind, la unidad de investigación de Google dedicada a la IA, reveló que su último sistema ha conseguido resolver nueve problemas abiertos propuestos por el legendario matemático Paul Erdős y ha verificado formalmente 44 conjeturas adicionales. Este logro no solo representa una victoria tecnológica, sino que también plantea preguntas profundas sobre el futuro de la investigación matemática y el papel de las máquinas en la generación de conocimiento.

Contexto histórico: los enigmas de Erdős y la tradición de la demostración formal

Paul Erdős, uno de los colaboradores más prolíficos del siglo XX, dejó tras de sí un legado de cientos de problemas y conjeturas que, aunque simples de enunciar, han resistido el esfuerzo colectivo de generaciones de matemáticos. Muchos de estos enigmas forman parte de la llamada "Erdős–Bacon problem" y otras áreas como la teoría de números, la combinatoria y la teoría de grafos. Tradicionalmente, la solución a estos problemas ha dependido de la intuición humana, el ingenio creativo y, en etapas más avanzadas, la verificación mediante sistemas de pruebas formales como Coq o Lean.

La demostración formal, a diferencia de la demostración escrita a mano, implica traducir cada paso de un argumento a un lenguaje que una computadora pueda validar sin ambigüedad. Este proceso, aunque rigurosamente fiable, suele ser extremadamente laborioso y ha limitado su adopción fuera de círculos especializados.

Detalles del avance: cómo DeepMind logró la hazaña

El proyecto de DeepMind, bautizado internamente como AlphaMath, combina dos componentes clave: un agente de aprendizaje reforzado que explora posibles estrategias de prueba y un verificador formal que revisa cada línea de razonamiento. El agente se entrena en un amplio corpus de problemas ya resueltos, aprendiendo a reconocer patrones, aplicar lemmas y generar conjeturas auxiliares. Cuando propone una solución, el verificador, basado en el motor de pruebas Lean, la somete a una revisión exhaustiva para garantizar que no exista ningún paso no justificado.

En el caso de los nueve problemas de Erdős, el sistema no solo encontró demostraciones válidas, sino que también generó explicaciones intermedias que fueron traducidas a lenguaje natural para que los matemáticos pudieran seguir la lógica subyacente. De las 44 conjeturas adicionales, 27 eran extensiones de problemas de teoría de grafos, mientras que las restantes pertenecían a la teoría de números y la combinatoria extremal.

Impacto e implicancias: ¿una nueva era para la investigación matemática?

El éxito de DeepMind abre la puerta a una revolución en la manera de abordar problemas abiertos. Primero, acelera drásticamente el proceso de prueba: donde antes un matemático podía pasar años trabajando en un solo problema, una IA bien entrenada puede generar y validar pruebas en cuestión de horas o días. Segundo, democratiza el acceso a la investigación avanzada; al integrar la IA en entornos de educación superior, estudiantes y docentes podrían explorar fronteras del conocimiento sin necesidad de una expertise profunda en técnicas de demostración formal.

Sin embargo, el avance también genera inquietudes. La dependencia de algoritmos opacos podría dificultar la comprensión humana de las pruebas, creando una brecha entre la solución y la intuición detrás de ella. Además, la validación formal, aunque rigurosa, no garantiza que la prueba sea "elegante" o "insightful" en el sentido tradicional, lo que podría limitar su valor pedagógico.

Perspectiva a futuro: ¿qué sigue para la IA en matemáticas?

Los investigadores de DeepMind ya están planificando la siguiente fase: aplicar su arquitectura a problemas de mayor escala, como la conjetura de Birch y Swinnerton-Dyer o el último teorema de Fermat en versiones generalizadas. También se están explorando colaboraciones con proyectos de código abierto como Lean Prover Community, para integrar el aprendizaje reforzado directamente en los entornos de prueba.

Más allá de la matemática pura, el método podría trasladarse a otras ciencias que dependen de pruebas lógicas extensas, como la verificación de protocolos criptográficos o la síntesis de circuitos electrónicos. En el ámbito académico, se prevé la creación de "asistentes de investigación" basados en IA que ayuden a redactar artículos, detectar errores y sugerir líneas de investigación emergentes.

Conclusión

La resolución de nueve problemas de Erdős y la verificación formal de 44 conjeturas por parte de DeepMind no es solo una hazaña técnica; es un indicio claro de que la inteligencia artificial está preparada para convertirse en un colaborador activo en la creación de conocimiento científico. Si bien aún quedan desafíos —desde la interpretabilidad de las pruebas hasta la integración ética de la IA en la investigación—, el horizonte se perfila como un terreno donde humanos y máquinas trabajarán codo a codo para desentrañar los misterios más profundos del universo matemático.