Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
IndustriaAnálisis · En radarGuardian→ original

Axiom Math usa IA para escribir en Lean una demostración de 43,1 millones de líneas de código en 24 días

La clasificación de los grupos simples finitos es una de las demostraciones más grandes de la historia de las matemáticas, en la que trabajaron durante décadas numerosos científicos. El equipo de Axiom Math, con ayuda de IA, la escribió en Lean en 24 días: resultaron 43,1 millones de líneas de código, y cada paso lo verifica un pequeño programa núcleo. En el proceso encontraron un fallo en la prueba publicada de un teorema clave. La lección para los ingenieros: junto a la IA, hay que poner un verificador mecánico independiente.

Procesado por IA desde Guardian; editado por Hamidun News
Axiom Math usa IA para escribir en Lean una demostración de 43,1 millones de líneas de código en 24 días
Fuente: Guardian. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalGuardian ↗
Editor jefe
Lean acepta o rechaza cada pasoun razonamiento elegante pero incorrecto no pasa la verificación
Dato clave #2Para el fallo en la prueba antigua, el equipo propuso un argumento alternativo
Dato clave #3Una persona sigue comprobando que la formalización signifique lo que se pretendía

Imaginemos un proyecto en el que varias generaciones de matemáticos escribieron una única demostración gigantesca, y ahora hay que verificarla por completo, hasta el último paso. Eso es exactamente lo que hizo el equipo de la startup Axiom Math: con ayuda de la IA, trasladó la demostración de la clasificación de los grupos simples finitos al lenguaje Lean. Resultaron 43,1 millones de líneas de código, y todo el trabajo llevó 24 días.

Así lo explicó Ken Ono, profesor de la Universidad de Virginia, que actualmente se encuentra de excedencia y trabaja como jefe matemático de Axiom Math, en una columna para The Guardian. Para los desarrolladores, lo importante aquí no es la filosofía, sino el procedimiento práctico: cómo confiar en un resultado producido por una red neuronal.

¿Qué es Lean y para qué sirven 43,1 millones de líneas?

La clasificación de los grupos simples finitos es una de las demostraciones más grandes de la historia de las matemáticas. Se anunció en 1983, numerosos científicos trabajaron en ella durante décadas, y el gran hueco que tenía la demostración no se cerró hasta 2004. Leer y revisar a mano un volumen así es muy difícil.

Lean es un lenguaje en el que cada paso del razonamiento lo comprueba un pequeño programa núcleo. No se le puede convencer: o acepta el paso o lo rechaza. Por eso, un razonamiento elegante pero incorrecto no pasa la verificación en Lean. Según Ono, Axiom Math utiliza la IA para formalizar, verificar y desarrollar demostraciones. Este trabajo puede poner al descubierto lagunas y hace que las demostraciones sean accesibles para su revisión y reutilización.

La analogía con la programación es sencilla: la red neuronal escribe el código, y el compilador y las pruebas eliminan lo defectuoso. Aquí el papel de las pruebas lo desempeña un verificador formal que no depende del modelo.

Lo que encontraron por el camino

El equipo publicó la primera formalización completa de la clasificación en Lean. La IA ayudó a obtener esos 43,1 millones de líneas. Durante el proceso se encontró un fallo en la vía publicada hacia uno de los teoremas clave, y los autores propusieron un argumento alternativo. La demostración final la verifica el núcleo de Lean. Ono subraya que las matemáticas en sí pertenecen a las generaciones que las crearon. Y las formalizaciones ya existentes ayudan a construir y verificar nuevos resultados.

Para los profesionales, esta es una buena lección. La formalización funciona aquí como una auditoría: encontró un agujero en un argumento publicado hace tiempo que no se había visto con una lectura ordinaria. Si un error en su sistema resulta costoso, por ejemplo en cálculos financieros, algoritmos médicos o infraestructura crítica, no basta con que lo genere un modelo. Hace falta un verificador mecánico aparte.

Contexto y limitaciones reconocidas

Ono señala la limitación principal: el núcleo de Lean confirma que la demostración es correcta, pero no garantiza que el enunciado del teorema diga lo que se pretendía. Eso lo siguen comprobando las personas. En el desarrollo ocurre lo mismo: una prueba puede estar en verde y, aun así, comprobar el comportamiento equivocado.

La columna comienza con una confesión personal. Ono escribe que el año pasado estuvo a punto de dejar las matemáticas. Se refiere a un informe según el cual, el 20 de noviembre, Levent Alpöge, junto con Claude, demostró la hipótesis de Riemann, un problema de 167 años sobre la distribución de los números primos, y que las comunidades de Lean y Mathlib ya certificaron la demostración formal. Ono añade que las personas apenas empiezan a comprender el argumento en sí. Esto es un resumen de las palabras del autor de la columna; el texto no incluye una evaluación independiente de estas afirmaciones.

El autor también menciona el anuncio de OpenAI sobre la resolución del problema de Navier-Stokes. Dos días después de ese anuncio, una conferencia programada de Ono en Berkeley se convirtió en una reunión de casi dos horas y media. Los estudiantes preguntaron por la autoría, la transparencia, la contratación y el trato a los matemáticos cuyos trabajos fueron los primeros.

Ono cita la declaración «A Severe Misalignment of AI in Mathematics», firmada por Terence Tao y otros galardonados con la Medalla Fields. En ella se advierte sobre anuncios apresurados, una atribución deficiente y la pérdida de la comprensión matemática. Ono comparte esas preocupaciones. Según él, las universidades, las revistas, los empleadores y las fundaciones deben decidir qué apoyan y qué premian. En esas decisiones debe tener voz tanto el estudiantado como quienes eligen trabajar sin IA. Él mismo formula su postura así: la esperanza no es un plan, y la nostalgia no es una tutoría.

En su propia labor como mentor, Ono preguntará al joven matemático qué entendió, qué ideó o qué hizo posible. Tener acceso a un sistema potente no basta para ello. Y en las publicaciones en las que participa, el lector debe ver qué está demostrado, qué se acepta por fe y quién es el autor de cada idea.

De todo esto se desprenden tres conclusiones prácticas. Primero, los resultados de la IA en áreas exactas irán acompañados cada vez más de un certificado verificable por máquina. Segundo, la formalización puede servir como auditoría de resultados antiguos. Tercero, las cuestiones de atribución y transparencia habrá que resolverlas con la misma seriedad que las técnicas. Ono reconoce que puede equivocarse en sus pronósticos y dice que todavía está aprendiendo a ser matemático en las nuevas condiciones.

Historia

Preguntas frecuentes sobre la noticia

¿Qué es Lean y para qué sirven 43,1 millones de líneas?

La clasificación de los grupos simples finitos es una de las demostraciones más grandes de la historia de las matemáticas. Se anunció en 1983, numerosos científicos trabajaron en ella durante décadas, y el gran hueco que tenía la demostración no se cerró hasta 2004. Leer y revisar a mano un volumen así es muy difícil. Lean es un lenguaje en el que cada paso del razonamiento lo comprueba un pequeño programa núcleo. No se le puede convencer: o acepta el paso o lo rechaza.

¿Qué se sabe sobre Lo que encontraron por el camino?

El equipo publicó la primera formalización completa de la clasificación en Lean. La IA ayudó a obtener esos 43,1 millones de líneas. Durante el proceso se encontró un fallo en la vía publicada hacia uno de los teoremas clave, y los autores propusieron un argumento alternativo. La demostración final la verifica el núcleo de Lean. Ono subraya que las matemáticas en sí pertenecen a las generaciones que las crearon. Y las formalizaciones ya existentes ayudan a construir y verificar nuevos resultados.

¿Qué se sabe sobre Contexto y limitaciones reconocidas?

Ono señala la limitación principal: el núcleo de Lean confirma que la demostración es correcta, pero no garantiza que el enunciado del teorema diga lo que se pretendía. Eso lo siguen comprobando las personas. En el desarrollo ocurre lo mismo: una prueba puede estar en verde y, aun así, comprobar el comportamiento equivocado. La columna comienza con una confesión personal. Ono escribe que el año pasado estuvo a punto de dejar las matemáticas.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…