Axiom AI: cuatro enigmas matemáticos que por fin cedieron ante una red neuronal

Mientras nos entretenemos generando imágenes de gatos con traje espacial, en las entrañas de la industria ocurre algo realmente inquietante y fascinante a la vez. Las matemáticas siempre fueron ese puerto tranquilo donde la inteligencia humana podía sentirse a salvo de la invasión de los algoritmos. Nos acostumbramos a pensar que las redes neuronales son simples T9 muy avanzados: capaces de mentir con soltura, pero incapaces de una inferencia lógica rigurosa. La startup Axiom acaba de romper ese mito cómodo al resolver cuatro problemas matemáticos que llevaban años acumulando polvo en la estantería de los problemas abiertos. El hecho cambia las reglas de la carrera hacia la IA fuerte.

Durante mucho tiempo, la principal crítica a los grandes modelos de lenguaje fue su incapacidad para razonar de forma secuencial. Seguro que has visto cientos de memes sobre cómo GPT-4 se enreda con fracciones simples o no sabe decir qué número es mayor: 9.11 o 9.9. El problema estaba en la propia arquitectura: predecir el siguiente token funciona de maravilla para escribir ensayos, pero falla de forma fatal donde hace falta precisión absoluta. Las matemáticas no toleran la aproximación. Un error de signo al principio convierte toda la demostración posterior en un conjunto de símbolos sin sentido. Axiom abordó la cuestión de otro modo e incorporó al proceso un sistema de verificación formal.

La clave del éxito de Axiom es un sistema híbrido. No se limita a «adivinar» una respuesta a partir de probabilidades. El modelo genera hipótesis que un motor matemático estricto comprueba de inmediato. Recuerda al funcionamiento del cerebro humano: primero el matemático intuye la solución y luego empieza a escribir la demostración con método, comprobando cada paso contra los axiomas. Que la IA haya podido cerrar cuatro cuestiones abiertas a la vez indica que hemos pasado de imitar el conocimiento a operar de verdad con estructuras lógicas.

¿Por qué importa esto a todos, y no solo a un puñado de personas con gafas y tiza en la pizarra? Las matemáticas son el cimiento de todo. La criptografía que protege tus transferencias bancarias, la física que permite construir cohetes e incluso la propia arquitectura de las redes neuronales se sostienen sobre demostraciones matemáticas. Si la IA aprende a resolver problemas fuera del alcance humano, podríamos obtener la llave de nuevos materiales, fármacos y algoritmos de compresión de datos más eficientes. Es el paso de una IA asistente que escribe tus correos a una IA científica que descubre nuevas leyes de la naturaleza.

Por supuesto, los escépticos dirán que cuatro problemas son apenas una gota en el océano. Pero conviene entender el contexto. Antes, avances así ocurrían una vez por década y exigían el esfuerzo de institutos enteros. Ahora vemos cómo una pequeña startup logra estos resultados con una buena combinación de potencia de cálculo y hallazgos de arquitectura. Es un desafío directo para gigantes como OpenAI y Google DeepMind, que también apuestan por modelos de razonamiento como o1. Axiom ha demostrado que en esta disciplina el tamaño del modelo no siempre es el factor decisivo: la inteligencia reside en la metodología.

Entramos en una era en la que la IA deja de ser un mero espejo del conocimiento humano. Empieza a generar conocimiento que nosotros aún no hemos logrado formular. Eso plantea muchas preguntas: ¿cómo verificaremos las demostraciones si se vuelven demasiado complejas para la comprensión humana? ¿Nos convertiremos en simples consumidores de respuestas ya hechas, sin entender cómo se obtuvieron? En cualquier caso, Axiom ha creado un precedente que obligará a la comunidad científica a revisar sus ideas sobre las capacidades de la mente de silicio. Las matemáticas han caído; la siguiente es la física teórica.

Lo esencial: si la IA ha empezado a resolver problemas abiertos, la barrera entre «imitación» y «pensamiento» se ha vuelto prácticamente transparente. ¿Estamos listos para un mundo donde los matemáticos más brillantes del planeta sean racks de servidores?