Un modelo de OpenAI refuta una de las hipótesis centrales de la geometría discreta

Un modelo de OpenAI ha demostrado algo que parecía imposible: refutó una hipótesis central de la geometría discreta al resolver el unit distance problem, de 80 años de antigüedad y uno de los problemas clásicos sin resolver de la matemática moderna.

Qué es el unit distance problem

En 1946, el matemático húngaro Paul Erdős formuló una pregunta que desde entonces atrae a los investigadores: ¿cuál es el número máximo de puntos que se pueden colocar en un espacio de d dimensiones de modo que la distancia entre cualquier par sea exactamente una unidad?

La pregunta parece sencilla, pero la respuesta ha resultado esquiva. En el plano (2D) se conoce la respuesta: siete puntos. Sin embargo, en el espacio tridimensional y superiores la solución sigue sin conocerse después de ocho décadas. No es un acertijo académico: el problema toca cuestiones fundamentales sobre la estructura del espacio y sus propiedades discretas.

El problema pertenece a la geometría discreta, la rama de las matemáticas que estudia conjuntos finitos de puntos, líneas, polígonos y otros objetos geométricos. La geometría discreta tiene aplicaciones en cristalografía, gráficos por ordenador y optimización. Aunque el unit distance problem se enuncia de forma elemental, resolverlo exige una comprensión profunda de estructuras combinatorias y geométricas.

Cómo la red neuronal refutó la hipótesis

OpenAI entrenó el modelo con un conjunto representativo de demostraciones y resultados conocidos de geometría discreta. La red aprendió a reconocer patrones complejos en estructuras matemáticas y, algo decisivo, a proponer contraejemplos a hipótesis existentes.

Como resultado del entrenamiento, el modelo generó por sí mismo una configuración concreta de puntos que refutó una de las hipótesis centrales y más longevas de la geometría discreta. Los investigadores verificaron después el resultado de manera formal y confirmaron su corrección matemática.

Fue un momento histórico: la IA no se limitó a calcular una respuesta numérica ni a ayudar a una persona, sino que produjo un descubrimiento matemático original y desconocido hasta entonces. Después, matemáticos humanos verificaron el resultado de forma independiente y reconocieron su validez.

• La IA encontró un contraejemplo a la hipótesis en menos tiempo del que habría necesitado un grupo de analistas
• La demostración superó una revisión rigurosa y fue aprobada por expertos en geometría discreta
• El resultado está publicado como una contribución científica completa y puede citarse

Por qué es un punto de inflexión

Demostrar una imposibilidad (es decir, refutar una hipótesis) es uno de los tipos de resultado más valiosos de la matemática pura. Cada refutación de este tipo trastoca la comprensión de toda una rama de investigación. Si una hipótesis que los matemáticos llevaban 80 años comprobando es falsa, todas sus consecuencias y todos los trabajos construidos sobre esa suposición deben replantearse.

Para la IA, esto supone pasar de herramienta auxiliar (asistente de la persona) a investigadora independiente, capaz de hacer descubrimientos por su cuenta. El modelo no se limitó a ayudar a un científico a recorrer opciones o a comprobar una hipótesis: formuló y fundamentó por sí mismo un resultado que no figuraba en sus datos de entrenamiento.

«Esto demuestra el potencial de la IA en la ciencia fundamental», afirman los investigadores de

OpenAI en su informe.

Qué significa para la ciencia

El resultado abre un nuevo camino para aplicar los grandes modelos de lenguaje y otros sistemas de IA a la matemática pura, la física teórica y las ciencias fundamentales. Si las redes neuronales pueden encontrar nuevas demostraciones, refutaciones y contraejemplos, podrían acelerar la investigación en campos donde la búsqueda por tanteo, la complejidad combinatoria y la necesidad de comprobar muchas hipótesis frenan hoy el progreso humano.

Esto no significa que los matemáticos vayan a volverse prescindibles. Más bien, la IA se convertirá en un socio potente que amplía los límites de lo que es posible investigar.