Resumen:
Menos de un mes después de la última vez que publicó cientos de artículos, OpenAI anunció tres resultados "importantes" más en los campos de las matemáticas, la informática y la física el 26 de octubre, y por primera vez intentó dejar que expertos externos lideraran el proceso de comprensión y publicación de los resultados como un "pastor".
La mayor diferencia con el enfoque anterior es la diferenciación de las estrategias de publicación: para resultados en informática y física, OpenAI invita a expertos externos a liderar un equipo para interpretar los resultados; Para problemas matemáticos, los expertos recomiendan hacer públicos directamente los resultados de la IA y dejar que los investigadores organicen su propio trabajo de interpretación. OpenAI posicionó los tres manuscritos como una especie de "datos de investigación originales" en su blog oficial y admitió que "aún no se sabe cuál de los tres métodos es el más útil".
Entre los tres resultados, los resultados matemáticos están dirigidos al análisis armónico. Sogge propuso la "conjetura de suavidad local" en 1991 para discutir el comportamiento de las ondas durante el enfoque: el enfoque más extremo debe ser de corta duración y la intensidad del enfoque en momentos aleatorios es mucho menor que en el peor de los casos. Dado que esta conjetura es extremadamente básica, contiene tanto la conjetura de Kakeya como la conjetura limitante de Stein. En 2019, Guth, Wang y Zhang demostraron la situación bidimensional, y en 2025, Wang y Zahl demostraron la conjetura de Kakeya de los tres mantenimientos; y el modelo de OpenAI demostró la conjetura de suavidad local en cualquier dimensión, resolviendo así la conjetura de Kakeya y la conjetura del límite de Stein en todas las dimensiones. La nueva prueba se basa en una nueva ecuación diferencial parcial auxiliar. El resultado del modelo se obtuvo el 18 de octubre de 2026 y la formalización Lean se completó al día siguiente.
En informática, los resultados apuntan a la falsificación de la "hipótesis del tiempo exponencial" (ETH). ETH es una conjetura a largo plazo sobre la complejidad computacional de la satisfacibilidad de fórmulas booleanas. Está estrechamente relacionado con el problema P vs. NP. Ha sido utilizado por una gran cantidad de artículos en el pasado para derivar resultados condicionalmente difíciles en teoría de grafos, biología computacional, bases de datos, geometría computacional y otros campos. OpenAI afirma que su sistema demuestra que ETH no es cierto y ha completado la verificación en Lean: el documento proporciona un algoritmo determinista que puede contar con precisión el número de asignaciones satisfactorias de la fórmula CNF de ancho fijo en tiempo subexponencial y solo ocupa espacio polinomial. El caso 3-SAT constituye una refutación de ETH. Este trabajo fue examinado e interpretado por un grupo de trabajo independiente dirigido por Russell Impagliazzo, Ramamohan Paturi y Ryan Williams. Impagliazzo y Paturi fueron los proponentes originales de ETH (en colaboración con Francis Zane). A petición del grupo de trabajo, los materiales pertinentes se hicieron públicos inmediatamente; OpenAI también se comprometió a financiar una conferencia para discutir las implicaciones de los resultados para todo el campo. La contraevidencia a nivel de lenguaje natural fue generada el 16 de octubre y formalizada el 17 de octubre.
Los resultados físicos proporcionan una prueba estricta de la existencia de ciertas teorías de campos cuánticos que interactúan que contienen campos de calibre y fermiones en cuatro dimensiones, que cubren la cromodinámica cuántica (QCD) y una versión unificada y completa del modelo estándar. El trabajo se basa en el enfoque de Balaban en la teoría constructiva de campos cuánticos y también incluye como subproblema una prueba de la existencia de una teoría pura de Yang-Mills; esta última es parte del problema del Premio del Milenio "Teoría cuántica de Yang-Mills" del Clay Mathematics Institute. El Modelo Estándar no se puede extrapolar a distancias arbitrariamente cortas, y esta prueba de existencia es para la gran teoría unificada más simple que involucra los campos calibre y los fermiones del Modelo Estándar. Este trabajo fue dirigido por David Gross, ganador del Premio Nobel de Física 2004, e incluyó a Michael Douglas, Arthur Jaffe, Igor Klebanov y Nikita Nekrasov; Jaffe co-planteó el Problema del Milenio Yang-Mills con Witten y cofundó el Instituto Clay de Matemáticas, y Douglas ha estado siguiendo el problema durante veinte años. El grupo de trabajo solicita que todos los contactos relevantes se envíen a
[email protected]
. La prueba en lenguaje natural del modelo se proporcionó el 9 de septiembre para la existencia de Yang-Mills y el 18 de septiembre para QCD. Debido a la altísima extensión y complejidad, el lanzamiento se pospuso hasta el 16 de octubre cuando se completó la formalización Lean; El grupo decidió no revelar los productos generados por IA por el momento, sino escribir el artículo ellos mismos.OpenAI ha fijado cuatro principios para estas colaboraciones externas: transparencia, no exigir a los participantes que firmen acuerdos de confidencialidad, libre discusión, intercambio de productos intermedios y publicación de conclusiones; No pedir honores académicos, no buscar crédito académico por descubrimientos generados por modelos internos e invitar a investigadores a participar no significa que hayan hecho nada. Produjo los hallazgos originales; reconoce las contribuciones, se le atribuye al grupo de trabajo el conocimiento que ha construido y los manuscritos y otros materiales que ha escrito, y es responsable de citar adecuadamente a los investigadores, las técnicas y las ideas en las que se basa; independiente, la participación es voluntaria y no remunerada, los miembros no hablan en nombre de OpenAI y OpenAI no los representa.
Pero el modelo en sí es controvertido. OpenAI reconoce que elegir el “pastor” inicial determinará inevitablemente quién participa primero y crea asimetría de información, por lo que acoge con agrado opiniones externas sobre cómo ampliar la participación. Una crítica más directa provino del Grupo Asesor Matemático AGMAI formado por la propia OpenAI: justo el día anterior (25 de octubre), el grupo declaró claramente que "recomienda que las empresas de IA no adopten la práctica de designar grupos específicos de personas para obtener resultados primero, citando acceso desigual, tomando prestada la reputación de otros y sesgo en la selección".
En términos de apoyo a la investigación científica, OpenAI mencionó la inversión previamente anunciada de 5 millones de dólares para la Fundación Simons. Este fondo es administrado y distribuido por la fundación para apoyar seminarios, conferencias y programas especiales para ayudar a los investigadores a comprender y continuar trabajando en base a los resultados generados por la IA.
Comentarios