OpenAI publica cientos de resultados matemáticos y la comunidad científica se divide

Última actualización: 11/10/2026
Autor: Isaac
  • OpenAI publica 722 manuscritos agrupados en 372 familias, obtenidos con un modelo interno aún no disponible.
  • La empresa dice haber probado unos 4.000 problemas y solo ofrece resúmenes de razonamiento para 10 resultados.
  • Más de veinte medallistas Fields y la Asociación de Matemáticas Humanas critican la falta de revisión y piden cautela.
  • El consejo asesor del Instituto de Estudios Avanzados reclama publicar instrucciones y cadenas de pensamiento.

OpenAI y matemáticas

OpenAI ha vuelto a poner el foco en las matemáticas. La compañía dirigida por Sam Altman asegura que un modelo de frontera interno, aún no disponible para el público, ha producido una amplia batería de resultados en distintas ramas. El paquete publicado incluye 722 manuscritos agrupados in 372 familias, una cifra que no equivale a 722 problemas resueltos, según matiza la propia empresa.

La publicación ha caído como una piedra en una comunidad acostumbrada a discutir cada demostración durante meses, cuando no años. Hay fascinación, pero también recelo: no todos aceptan que un sistema opaco pueda avanzar en preguntas abiertas sin que exista una revisión científica convencional. La Asociación de Matemáticas Humanas se ha convertido en una de las voces más duras contra el modo de proceder de OpenAI.

Matemáticas
Related article:
Las matemáticas se abren paso entre aulas, museos y algoritmos

Qué ha publicado OpenAI y cómo lo justifica

Según la información difundida por la compañía, el material procede de un proceso en el que se plantearon alrededor de 4.000 problemas matemáticos al modelo. Después se seleccionaron los hallazgos considerados más relevantes y se organizaron en esos 372 grupos. La mayoría de los resultados se habrían obtenido con una versión interna que OpenAI todavía no ha lanzado al mercado.

OpenAI también ha indicado que cada demostración consumió de media el equivalente a unas tres horas de razonamiento de ChatGPT Pro. Para 10 de los resultados se han facilitado resúmenes de la cadena de razonamiento seguida por el sistema, un gesto de transparencia que, sin embargo, queda lejos de lo que exige buena parte de la comunidad académica.

Los campos tocados son variados: álgebra, teoría de números, informática teórica, lógica matemática, topología y geometría algebraica, entre otros. Entre los asuntos mencionados aparecen avances sobre una versión debilitada de la hipótesis de Riemann y cuestiones relacionadas con problemas del Milenio que siguen abiertos. La empresa insiste en que su intención es ampliar el conocimiento humano y poner herramientas de vanguardia en manos de los científicos.

Related article:
Cómo aprender las matemáticas desde cero

El origen de esta tanda no es un examen al uso. Cuando los modelos empezaron a resolver sin aparente esfuerzo ejercicios de competiciones como la Olimpiada Internacional de Matemáticas, el equipo de OpenAI optó por construir nuevos parámetros basados en problemas sin resolver, situados en la frontera de la investigación actual. De ahí saldría una parte de lo ahora publicado.

La reacción de los matemáticos: dudas, críticas y ruptura

La comunidad matemática no ha reaccionado con una sola voz. Hay quienes ven un salto histórico y quienes sospechan que el volumen de resultados oculta una dependencia de ideas humanas previas. Tristan Buckmaster, matemático de la Universidad de Nueva York que trabajaba en Navier-Stokes, ha cuestionado que se haya hecho una diligencia debida suficiente antes de volcar cientos de manuscritos.

Otras voces van más allá y hablan de una operación de fuerza. La Asociación de Matemáticas Humanas, respaldada por más de veinte medallistas Fields, sostiene que publicar más de 700 archivos de golpe no demuestra rigor académico, sino capacidad de imponer ritmos. En su comunicado piden a los investigadores que dejen de colaborar con OpenAI y critican que se salten los estándares habituales de revisión.

Related article:
10 Ejemplos De Ciencias Duras Y Ciencias Blandas

El reproche no se limita a si las respuestas son correctas. El debate de fondo es qué significa avanzar en matemáticas. Para unos, basta con que Lean, un lenguaje de verificación formal, certifique la lógica de una demostración. Para otros, como Terence Tao, hace falta una explicación inteligible que los humanos puedan comprender, reutilizar y convertir en conocimiento acumulativo.

Tao, considerado una referencia mundial en la disciplina, no cree que la IA vaya a sustituir a los investigadores. Al contrario, la ve como una herramienta valiosa para colaborar en proyectos más ambiciosos. Pero advierte de que resolver problemas no es lo único que hacen las matemáticas: también hay que crear conceptos, formular preguntas nuevas, unificar áreas y formar a las siguientes generaciones.

En paralelo, algunos matemáticos se quejan de que OpenAI y otros laboratorios publican resultados en blogs o repositorios, en lugar de someterlos a revistas científicas. Ese formato, dicen, dificulta la verificación, excluye trabajos previos y fomenta anuncios fragmentados. La tensión ha llegado al punto que varios investigadores han acelerado sus propios artículos asistidos por IA para no quedar descolgados.

El consejo asesor y la recomendación que OpenAI no ha seguido

Para rebajar la desconfianza, OpenAI ha recurrido a un grupo asesor independiente vinculado al Instituto de Estudios Avanzados de Princeton. Ese comité, formado por matemáticos de prestigio, propuso publicar las instrucciones entregadas a los agentes y las cadenas de pensamiento que siguen hasta sus soluciones. La empresa afirma haberse apoyado en sus recomendaciones para difundir este paquete.

Sin embargo, hay una sugerencia clave que no se ha adoptado: que los laboratorios dejen de probar sus modelos propietarios directamente con problemas matemáticos avanzados. El consejo fue explícito al rechazar esa práctica, mientras OpenAI defiende que evaluar modelos internos de frontera es necesario para acelerar el desarrollo de herramientas útiles para la ciencia.

Computación cuántica y ciberseguridad-0
Related article:
Computación cuántica y ciberseguridad: Europa acelera la transición ante nuevos riesgos digitales

La propia empresa ha reconocido que el asunto tiene aristas delicadas. En sus mensajes públicos habla de seguir evaluando sistemas punteros en matemáticas y otras ciencias, y de hacerlo de forma responsable. Pero para buena parte del gremio, el problema no es solo técnico: es de poder, de transparencia y de quién marca las reglas del juego científico.

Qué significa para España y Europa

En el contexto europeo, el episodio conecta con un debate más amplio sobre la dependencia de infraestructuras y modelos privados para tareas de investigación básica. La Declaración de Leiden, suscrita por miles de matemáticos, reclama que las empresas de IA cumplan estándares equiparables a los de la comunidad académica. En España, expertos en ciberseguridad como Román Ramírez, cofundador de RootedCON, llevan tiempo avisando de que los avances en matemáticas aplicadas pueden tener efectos colaterales en la criptografía.

Ramírez ha señalado que ataques de factorización, extracción de claves o debilidades ocultas en algoritmos son riesgos que ya se venían advirtiendo. No es un escenario confirmado, pero sí un motivo para preparar defensas híbridas, aumentar el tamaño de las claves y añadir capas de verificación. La discusión, por tanto, no se queda en los despachos: toca infraestructuras digitales que sostienen desde comunicaciones hasta servicios financieros.

El asunto también ha encendido las alarmas en el sector de la criptografía. Investigadores como Justin Drake, de la Fundación Ethereum, han planteado que una superinteligencia matemática podría encontrar atajos en la criptografía de curvas elípticas, de la que dependen redes como Bitcoin o Ethereum. Su recomendación pasa por preparar una migración preventiva de activos y revisar los esquemas de firma, aunque no hay confirmación de que ese escenario sea inminente.

No todo el mundo comparte ese temor. Yehuda Lindell, responsable de criptografía de Coinbase, ha afirmado que no existe evidencia de que los avances recientes pongan en peligro las hipótesis de dureza de la criptografía de curvas elípticas. Matthew Green, profesor en Johns Hopkins, ha advertido del riesgo de perder la criptografía de clave pública, pero también ha matizado que no es lo mismo que romper todo el cifrado de la noche a la mañana. Vitalik Buterin, cofundador de Ethereum, ha pedido tomarse en serio los riesgos que las matemáticas aceleradas por IA plantean para la seguridad.

Europa mira con atención porque quiere regular la IA sin quedarse atrás en innovación. El choque entre la velocidad de los laboratorios estadounidenses y los tiempos de la revisión científica plantea una pregunta incómoda: si los resultados se publican a granel, ¿quién puede digerirlos y contrastarlos a tiempo? La respuesta afecta a universidades, centros de investigación y empresas tecnológicas del continente.

Lo ocurrido deja varias certezas provisionales: el modelo interno de OpenAI ha producido cientos de manuscritos, la revisión independiente aún es limitada y la comunidad científica no acepta sin más que una empresa privada marque el compás de una disciplina milenaria. El tiempo dirá si esta avalancha se recuerda como un avance útil o como un episodio de marketing y poder difícil de digerir.