Avances en IA y su impacto en la ciencia
Recientemente, tuve la oportunidad de asistir a una conferencia en el MIT, donde Neil Thompson, un destacado investigador en informática e inteligencia artificial, presentó sus hallazgos sobre la inminente revolución que la IA podría desencadenar en varios campos científicos. En una exposición de media hora, Thompson argumentó de manera convincente que disciplinas como la probabilidad, la teoría estadística, la teoría económica, la física de altas energías, la gravitación, la cosmología y la física cuántica están al borde de una transformación significativa debido al rápido avance de los modelos de inteligencia artificial.
Un estudio reciente indica que, entre mediados de 2024 y mediados de 2026, los modelos de IA más avanzados han pasado de resolver correctamente aproximadamente el 2% de los problemas teóricos en estas áreas a alcanzar un sorprendente 35%. Este progreso, lejos de desacelerarse, sugiere que en los próximos años podríamos ver una metamorfosis en la forma en que se aborda la resolución de cuestiones teóricas complejas, según señala Thompson.
Metodología del estudio y sus implicaciones
El estudio, realizado por Thompson junto a Gabriel Manso, estudiante de doctorado, y Claudio Mayrink Verdun, investigador, se centró en problemas planteados en artículos de investigación publicados entre diciembre de 2025 y mayo de 2026. Los investigadores evaluaron la capacidad de diversos modelos de OpenAI, como o1, o3, GPT-5, entre otros, para resolver estos problemas.
Es importante destacar que las soluciones encontradas por los modelos se basaron en artículos publicados después de que se completara su entrenamiento. Esto implica que los modelos debían descubrir las respuestas por sí mismos, sin recurrir a datos de entrenamiento previos. Además, los investigadores limitaron el acceso a internet, asegurando que los modelos no pudieran buscar soluciones en línea, lo que añade un nivel de rigor a la evaluación de su capacidad de resolución.
A pesar de que el enfoque del estudio se centró en áreas específicas donde los modelos de IA podían abordar problemas sin la necesidad de simulaciones o experimentos, los hallazgos sugieren que esta metodología podría ampliarse a otros campos científicos que dependan fuertemente de matemáticas y teoría.
El impacto de la IA en las matemáticas y su controversia
En septiembre, OpenAI generó un gran revuelo en el ámbito matemático al anunciar que un modelo no publicado había logrado resolver el problema de Navier-Stokes, que se centra en las ecuaciones que describen el movimiento de fluidos. Este hecho se tornó aún más polémico cuando un matemático de la Universidad de Nueva York, que colaboraba con un académico de Anthropic, acusó a OpenAI de haber adelantado su investigación.
Desde entonces, OpenAI ha reportado cientos de soluciones a problemas matemáticos que han estado sin resolver durante mucho tiempo, lo que ha generado una especie de crisis en el área. Algunos matemáticos han comenzado a abogar por restricciones en el uso de la IA, argumentando que el proceso de resolución de problemas es tan valioso como la respuesta final en sí misma.
Thompson advierte que, al igual que en el caso de las matemáticas, los avances en otros campos científicos generarán tanto efectos positivos como negativos. Resalta que los progresos teóricos a menudo conducen a avances prácticos en la ciencia, sugiriendo que una mayor integración de la IA podría facilitar más descubrimientos en este sentido.
La necesidad de expertos en un mundo dominado por la IA
A medida que la IA comienza a desempeñar un papel más destacado en la investigación científica, varios investigadores han establecido laboratorios dedicados a explorar cómo esta tecnología puede ser utilizada para realizar experimentos reales y análisis teóricos simultáneamente. Aunque la IA podría reducir la necesidad de teóricos para resolver problemas clave, los expertos recalcan que aún se requieren profesionales que interpreten las soluciones y validen su solidez.
Gabriel Manso enfatiza que, frente a problemas complejos, los modelos de IA pueden cometer errores. OpenAI ha tenido que retirar varias soluciones de su conjunto de datos tras su publicación debido a errores en los resultados. «Es vital contar con mecanismos de verificación, ya que es fácil que un modelo afirme ‘esta es la respuesta correcta’, y al analizarla en profundidad, se descubra que no es así», concluye Manso.
