La inteligencia artificial ha alcanzado hitos significativos en áreas como el ajedrez, donde los juegos suelen involucrar alrededor de 40 movimientos. Los investigadores han creado ahora un nuevo modelo de IA diseñado para abordar algunos de los problemas matemáticos más desafiantes del mundo, que requieren desde miles hasta millones de pasos. Proponen que este algoritmo avanzado podría eventualmente ayudar a identificar eventos raros pero impactantes, como huracanes y crisis financieras. El potencial de la IA para resolver problemas matemáticos está ganando terreno. Por ejemplo, AlphaProof de Google DeepMind se desempeñó en comparación con un medallista de plata en la Olimpiada Matemática Internacional de 2024, mientras que el sistema o3 de OpenAI mostró resultados sólidos en varios benchmarks de matemáticas y programación. En un estudio reciente y no publicado, un equipo del Instituto de Tecnología de California examinó problemas matemáticos complejos que han desconcertado a matemáticos profesionales durante décadas. Sergei Gukov, profesor en Caltech, señaló que, aunque los problemas de la olimpiada de matemáticas generalmente implican alrededor de 30 o 40 pasos, están apuntando a desafíos más avanzados, a nivel de investigación, que requieren un número mucho mayor de pasos. Gukov expresó su esperanza de que la IA pudiera eventualmente abordar los problemas del Premio Millennium, aunque reconoció que esto podría ser demasiado ambicioso.

Actualmente, el enfoque está en problemas que han desconcertado a los académicos durante muchos años. Uno de los temas estudiados fue la conjetura de Andrews-Curtis, un problema de teoría de grupos combinatorios propuesto hace 60 años, comparable a una versión compleja del cubo Rubik. Aunque la conjetura principal no fue probada, la IA logró refutar potenciales contraejemplos relacionados que habían permanecido sin resolver durante 25 años, lo que respalda la validez de la conjetura. Los investigadores apuntaron a soluciones inesperadas para estos problemas matemáticos complejos, que modelos tradicionales como DeepSeek o ChatGPT tenían dificultades para encontrar. En lugar de respuestas típicas, buscaron “super-moves”, o secuencias únicas de pasos que son estadísticamente raras. Utilizando el aprendizaje por refuerzo, entrenaron a la IA en problemas cada vez más difíciles, logrando hacerlo de manera eficiente en una sola GPU. Gukov destacó que los nuevos algoritmos podrían tener aplicaciones más allá de las matemáticas puras, como la identificación de anomalías raras o eventos de "cisne negro" que podrían tener consecuencias significativas. Al mejorar las capacidades predictivas para estos incidentes raros, la investigación podría ayudar en una mejor preparación y estrategias de mitigación social.