Aletheia AI de DeepMind alcanza un hito matemático al resolver 13 problemas de Erdős

En un avance histórico para las matemáticas computacionales, Google DeepMind ha anunciado que su último sistema de Inteligencia Artificial (AI), Aletheia, ha resuelto con éxito 13 problemas abiertos de la renombrada colección de Erdős. Este avance, logrado en colaboración con investigadores de la UC Berkeley, marca un cambio significativo en el papel de la inteligencia artificial: pasando de ser una mera herramienta computacional a un verdadero socio colaborativo en la investigación teórica.

El proyecto, que se centró en más de 700 conjeturas sin resolver propuestas por el prolífico matemático Paul Erdős, demuestra el poder de combinar grandes modelos de lenguaje (LLMs) avanzados con una rigurosa supervisión humana. Al identificar demostraciones novedosas, redescubrir soluciones perdidas y corregir conceptos erróneos históricos, Aletheia ha establecido un nuevo estándar para la sinergia humano-IA en las ciencias.

La arquitectura de Aletheia: más allá de la fuerza bruta

A diferencia de las IA matemáticas anteriores que dependían en gran medida del cálculo por fuerza bruta o de asistentes de demostración estrictamente formales, Aletheia está construida sobre una versión especializada de la arquitectura Gemini de Google. Emplea una metodología de "Generador-Crítico" (Generator-Critic) diseñada para imitar el proceso de revisión por pares inherente a la investigación académica.

El sistema funciona a través de un embudo semiautónomo. Primero, el módulo "Generador" propone posibles demostraciones o contraejemplos para enunciados de problemas formales. Posteriormente, un módulo "Crítico" distinto evalúa estas propuestas en cuanto a consistencia lógica, alucinación y validez matemática. Este bucle adversarial interno permite a Aletheia filtrar argumentos que parecen plausibles pero son incorrectos antes de que lleguen a los investigadores humanos.

Para el proyecto Erdős, el sistema procesó aproximadamente 700 enunciados de problemas. De estos, generó 200 soluciones candidatas. Tras la fase de crítica interna, se enviaron 63 respuestas técnicamente correctas a matemáticos humanos para su verificación final. El resultado fueron 13 soluciones matemáticamente significativas que ya han sido aceptadas por la comunidad.

Una nueva era de descubrimiento colaborativo

El éxito de Aletheia no radica en reemplazar a los matemáticos humanos, sino en aumentar sus capacidades. Los 13 problemas resueltos revelan que la IA puede desempeñar múltiples funciones distintas en el proceso de investigación, desde un descubridor autónomo hasta un archivista digital.

Las soluciones se categorizaron en cuatro tipos distintos, lo que destaca la versatilidad del sistema:

Desglose de las contribuciones de Aletheia

Estudio de caso: Resolviendo Erdős-1051

Uno de los logros más notables de este proyecto fue la resolución de Erdős-1051, un problema relativo a las propiedades de las series infinitas y la medida de Mahler. Durante décadas, la comunidad matemática no estuvo segura de si se podía cumplir una condición específica respecto a la cola de la serie.

Aletheia propuso una construcción novedosa que utilizaba una combinación de teoría analítica de números y límites combinatorios. La demostración no solo fue correcta, sino que los matemáticos revisores la describieron como "elegante" y "no trivial". Este caso específico sirve como prueba de concepto de que los sistemas basados en LLM pueden participar en un razonamiento creativo de alto nivel, navegando por conceptos abstractos que anteriormente se pensaba que eran dominio exclusivo de la intuición humana.

El valor de la "Identificación bibliográfica"

Quizás el resultado más sorprendente del proyecto fue la capacidad de la IA para actuar como historiógrafa. Cinco de las trece soluciones fueron casos en los que el problema técnicamente ya estaba resuelto, pero las demostraciones estaban enterradas en actas de congresos oscuros o revistas que no habían sido ampliamente indexadas.

Al realizar referencias cruzadas en vastos conjuntos de datos de literatura matemática, Aletheia pudo marcar estos problemas como "resueltos" y dirigir a los investigadores a las citas originales. Esta capacidad aborda una crisis creciente en las matemáticas modernas: la fragmentación del conocimiento. A medida que el volumen de investigación publicada crece exponencialmente, la capacidad de una IA para sintetizar la historia y evitar el trabajo redundante se vuelve tan valiosa como la generación de nuevas demostraciones.

Implicaciones para el futuro de las matemáticas

La colaboración entre Google DeepMind e instituciones académicas señala una transformación en cómo se lleva a cabo la investigación matemática. El modelo de "humano en el bucle" (human-in-the-loop) garantiza que las alucinaciones de la IA se verifiquen, al tiempo que se maximiza la capacidad de la máquina para explorar vastos espacios de búsqueda lógica.

Los investigadores anticipan que las futuras versiones de Aletheia se integrarán directamente en el software de asistencia de demostraciones, ofreciendo sugerencias en tiempo real y "controles de cordura" a los matemáticos en activo. Esta evolución sugiere un futuro en el que la distinción entre la inteligencia humana y la de las máquinas en las matemáticas se vuelve cada vez más difusa, lo que conducirá a una rápida aceleración en el ritmo de los descubrimientos.

Mientras Aletheia continúa abordando los cientos de problemas de Erdős restantes, la comunidad científica observa con expectación, ansiosa por ver qué otros acertijos "imposibles" podrían ceder ante esta poderosa nueva asociación.

Palabras clave extraídas

Palabras clave de categoría:

1. Artificial Intelligence
2. Mathematics

Palabras clave de etiqueta:

1. Aletheia
2. Erdős Problems