Estados Unidos.- La inteligencia artificial está comenzando a transformar el trabajo de los científicos de una manera inesperada: no solamente ayuda a resolver problemas complicados, sino que ahora produce resultados capaces de cuestionar investigaciones desarrolladas durante décadas. La situación ha provocado entusiasmo, preocupación y una nueva dificultad para las universidades, pues los especialistas deben encontrar la manera de revisar una cantidad creciente de descubrimientos generados por máquinas.
El caso más reciente involucra a OpenAI y Anthropic, dos compañías que anunciaron haber encontrado una solución que contradice una hipótesis matemática considerada fundamental para la informática durante los últimos 27 años. Aunque los resultados todavía necesitan una revisión independiente, el anuncio ha obligado a varios investigadores a reconsiderar trabajos que estaban preparando para congresos científicos y publicaciones especializadas.
La llamada Hipótesis del Tiempo Exponencial, propuesta en 1999, establece un límite sobre la rapidez con la que pueden resolverse determinados problemas mediante computadoras. En términos sencillos, plantea que algunas tareas se vuelven mucho más difíciles conforme aumenta la cantidad de información que debe analizarse, hasta llegar a un punto en el que incluso los equipos más potentes necesitarían demasiado tiempo para encontrar una respuesta.
Durante casi tres décadas, cientos de investigaciones utilizaron esta idea como punto de partida para estudiar problemas relacionados con matemáticas, diseño de programas, bases de datos y otras áreas de la informática. Sin embargo, OpenAI y Anthropic aseguran haber desarrollado procedimientos que contradicen esa suposición, lo que podría modificar la manera en que los especialistas calculan los límites de ciertos algoritmos.
Uno de los investigadores afectados es Peter Jonsson, profesor de la Universidad de Linköping, en Suecia, quien tenía previsto presentar un trabajo en un importante congreso internacional. Después de conocer el anuncio, reconoció que parte de su investigación podría haber perdido validez bajo las condiciones que había considerado. Incluso anticipó que otros participantes podrían encontrarse con situaciones similares al revisar las conclusiones de sus estudios.
El caso también preocupa a Daniel Lokshtanov, investigador de la Universidad de California en Santa Bárbara, quien calcula que alrededor de 50 artículos científicos en los que ha participado podrían necesitar nuevas interpretaciones si se confirma el descubrimiento. Esto no significa que todas esas investigaciones contengan errores, sino que algunas de sus conclusiones dependen de una hipótesis cuya validez ahora está siendo cuestionada.
Pero el problema no termina con una sola investigación. De acuerdo con información publicada por WIRED, OpenAI difundió durante octubre 722 manuscritos relacionados con aproximadamente 400 problemas matemáticos, una cantidad que ha provocado inconformidad entre especialistas que consideran imposible examinar tantos trabajos con la profundidad necesaria en tan poco tiempo. Algunos documentos también presentaron errores, lo que aumentó las dudas sobre la conveniencia de publicar resultados antes de que otros científicos puedan comprenderlos y evaluarlos.
La situación ha comenzado a tener consecuencias personales. Thore Husfeldt, investigador de la Universidad de Tecnologías de la Información de Copenhague, explicó que varios científicos sienten frustración al observar cómo proyectos que les tomaron meses o años pueden quedar cuestionados después de un nuevo anuncio. Según relató a WIRED, en su departamento incluso se ha considerado contratar apoyo psicológico debido al desgaste emocional que enfrentan algunos especialistas.
Sin embargo, no todos interpretan estos avances como una amenaza. El propio Husfeldt considera que los descubrimientos representan una oportunidad para explorar preguntas que antes parecían fuera de alcance. Otros investigadores también han expresado entusiasmo porque ahora podrían retomar problemas que habían abandonado al considerar que no existían métodos suficientemente rápidos para resolverlos.
Una de las principales dudas es qué tan confiables son las demostraciones creadas por inteligencia artificial. Tanto OpenAI como Anthropic publicaron sus resultados en documentos técnicos y archivos preparados para un programa llamado Lean, que permite comprobar formalmente pasos de una demostración matemática. No obstante, los especialistas todavía deben revisar que las afirmaciones examinadas por el programa correspondan exactamente con los problemas que se pretende resolver y que las conclusiones sean correctas.
Para realizar esa evaluación, OpenAI convocó a un grupo encabezado por Russell Impagliazzo, Ramamohan Paturi y Ryan Williams, investigadores especializados en informática teórica. Los dos primeros participaron en la formulación original de la hipótesis cuestionada, mientras que Williams pertenece al Instituto Tecnológico de Massachusetts. El equipo realizará una revisión abierta e independiente, sin recibir remuneración de la empresa, y solicitó que todos los materiales estén disponibles para la comunidad científica.
Los responsables del análisis han aclarado que aceptar la revisión no significa respaldar automáticamente el descubrimiento. Además, aunque los nuevos algoritmos llegaran a confirmarse, eso no implicaría que las computadoras actuales puedan resolver inmediatamente cualquier problema complicado ni que los sistemas de seguridad bancaria o las contraseñas hayan quedado vulnerados.
El verdadero cambio podría encontrarse en la forma de investigar. Durante años, los científicos dedicaron gran parte de su tiempo a buscar soluciones matemáticas, mientras que ahora podrían enfrentar una etapa en la que también deban invertir enormes esfuerzos en comprender y verificar respuestas producidas por sistemas automatizados.
La investigación científica siempre ha avanzado mediante descubrimientos que corrigen ideas anteriores, pero la velocidad con la que la inteligencia artificial está generando nuevas propuestas plantea una situación distinta. El desafío ya no consiste únicamente en encontrar respuestas, sino en establecer mecanismos para determinar cuáles son correctas, cuáles tienen aplicaciones reales y cómo aprovecharlas sin perder el rigor que requiere la ciencia.
WIRED
Hola, déjenos un comentario