El hito matemático que nadie esperaba
Una inteligencia artificial de OpenAI ha hecho lo que ochenta años de matemáticas no consiguieron: resolver uno de los problemas abiertos más famosos de la geometría combinatoria. Estamos hablando de la conjetura de Erdős (también llamada conjetura de las distancias unitarias), formulada en 1946 y abandonada por los matemáticos más brillantes del mundo durante casi un siglo.
No fue un modelo especializado en matemáticas. Fue un sistema de razonamiento de propósito general. Y eso es lo que hace este logro todavía más impresionante.
En este artículo te explico qué es exactamente la conjetura de Erdős, cómo la IA consiguió resolverla y por qué este momento cambia lo que pensamos sobre el papel de la inteligencia artificial en la ciencia.
Qué es la conjetura de las distancias unitarias
El matemático húngaro Paul Erdős planteó en 1946 una pregunta aparentemente sencilla:
Si colocas n puntos en un plano, ¿cuántos pares de esos puntos pueden estar exactamente a distancia 1 entre sí?
Parece simple, ¿verdad? Pero la respuesta tiene implicaciones profundas en geometría combinatoria, y nadie había logrado encontrar una solución definitiva.
Durante décadas, los matemáticos asumieron que la mejor configuración posible era una cuadrícula cuadrada. Es decir, que organizar los puntos en forma de rejilla maximizaba el número de pares a distancia 1. Nadie había podido demostrar que existía algo mejor… hasta ahora.
Cómo lo resolvió la IA de OpenAI
En mayo de 2026, OpenAI anunció que uno de sus modelos internos de razonamiento había producido la primera demostración completamente autónoma de este problema histórico.
El modelo hizo algo contraintuitivo: partió de la hipótesis de que Erdős estaba equivocado. Con esa premisa como punto de partida, el sistema buscó un contraejemplo y lo encontró.
Concretamente, descubrió una familia infinita de configuraciones de puntos que produce más pares a distancia unitaria que cualquier cuadrícula conocida, superando el umbral esperado por un factor polinomial explícito.
Lo más llamativo del método fue cómo llegó ahí:
- Conectó la geometría combinatoria con la teoría algebraica de números
- Utilizó la teoría de Golod-Shafarevich y la construcción de torres de campos de clase
- Esta combinación nunca había sido explorada en este contexto matemático
El modelo produjo cientos de páginas de argumentos y cálculos que fueron revisados y validados posteriormente por especialistas externos. Y, de nuevo: no fue entrenado específicamente para resolver este problema.
Por qué este hito es diferente a todo lo anterior
Puede que hayas visto titulares sobre IAs que «superan» exámenes o «vencen» a campeones de ajedrez. Esto es diferente, y aquí está el motivo.
No es benchmarking. Resolver la conjetura de Erdős no es pasar un test diseñado para medir la IA. Es resolver un problema que la comunidad matemática consideraba genuinamente difícil, sin solución conocida y con décadas de intentos fallidos.
No fue asistencia a un humano. El modelo trabajó de forma autónoma. Un investigador humano no guió el proceso ni eligió el enfoque. La IA decidió qué camino seguir.
Hay reconocimiento externo real. El ganador de la Medalla Fields, Tim Gowers, describió el resultado como «un hito en las matemáticas de IA». Eso no es marketing: es la comunidad científica validando el resultado.
💡 Lo importante: por primera vez, un modelo de IA de propósito general ha resuelto de forma autónoma un problema abierto fundamental en un subcampo de las matemáticas. No hay precedente para esto.
Qué significa para el futuro de la IA y la ciencia
Este resultado abre una pregunta que muchos investigadores llevan tiempo haciendo: ¿puede la inteligencia artificial convertirse en un descubridor científico independiente?
Hasta ahora, la IA era una herramienta que aceleraba el trabajo humano. Analizaba datos, sugería hipótesis, resumía literatura científica. El investigador seguía siendo quien tomaba las decisiones clave.
Lo de Erdős sugiere algo distinto: un modelo capaz de generar conocimiento nuevo de forma autónoma en áreas donde los humanos llevan décadas bloqueados.
Y esto no es una excepción aislada. En paralelo, estudios publicados en Nature en mayo de 2026 muestran que los asistentes de IA ya analizan más de 10.000 artículos científicos sobre una proteína y detectan correlaciones que ningún investigador había identificado antes.
La tendencia es clara: la IA está pasando de asistente a participante activo en el descubrimiento científico.
Lo que nos dice sobre los modelos de razonamiento actuales
Uno de los aspectos más relevantes de este caso es que el modelo que resolvió la conjetura de Erdős no es un sistema especializado en matemáticas. Es un modelo de razonamiento general.
Esto tiene implicaciones directas para entender cómo funcionan los sistemas de IA avanzados hoy:
- No memorizan respuestas: razonan sobre problemas nuevos
- Pueden combinar conocimiento de dominios distintos de forma no obvia
- Son capaces de explorar hipótesis contraintuitivas de forma sistemática
En palabras de OpenAI: el modelo combinó conceptos complejos y abstractos de manera que produjo conocimiento genuinamente nuevo, no una recombinación de lo que ya existía.
Conclusión: acabamos de cruzar una línea
La resolución de la conjetura de Erdős no es solo una curiosidad matemática. Es una señal de que la inteligencia artificial ha cruzado un umbral que hace apenas unos años parecía lejano: el de la investigación científica autónoma.
No sabemos aún con exactitud hasta dónde puede llegar. Pero lo que sí sabemos es que la IA ya no es solo una herramienta que usamos. En algunos casos, está empezando a avanzar sola.
¿Qué opinas? ¿Crees que la IA acabará siendo el mayor descubridor científico de la historia? Cuéntanoslo en los comentarios.
