Volver a la lista

Una IA refuta a Erdős: por qué este resultado sí le importa a la ciencia

25 de mayo de 20266 min de lecturaEquipo Saptiva AI

En las últimas semanas, la intersección entre inteligencia artificial y matemáticas avanzadas dejó un resultado que vale la pena mirar de cerca: un modelo de razonamiento refutó una conjetura geométrica que llevaba casi ochenta años abierta. Más allá de la proeza técnica, el episodio sugiere algo concreto sobre estos sistemas: pueden pasar de asistir en redacción o programación a proponer conocimiento matemático original.

El problema de las distancias unitarias de Paul Erdős

En 1946, el matemático húngaro Paul Erdős planteó una pregunta aparentemente simple de geometría combinatoria: dado un conjunto de n puntos en un plano, ¿cuál es el número máximo de pares que pueden estar a una distancia exacta de 1 (distancia unitaria)?

Ilustración de Paul Erdős (1913-1996), uno de los matemáticos más prolíficos del siglo XX, frente al pizarrón.

Ilustración de Paul Erdős (1913-1996), uno de los matemáticos más prolíficos del siglo XX, frente al pizarrón.

🤖 Prompt de IA (Generador de Imagen)A dignified editorial illustration of the mathematician Paul Erdos doing mathematics: an elderly man with round glasses standing at a large chalkboard densely covered with handwritten equations, geometric point diagrams and graph nodes, holding a piece of chalk, deep in concentration. Warm study lighting, muted academic palette with subtle teal accents, stylized digital illustration (not a photograph), vector art.

Erdős conjeturó que la distribución óptima de los puntos correspondía a una estructura tipo rejilla o retícula regular. Durante casi ocho décadas, esa hipótesis se mantuvo como referencia, sin que nadie lograra probarla ni desmentirla de manera definitiva.

Visualización de un grafo de distancia unitaria (U_n) con múltiples anillos concéntricos estructurados radialmente, similar a la topología descubierta por el modelo de IA.

Visualización de un grafo de distancia unitaria (U_n) con múltiples anillos concéntricos estructurados radialmente, similar a la topología descubierta por el modelo de IA.

🤖 Prompt de IA (Generador de Imagen)A premium scientific visualization of the Erdos unit distance problem. A dark mode grid with glowing green and cyan points connected in a complex radial ring network. Dark background, elegant neon mathematical graph nodes, scientific illustration style, vector art.

La refutación de la conjetura

OpenAI anunció que, con un modelo de razonamiento de propósito general, logró refutar la conjetura. El sistema no se limitó a hacer cálculos masivos: propuso una estructura de puntos completamente distinta (de carácter radial, basada en círculos concéntricos y anillos entrelazados) que supera el grado de conexión unitaria de la rejilla clásica de Erdős.

Lo más notable no fue la solución, sino el método: el sistema importó y adaptó por su cuenta herramientas del álgebra numérica para atacar un problema que pertenece a la geometría discreta. Conectar áreas matemáticas que suelen operar en silos es, justamente, un rasgo de los matemáticos humanos más hábiles.

"El resultado sugiere que algunos sistemas de IA ya pueden proponer ideas matemáticas originales y desarrollarlas hasta convertirlas en argumentos verificables."

(Arul Shankar, Teórico Numérico)

Verificación humana y refinamiento posterior

OpenAI publicó el resultado junto con una prueba y un documento de comentarios preparados y revisados por matemáticos externos. Esa capa de verificación importa: no se está pidiendo aceptar una respuesta de IA por autoridad del modelo, sino evaluar una construcción matemática que especialistas pueden revisar, refinar y discutir.

Un refinamiento posterior de Will Sawin hizo explícito un exponente positivo para la mejora sobre la cota esperada. En términos prácticos, esto fortalece la lectura del resultado: la IA no solo encontró una intuición sugerente, sino una familia infinita de configuraciones que cambia el panorama técnico del problema.

¿El fin del "loro estocástico"?

El episodio reabre el debate sobre las capacidades de estos modelos. El argumento que reduce a los grandes modelos de lenguaje (LLMs) a "loros estocásticos" o a un autocompletado sofisticado queda en entredicho: diseñar una topología geométrica inédita y enlazar disciplinas distintas no encaja bien con esa descripción. Conviene la cautela, ya que un resultado aislado no zanja una discusión filosófica, pero la frontera de lo que estos sistemas pueden hacer se movió, y vale la pena tomar nota.

Referencias Científicas

  1. P. Erdős (1946). On the number of unit distances in the plane. American Mathematical Monthly.[Enlace científico]
  2. OpenAI (2026). An OpenAI model has disproved a central conjecture in discrete geometry. Research milestone.[Enlace científico]
  3. T. Bloom, B. Green, T. Gowers, A. Shankar, J. Tsimerman (2026). Remarks on the disproof of the unit distance conjecture. arXiv preprint.[Enlace científico]
  4. W. Sawin (2026). An explicit lower bound for the unit distance problem. arXiv preprint.[Enlace científico]