Modelo de OpenAI refuta conjetura de Erdős sobre pares a distancia unitaria

Un modelo de razonamiento interno de OpenAI presentó una nueva construcción de puntos en el plano que refuta la conjetura de distancia unitaria formulada por Paul Erdős en 1946. OpenAI publicó un artículo acompañado por nueve matemáticos externos que verificaron, acortaron y comentaron la prueba presentada por el sistema. Esto supone un avance concreto en un problema clásico y plantea un cambio en cómo la comunidad matemática valida y utiliza herramientas de IA.

La pregunta central es cuántos pares de puntos pueden hallarse exactamente a una unidad de distancia en configuraciones planas; la disposición propuesta por Erdős tradicionalmente usaba una cuadrícula levemente sesgada. La construcción del modelo genera, según Will Sawin (Princeton), aproximadamente un 1% más de pares por cada duplicación del número de puntos en comparación con la mejor construcción conocida hasta ahora. Aun así, una cota superior teórica conocida desde 1984 sigue estando por encima de lo alcanzado por esta nueva configuración, de modo que el problema no queda totalmente cerrado.

Lo llamativo para los especialistas fueron las herramientas: en lugar de aplicar las técnicas geométricas habituales, el modelo recurrió a métodos de teoría de números algebraica y a sistemas de números complejos cuyas simetrías producen patrones puntuales especialmente densos. Thomas Bloom señala que encontrar esa solución exige combinar varias condiciones técnicas y una gran paciencia, cualidades que, según él, el sistema mostró simultáneamente al construir y presentar la prueba.

El resultado fue descrito por el Fields Medalist Tim Gowers como «un hito en las matemáticas de IA», y acompañó la advertencia de que es probable que entremos en una era en la que será más difícil para los humanos competir con la IA en la resolución de ciertos problemas matemáticos. Las limitaciones son claras: la mejora es cuantitativa y modesta, y la conjetura no queda resuelta frente a la cota de 1984; aun así, el caso abre preguntas sobre cómo integrar a la IA en la creación, verificación y comunicación de pruebas matemáticas.