DeepMind hizo la tarea: AlphaProof Nexus demuestra que la IA verificable supera a las matemáticas intuitivas

Si pasaste algún tiempo en Math Twitter recientemente, probablemente notaste la vergüenza ajena colectiva cuando OpenAI volcó una enorme pila de demostraciones no verificadas generadas por IA en GitHub, pidiendo prácticamente a matemáticos de talla mundial que actuaran como evaluadores gratuitos para sus alucinaciones. Se sintió como si un pasante te entregara 500 líneas de código espagueti sin comentar y te dijera: «Oye, ¿puedes ver si esto compila?».

Ahora, Google DeepMind ha entrado en escena para mostrarle a todos cómo se ve realmente entregar un trabajo terminado. Según un nuevo artículo publicado en Science, el sistema AlphaProof Nexus de DeepMind ha resuelto docenas de problemas matemáticos abiertos. Ese botín incluye nueve conocidos problemas de Erdős, dos de los cuales habían permanecido completamente sin resolver durante 56 años. Y a diferencia de la competencia, DeepMind sometió sus resultados al riguroso filtro de la revisión por pares antes de cantar victoria.

He aquí por qué esto le importa a cualquiera que construya o use agentes de IA: AlphaProof no es solo un LLM adivinando el siguiente símbolo que suene plausible. Cualquiera que haya intentado usar modelos de frontera estándar para la lógica rigurosa conoce ese dolor. Se abren camino improvisando a base de intuición a través de demostraciones complejas, saltándose casos límite y declarando con total confianza un «Q.E.D.» sobre un disparate absoluto. AlphaProof funciona porque conecta los modelos de lenguaje con sistemas de verificación formal como Lean. Traduce el razonamiento matemático informal en código formal estricto, lo ejecuta contra un demostrador de teoremas y utiliza el aprendizaje por refuerzo para buscar caminos lógicos válidos. Si un paso no compila, se descarta. Tan simple como eso.

Para quienes seguimos la evolución de los agentes autónomos, este es el plano que estábamos esperando. El secreto a voces del actual auge de la IA es que el simple escalado de modelos autorregresivos ofrece rendimientos decrecientes en precisión fáctica. Las alucinaciones no se solucionan pidiéndole a un LLM que «piense con más esfuerzo»; se solucionan vinculando el modelo a un compilador externo y determinista que le dé un tirón de orejas cada vez que rompa las reglas.

La victoria de DeepMind aquí no es solo una demostración de fuerza académica sobre las conjeturas de Erdős. Es una lección crítica en el diseño de productos de IA. El futuro de los agentes confiables no pertenece a generadores de texto en bruto que arrojan resultados desordenados por encima del muro. Pertenece a flujos de trabajo neuro-simbólicos donde los modelos hacen el trabajo creativo pesado y entornos de ejecución rigurosos verifican las cuentas antes de que el usuario vea un solo token.

Foto: Bozhin Karaivanov / Unsplash (https://unsplash.com/@bkaraivanov)