OpenAI publica 722 manuscritos matemáticos. El cuello de botella ahora es verificarlos

OpenAI ha publicado 722 manuscritos matemáticos agrupados en 372 familias de resultados. Proceden de una evaluación de unos 4.000 problemas abiertos y la empresa calcula un presupuesto medio equivalente a unas 3 horas de razonamiento de ChatGPT Pro por resultado. Para las matemáticas importa tanto el volumen como la velocidad con la que un modelo interno lo produjo.

Una sola evaluación produjo 722 manuscritos

El repositorio público contiene artículos, materiales auxiliares de demostración y formalizaciones en Lean. El resumen de Zvi Mowshowitz presenta el acontecimiento como la resolución de 90 de 500 problemas abiertos destacados. El repositorio utiliza una contabilidad más precisa: 722 manuscritos organizados en 372 familias relacionadas, no una clasificación única por dificultad.

OpenAI también publicó 10 resúmenes abreviados del razonamiento del modelo. El modelo sigue siendo interno. Los investigadores pueden examinar los textos y parte de los artefactos formales, pero no reproducir el proceso completo con el mismo sistema.

La producción de pruebas ya supera la capacidad de lectura

La investigación matemática depende de encontrar demostraciones, pero también del tiempo necesario para comprenderlas, comprobarlas y situarlas en la literatura. Una colección de 722 manuscritos altera la proporción entre resultados candidatos y especialistas capaces de evaluarlos con rigor.

La consecuencia práctica va más allá de que una demostración concreta resista la revisión. Los laboratorios tendrán que financiar la formalización, la comprobación independiente y una exposición clara con la misma seriedad que la generación. De otro modo, descubrir más rápido solo alargará la cola de afirmaciones pendientes.

Lean solo cubre una parte de la colección

Según el catálogo público, 162 de los 722 manuscritos tienen formalizado su resultado principal. Hay algún material en Lean vinculado a 235 de las 372 familias, algo distinto de verificar formalmente cada artículo completo. Además, Lean comprueba la proposición formal que recibe. Por sí solo no determina si coincide exactamente con el texto informal, si el resultado es novedoso o cuál es su relevancia.

Algunos resultados sin formalizar pueden contener errores y la colección no ha pasado en conjunto por una revisión académica convencional. Hablar ya de un giro histórico resulta prematuro, aunque la escala y la cantidad de artefactos comprobables superan claramente una demostración de producto.

Las correcciones independientes y el uso decidirán su valor

La señal más útil será el historial público de revisiones: cuántas afirmaciones principales confirman matemáticos independientes, cuántas se corrigen y cuántas se aprovechan en trabajos posteriores. También importará que OpenAI añada formalizaciones, registros más completos del proceso y acceso al modelo para separar su capacidad de una selección favorable de resultados.

Si durante los próximos meses aparecen demostraciones citadas y nuevas herramientas, cambiará la forma de organizar la investigación. Si la mayor parte queda sin leer, el resultado más claro será otro: las matemáticas ya pueden producir afirmaciones más deprisa de lo que pueden asimilarlas.

El veredicto de Lilith

OpenAI ha enviado a los matemáticos 722 paquetes sellados y solo ha incluido un escáner para una parte. El momento histórico empezará cuando manos independientes los abran, comprueben y utilicen.