Tres nuevos descubrimientos en matemáticas, informática y física
La afirmación de OpenAI de que sus modelos han producido pruebas que resuelven problemas abiertos importantes en análisis armónico, teoría de la complejidad y teoría cuántica de campos —incluido un algoritmo de tiempo subexponencial que falsaría la Hipótesis del Tiempo Exponencial— se está tratando como un posible punto de inflexión para la investigación asistida por IA. Los comentaristas exploran lo que estos resultados significarían para creencias de larga data sobre la dureza de los problemas, P vs NP y los fundamentos matemáticos del Modelo Estándar, al tiempo que señalan que los algoritmos siguen estando muy lejos de un impacto práctico. Junto con el entusiasmo, muchos plantean preocupaciones sobre la verificación, el crédito y la prioridad, el uso de los prompts de los investigadores como datos de entrenamiento y el desplazamiento más amplio del trabajo teórico de alto nivel desde las universidades hacia laboratorios privados opacos de IA.
Avance en ETH / #SAT
- El hilo se centra en la afirmación “La Hipótesis del Tiempo Exponencial es falsa” mediante un algoritmo determinista de tiempo subexponencial para contar exactamente las asignaciones satisfactorias de k-CNF (#k-SAT), con tiempo de ejecución aproximadamente (2^{n / (\log n)^{1/2+o(1)}}).
- Esto sigue siendo superpolinómico y está lejos de ser polinómico; los participantes subrayan que no implica P=NP ni rompe la criptografía en la práctica.
- Hay debate sobre cuán fuerte es el resultado bajo reducciones comunes: algunos dicen que socava muchos resultados de dureza basados en ETH/SETH; otros señalan que las reducciones pueden inflar tanto el tamaño de las instancias que la cota subexponencial quizá no se traslade.
Otros resultados matemáticos y físicos
- Kakeya/suavizado local: la resolución de Kakeya y conjeturas relacionadas de análisis armónico en todas las dimensiones se describe como “a nivel de medalla Fields” y una enorme consolidación de avances previos fragmentarios.
- Física/QCD–Yang-Mills: la existencia de Yang-Mills/QCD en 4D y una “completación” del Modelo Estándar se califican como algo importante para la teoría cuántica de campos rigurosa. Sin embargo, la brecha de masas aún no se aborda, y algunos enfatizan que esto principalmente formaliza lo que los físicos ya usan.
Implicaciones para la complejidad y P vs NP
- Algunos comentaristas actualizan modestamente sus probabilidades hacia P=NP o la indecidibilidad de P vs NP; otros ven poco cambio, señalando la enorme distancia entre “apenas subexponencial” y polinómico.
- El uso generalizado de ETH como supuesto de dureza de fine-grained significa que muchos resultados previos pasan a ser condicionales de una forma nueva y generan muchos problemas abiertos nuevos.
Formalización en Lean y papel de la IA
- Los tres resultados tienen formalizaciones en Lean; muchos consideran que los enunciados de los teoremas en Lean son la verdadera verdad fundamental.
- Se discute que las pruebas en lenguaje natural generadas por IA son “datos brutos de investigación” que necesitan destilación humana para convertirse en comprensión y teoría, no solo en certificados de corrección.
Práctica científica, crédito y acceso
- Reacción mixta al nuevo proceso de OpenAI de reclutar expertos “shepherd” y a estrategias de publicación variadas (inmediata, solo Lean o diferida para física).
- Los entusiastas lo ven como colaborativo y capaz de abrir campos; los críticos lo ven como relaciones públicas, favoritismo y laboratorios privados sustituyendo a las universidades como principal lugar de los grandes descubrimientos.
- Preocupa mucho que los modelos puedan entrenarse con los prompts de los investigadores, compitiendo efectivamente con las propias comunidades que los alimentan y despojándolas de valor.
- Preocupación más amplia por la centralización de la capacidad científica en unos pocos laboratorios privados de IA, y por que las matemáticas se conviertan en “trabajo rutinario de formalización” en lugar de descubrimiento humano.