Este artículo explora el rápido avance de la inteligencia artificial (IA) en el campo de las matemáticas, desafiando predicciones anteriores sobre el ritmo de progreso. Inicialmente, el autor, Daniel Litt, observó que los modelos de lenguaje grandes (LLMs) podían generar pruebas matemáticas correctas, pero dudaba de su utilidad inmediata para la investigación. Sin embargo, con la aparición de modelos de razonamiento más avanzados, como ChatGPT 5.2 Pro, la capacidad de la IA para producir pruebas de lemas complejos ha mejorado significativamente.
El artículo aborda la preocupación sobre la proliferación de “papers” matemáticos incorrectos generados por IA (conocidos como “slop papers”) y la necesidad de mantener la integridad del conocimiento científico. Litt había previsto que la IA alcanzaría un nivel de producción matemática comparable al de los mejores matemáticos humanos para 2040, pero ahora considera que esta fecha podría adelantarse. Un factor clave en esta reevaluación es el proyecto “First Proof”, una iniciativa que desafió a los modelos de IA a demostrar lemas matemáticos tomados de trabajos no publicados. El hecho de que los modelos hayan logrado resolver un número significativo de estos lemas (entre 6 y 8 de 10) sugiere que la IA, con la estructura adecuada, puede ser capaz de realizar tareas matemáticas complejas.
El autor reconoce que la demostración de lemas es solo una parte del proceso de investigación matemática, siendo la formulación de los propios lemas a menudo más desafiante. El proyecto First Proof, junto con el benchmark FrontierMath (que evalúa la capacidad de la IA para resolver problemas con respuestas numéricas), proporcionan una medida de la utilidad de la IA en la investigación matemática. FrontierMath, aunque útil, se centra en problemas con soluciones numéricas, mientras que First Proof se enfoca en la generación de pruebas rigurosas. El artículo concluye que, aunque la IA aún no puede realizar investigaciones matemáticas de alta calidad de forma completamente autónoma, su progreso es más rápido de lo esperado y que es crucial seguir evaluando y mejorando estas herramientas para maximizar su potencial y evitar la propagación de información incorrecta.