El fin de las matemáticas: 40 destacados matemáticos se reúnen en una conferencia secreta de OpenAI

marsbitPublicado a 2026-08-24Actualizado a 2026-08-24

Resumen

El reciente ganador de la Medalla Fields, Jacob Tsimerman, anunció su incorporación a OpenAI para investigar en seguridad de IA. A principios de agosto, junto al científico de OpenAI Sébastien Bubeck, organizó una cumbre secreta en San Francisco con unos 40 matemáticos destacados, donde se presentó una charla titulada "El fin de las matemáticas". El profesor Daniel Litt planteó la posibilidad de un futuro sin investigación matemática humana de alta calidad. Esta preocupación surge tras una serie de avances recientes de la IA, como el refutamiento de la conjetura de la distancia unitaria por un modelo de OpenAI y la generación de 10 nuevos descubrimientos en matemáticas e informática. Otros, como Anthropic, también han logrado resultados, como la construcción de pares de vectores ortogonales en hipercubos de 668 dimensiones con Claude. La IA está produciendo hallazgos a un ritmo que desafía el proceso tradicional de publicación académica. La comunidad matemática está dividida. Más de 3000 matemáticos firmaron la "Declaración de Leiden", pidiendo un uso responsable de la IA. Algunos, como la profesora Bryna Kra, subrayan que el núcleo de las matemáticas es la comprensión, no solo la prueba, y que las IAs aún no pueden explicar claramente sus razonamientos más complejos. En la cumbre, Bubeck esbozó cuatro posibles futuros: las matemáticas como ingeniería de software colaborativa, como física basada en computación, como curación de resultados generados por IA, o la transición...

Jacob Tsimerman, quien acaba de recibir la Medalla Fields el mes pasado, anunció en la ceremonia de premiación que pronto se unirá a OpenAI para investigar la seguridad de la IA.

Lectura adicional: ¡Temeroso de que la IA extinga a la humanidad, un ganador de la Medalla Fields se tomó un permiso para ir a OpenAI! Planea domesticar la IA con matemáticas

A principios de agosto, él y el científico investigador de OpenAI, Sébastien Bubeck, convocaron una cumbre privada en la sede de San Francisco con unos 40 matemáticos. El título de una de las presentaciones era "El fin de las matemáticas".

Sébastien Bubeck, científico investigador de OpenAI

El presentador, el profesor Daniel Litt de la Universidad de Toronto, dijo:

Es posible que finalmente avancemos hacia un mundo sin investigación matemática de alta calidad, donde el conocimiento experto humano en matemáticas desaparezca por completo.

Considera improbable un desenlace tan extremo, pero los matemáticos deben tomar acción.

El matemático del MIT, Drew Sutherland, fue más directo y frío:

Tal vez solo seamos los canarios en la mina, los matemáticos serán los primeros en sufrir.

Las matemáticas fueron elegidas como campo de pruebas para la IA porque son un indicador representativo de la actividad intelectual de alto nivel: lo que se puede lograr en matemáticas, eventualmente se replicará en otras áreas.

La IA está "haciendo matemáticas" en masa

El lanzamiento intensivo de resultados es el contexto directo de esta cumbre.

En mayo, un modelo aún no publicado de OpenAI refutó la conjetura de la distancia unitaria.

Lectura adicional: ¡OpenAI sacude por completo a la comunidad matemática, resuelve una conjetura central de 80 años! Un ganador de la Medalla Fields exclama que no puede mantenerse sentado

Este viejo problema sobre "la disposición de puntos en un plano infinito" había permanecido sin resolver durante décadas. La IA utilizó una técnica conocida pero difícil de manejar en la teoría de números algebraicos, es decir, empleó herramientas de otro subcampo.

La evaluación de Tsimerman en ese momento fue que este resultado, enviado a cualquier revista, lo "aceptaría sin dudarlo".

Muchos matemáticos consideran esto el primer gran avance matemático de la IA.

Luego, los resultados comenzaron a surgir uno tras otro.

En agosto, OpenAI anunció de una vez 10 nuevos descubrimientos matemáticos y de ciencias de la computación generados por IA, cubriendo múltiples subcampos que normalmente requieren años para dominar.

Lectura adicional: ¡Sorpresa! La próxima generación de IA de OpenAI resuelve 10 problemas de nivel de Medalla Fields

Anthropic tampoco se quedó de brazos cruzados.

El empleado de Anthropic, Levent Alpöge, utilizó a Claude para ayudar a construir pares de vectores ortogonales en un hipercubo de 668 dimensiones.

Los matemáticos siempre creyeron que tal construcción existía, pero nadie la había logrado realmente.

Alpöge anunció el resultado publicando en X un mensaje de 24,000 caracteres compuesto únicamente por signos + y -.

https://x.com/__alpoge__/status/2087504785952182273

La investigación matemática tradicional sigue una línea fija: discusión en seminarios, revisión por pares, publicación en el servidor de preprints arXiv y, tras la revisión por pares, publicación en una revista.

Los resultados generados por IA están eludiendo este proceso.

El emprendedor residente en Shenzhen, Dmitry Rybin, le pidió a ChatGPT que "hiciera un avance" para refutar una hipótesis sobre flujos de red. Cada vez que el modelo fallaba, él lo animaba a continuar, convirtiéndose en un entrenador de IA.

Finalmente, ChatGPT dio un contraejemplo. Rybin lo verificó y publicó un tweet. En ese momento, estaba viendo una película con amigos.

https://x.com/DmitryRybin1/status/2079904005652893709

Lectura adicional: ¡GPT-5.6 refuta una conjetura de teoría de grafos de 30 años! Un exalumno de la Universidad de Pekín resuelve 6 problemas en 5 días

El matemático David Bessis cuestionó esto:

¿Publicas un tweet diciendo que resolviste un gran problema mientras cocinas pasta? Claro que se hará viral.

La pregunta es, ¿después de volverse viral? ¿Quién organizará todo esto y averiguará qué está pasando realmente?

La semana pasada, Anthropic también anunció que uno de sus empleados le pidió a una versión interna de Claude que "intentara seriamente" la hipótesis de Riemann.

La hipótesis de Riemann ha permanecido sin resolver durante más de cien años, nadie la ha resuelto aún y tiene una recompensa de 1 millón de dólares.

Bajo repetidas indicaciones como "continúa" o "piénsalo de nuevo", el modelo produjo un nuevo descubrimiento sobre un problema relacionado.

Lectura adicional: ¡Sorpresa, Claude establece un nuevo récord en la hipótesis de Riemann por primera vez!

3000 personas firmaron una carta abierta, ¿y luego?

La reacción de la comunidad matemática está dividida.

En junio, se publicó una carta abierta titulada "La Declaración de Leiden", firmada por más de 3000 matemáticos.

Lectura adicional: ¡Estableciendo reglas para la IA! Los matemáticos se alarman después de que la IA resolviera un problema matemático de 80 años

La carta insta a los investigadores a usar las herramientas de IA de manera responsable, asegurando que los resultados sean verificados y las citas sean apropiadas.

Otro grupo de matemáticos va más allá, abogando por rechazar por completo a la IA y a las empresas de IA para preservar el lugar de los humanos en las matemáticas.

La profesora de matemáticas de la Universidad Northwestern, Bryna Kra, asistió a la cumbre y es una de las 16 personas que iniciaron la Declaración de Leiden.

Ella dijo:

El núcleo de las matemáticas es comprender los resultados, no solo probarlos.

Una prueba que no se comprende no se convierte en parte de la literatura.

¿La IA puede probar teoremas, pero ¿puede explicar claramente cómo lo hizo?

La matemática de Harvard, Melanie Matchett Wood, ayudó a escribir una versión humana de la prueba del resultado de OpenAI sobre la conjetura de la distancia unitaria.

Descubrió que los modelos de IA más avanzados comparten un defecto común al explicar: dicen mucho sobre las partes simples y pasan por alto rápidamente las partes difíciles.

Ella dijo:

Los modelos de IA más avanzados aún no pueden identificar las partes realmente difíciles de un argumento y explicarlas con claridad.

El matemático alemán Andreas Thom hizo una distinción más precisa.

Entre los 10 nuevos resultados anunciados por OpenAI, hay una nueva construcción sobre "grupos no sofic" que llena el vacío entre dos artículos de Thom y su colaborador Gábor Kun de 2016 y 2019.

Posteriormente, ambos publicaron un artículo de seguimiento que simplificó y amplió el descubrimiento de la IA.

Thom dijo:

La IA está resolviendo problemas de manera muy inteligente y sustancial.

Pero los nuevos conceptos surgieron solo después de que los humanos participaron en el proceso de prueba; hasta ahora, no es algo que la IA haya logrado por sí misma.

Ante la división, el organizador de la cumbre, Bubeck, describió después de la reunión cuatro futuros posibles:

Las matemáticas se vuelven como la ingeniería de software, donde la IA ayuda a cientos de personas a colaborar en un mismo problema;

Se vuelven como la física, dependiendo de la potencia computacional y los modelos de IA en lugar de aceleradores de partículas;

Se convierten en curaduría de museos, donde la IA produce y los humanos seleccionan e interpretan;

O los matemáticos se reconvierten colectivamente en seguridad de IA.

Bubeck dijo:

Debemos poner a las personas, a los matemáticos, en primer lugar.

Las matemáticas solo tienen sentido cuando los matemáticos aprenden algo de ellas.

"Una civilización sin personas no tiene sentido."

Pero los 40 asistentes no llegaron a un consenso.

Tsimerman dijo:

Lo que quiere la comunidad matemática aún no está claro.

El propósito de esta reunión era más iniciar un diálogo que tomar una decisión.

Él aún no se ha incorporado formalmente a OpenAI.

El hecho de que un ganador de la Medalla Fields elija ir a una empresa de IA para investigar seguridad es en sí mismo un reflejo de la situación de la comunidad matemática.

En cuanto a lo que hará a continuación, la siguiente señal podría ser más digna de atención que las presentaciones en esta cumbre.

Referencias:

https://www.washingtonpost.com/technology/2026/08/19/mathematicians-ask-whats-left-humans-when-ai-can-do-math-research/

Este artículo proviene del cuenta oficial de WeChat "新智元" (Nueva Era de la Inteligencia Artificial), autor: ASI启示录, editor: 马可

Preguntas relacionadas

Q¿Qué evento reciente organizó OpenAI y quiénes participaron?

AOpenAI organizó una cumbre secreta en su sede de San Francisco a principios de agosto, convocada por Jacob Tsimerman y el científico investigador Sébastien Bubeck. Aproximadamente 40 matemáticos de primer nivel asistieron a esta reunión a puerta cerrada.

Q¿Cuál fue un logro matemático significativo atribuido a la IA mencionado en el artículo?

AEn mayo, un modelo aún no lanzado de OpenAI refutó la 'conjetura de la distancia unidad', un antiguo problema sobre la disposición de puntos en un plano infinito que había permanecido sin resolver durante décadas. Muchos matemáticos consideran este el primer gran avance matemático de la IA.

Q¿Qué es la 'Declaración de Leiden' y por qué se creó?

ALa 'Declaración de Leiden' es una carta abierta publicada en junio y firmada por más de 3000 matemáticos. Hace un llamamiento a los investigadores para que utilicen las herramientas de IA de manera responsable, asegurando que los resultados sean verificados y las citas sean adecuadas, en respuesta a los rápidos avances de la IA en la investigación matemática.

QSegún los matemáticos citados, ¿cuál es una limitación clave de los modelos de IA de vanguardia en matemáticas?

ALos matemáticos como Melanie Matchett Wood señalan que los principales modelos de IA tienen dificultades para explicar sus pruebas de manera clara, especialmente las partes más complejas. Tienden a extenderse en secciones simples pero pasan por alto o explican insuficientemente los pasos realmente difíciles de un argumento.

Q¿Qué cuatro futuros posibles para las matemáticas describió Sébastien Bubeck después de la cumbre?

ASébastien Bubeck describió cuatro futuros posibles: 1) Las matemáticas se vuelven como la ingeniería de software, con la IA ayudando a cientos de personas a colaborar en un problema. 2) Se vuelven como la física, dependiendo de la potencia computacional y los modelos de IA en lugar de aceleradores de partículas. 3) Se convierten en comisariado de museos, donde la IA produce y los humanos seleccionan e interpretan. 4) Los matemáticos se reorientan colectivamente hacia la seguridad de la IA.

Lecturas Relacionadas

La mayor cuestión político-económica de la era de la IA: si los robots son cada vez más capaces, ¿cómo comparte la humanidad el valor?

El título del artículo plantea la pregunta crucial de la era de la IA: ¿cómo compartirán los humanos el valor creado por máquinas cada vez más capaces? El artículo critica un análisis de *The Economist* sobre China, que sugiere que su enfoque en la tecnología podría distorsionar la asignación de recursos y no abordar la débil demanda interna. Sin embargo, el autor argumenta que el problema central es más profundo y global: la IA está reescribiendo la lógica fundamental de la creación y distribución de la riqueza. A diferencia de revoluciones industriales anteriores, donde los humanos seguían siendo el núcleo del proceso productivo, la IA (especialmente en forma de AGI) amenaza con reemplazar masivamente el trabajo cognitivo. Esto plantea un desafío existencial: la economía podría seguir creciendo, pero con menos personas participando directamente en la creación de valor. El mayor problema no es solo el desempleo, sino la distribución: si el poder adquisitivo de los consumidores no crece, surgirá una contradicción de "demanda insuficiente". Aunque China necesita desesperadamente impulsar sectores como la IA y la robótica como nuevos motores de crecimiento, el verdadero reto es cerrar la brecha entre la innovación tecnológica, los beneficios empresariales, los ingresos de los hogares y el consumo. Este "punto de ruptura" en la transmisión de los beneficios de la productividad es un fenómeno global, como lo demuestra la concentración de riqueza en las grandes tecnológicas estadounidenses frente al estancamiento de los ingresos laborales. El artículo esboza tres posibles caminos futuros: el capitalismo tradicional (los beneficios van a los accionistas), el capitalismo de estado (participación del gobierno) o modelos más innovadores como fondos soberanos digitales, propiedad accionarial ciudadana o rentas básicas universales adaptadas a la era de la IA. Para China, la oportunidad estratégica reside en utilizar su capacidad de coordinación política para no solo convertirse en una potencia de IA, sino también en construir un sistema que permita a la mayoría compartir sus beneficios. Esto requerirá reformas en la distribución del ingreso, el sistema de seguridad social y la formación profesional. La competencia futura no se tratará solo de quién tiene la mejor tecnología, sino de quién construye el mejor sistema de distribución para la era de la inteligencia artificial. Resolver cómo los humanos obtienen ingresos y comparten el valor cuando las máquinas realizan gran parte del trabajo es el principal problema de economía política de nuestro tiempo.

marsbitHace 4 min(s)

La mayor cuestión político-económica de la era de la IA: si los robots son cada vez más capaces, ¿cómo comparte la humanidad el valor?

marsbitHace 4 min(s)

Anthropic se retracta y se disculpa, Claude 'reducido en inteligencia' de forma encubierta confirmado

El desarrollador argofowl descubrió que Claude Code, desde la versión 2.1.237, estaba interpretando el nivel de razonamiento "high" como un valor de 10/100, equivalente al antiguo nivel "low". Esto formaba parte de una prueba A/B de "escala de esfuerzo comprimida" realizada por Anthropic sin notificación, lo que causó frustración entre los desarrolladores que dedicaron tiempo a depurar su código sin saberlo. El ingeniero Thariq Shihipar respondió que el experimento solo cambia el mapeo numérico y no afecta el rendimiento, según sus evaluaciones. Sin embargo, surgieron quejas más amplias sobre Claude Opus 5, siendo acusado de volverse más vago, propenso a errores y de rendimiento inconsistente. Thariq reconoció que Opus 5 es un modelo "notablemente inestable" y que solucionarlo es de máxima prioridad. El incidente destaca una desconexión sistémica en la industria de la IA: mientras los puntajes de referencia (benchmarks) siguen mejorando, la experiencia subjetiva de los usuarios a menudo se deteriora. Las actualizaciones de modelos se realizan de manera opaca, con pruebas A/B, cambios de cuantización y ajustes en el servidor sin la transparencia de las actualizaciones de software tradicionales, dejando a los usuarios confiar únicamente en su percepción. La estabilidad del modelo es fundamental para generar confianza cuando se convierte en infraestructura básica.

marsbitHace 30 min(s)

Anthropic se retracta y se disculpa, Claude 'reducido en inteligencia' de forma encubierta confirmado

marsbitHace 30 min(s)

Develando el verdadero panorama de apalancamiento, liquidez y riesgos detrás de la tokenización de activos

El artículo analiza la realidad de los activos del mundo real tokenizados (RWA) en el ecosistema DeFi, argumentando que la mera tokenización, como un código de barras, es insuficiente. La verdadera transformación proviene de la creación de un sistema financiero completo: liquidez efectiva en condiciones adversas, mecanismos de préstamo y apalancamiento, y un sólido proceso de liquidación de riesgos. El autor destaca cuatro principales desafíos: 1) La discordancia de tiempo entre los mercados blockchain (24/7) y los tradicionales, lo que genera un vacío de liquidez y riesgos durante eventos de liquidación. 2) La necesidad de redefinir la liquidez no como TVL, sino como la capacidad de salida en ventanas de tiempo realistas bajo presión. 3) La paradoja de que el apalancamiento, aunque crucial para la utilidad, introduce fragilidad si los modelos de riesgo (por ejemplo, ratios de colateralización) no consideran factores estructurales más allá de la volatilidad del precio. 4) La naturaleza interconectada del riesgo, que debe modelarse como una red de dependencias entre custodia, oráculos, mecanismos de reembolso y protocolos DeFi. Más allá de los bonos del tesoro, que son un primer paso, se exploran casos complejos como la energía y la capacidad de cómputo (GPU). Finalmente, se propone que la verdadera integración ocurre cuando un token RWA puede soportar una crisis, integrado en un sistema de mercado resiliente con herramientas como contratos perpetuos complementarios. La visión final no es "tokenizarlo todo", sino crear un sistema donde los activos productivos sean accesibles y gestionables por software en tiempo real.

marsbitHace 43 min(s)

Develando el verdadero panorama de apalancamiento, liquidez y riesgos detrás de la tokenización de activos

marsbitHace 43 min(s)

Trading

Spot
活动图片