Astra pone a prueba las fronteras de las matemáticas: 10 problemas, pruebas verificadas y muchas dudas

Qué problemas abordó Astra

Los resultados abarcan campos muy especializados: geometría de altas dimensiones, teoría de códigos, complejidad de circuitos aritméticos, teoría de grupos, álgebras de operadores, complejidad cuántica, criptografía basada en retículos y combinatoria extremal .

1. Empaquetamiento de esferas en altas dimensiones: nuevos límites superiores para la densidad máxima de empaquetamiento, hasta el umbral de Cohn–Elkies .
2. Códigos binarios y esféricos: mejoras exponenciales en los límites del tamaño máximo de un código para una distancia mínima determinada .
3. Grupos no soficos: una construcción explícita que demostraría la existencia de estos grupos, una cuestión central que llevaba abierta desde que Mijaíl Gromov introdujo el concepto de soficidad en 1999 .
4. Conjetura de rigidez de Connes: una refutación de una conjetura de larga trayectoria sobre álgebras de von Neumann .
5. Complejidad de circuitos aritméticos: nuevos límites inferiores para calcular el permanente, incluido un límite para fórmulas aritméticas del orden de n⁴/log n .
6. Repetición paralela cuántica: un teorema de repetición paralela exponencial para juegos cuánticos generales entre dos jugadores .
7. Problema del vector más cercano: una demostración de dificultad de aproximación dentro de un factor polinómico, relevante para la criptografía poscuántica .
8. Conjetura del volumen de Ehrhart: un resultado sobre el volumen máximo de un cuerpo convexo cuyo centroide es su único punto interior de la red .
9. Números de Ramsey multicolor: un límite inferior superexponencial que resolvería el problema 183 de Erdős .
10. Conjeturas sobre números extremales: resultados sobre conjeturas de compacidad y degeneración que resolverían los problemas 146 y 180 de Erdős .

Lean 4: la comprobación que cambia la discusión

OpenAI no ha publicado el modelo Astra. En su lugar, puso a disposición certificados de prueba escritos en Lean 4 bajo una licencia Apache 2.0. El repositorio presenta un recuento de cero usos de sorry, una palabra reservada que en Lean puede dejar un paso sin demostrar; según la documentación difundida, esto significa que todos los pasos formalizados de las diez pruebas están verificados .

La diferencia es importante. En una respuesta convencional generada por IA, un investigador debe revisar si el razonamiento contiene errores. En cambio, un asistente de pruebas como Lean obliga a expresar cada paso en un formato que el sistema pueda comprobar. Eso no demuestra por sí solo que Astra haya descubierto las ideas sin ayuda ni que la interpretación humana de los resultados sea definitiva, pero sí ofrece una forma mecánica de revisar los argumentos formalizados.

Una reacción entre el entusiasmo y la cautela

Investigadores como Noam Brown describieron el anuncio como un posible paso importante para el razonamiento científico . Sin embargo, las objeciones se concentran en varios puntos.

No son los Problemas del Milenio

Ninguno de los 10 resultados corresponde a los famosos Problemas del Milenio del Instituto Clay, como la hipótesis de Riemann o la pregunta de si P es igual a NP . Eso no convierte los problemas de Astra en ejercicios menores: son preguntas reales y difíciles de investigación. Pero sí rebaja el impacto de titulares que presenten el anuncio como si hubiera resuelto los mayores iconos populares de las matemáticas.

Falta la revisión por pares

OpenAI anunció los resultados directamente, sin una publicación previa en una revista matemática o en las actas de una conferencia con revisión por pares . La formalización en Lean permite inspeccionar los pasos que fueron codificados, pero la comunidad aún debe evaluar aspectos como la novedad, la relevancia y la solidez de la presentación matemática completa.

También queda abierta la cuestión de la autoría. ¿Qué parte corresponde a la generación de ideas del modelo y cuál a la selección, interpretación y redacción de los investigadores? OpenAI reconoció esa tensión al citar la Declaración de Leiden sobre inteligencia artificial y matemáticas .

¿Puede generalizarse a otras ciencias?

El científico cognitivo Gary Marcus sostiene que el éxito en matemáticas formales puede ser un caso especial y no una prueba de que la IA ya domine el razonamiento científico general . Las matemáticas tienen una ventaja particular: muchas afirmaciones pueden expresarse con precisión y verificarse con herramientas simbólicas. Además, es posible generar grandes cantidades de datos sintéticos con respuestas conocidas, algo mucho menos habitual en disciplinas experimentales o en problemas científicos abiertos.

Astra sigue siendo inaccesible

Como el modelo aún no se ha publicado y OpenAI no ha revelado por completo la metodología de generación ni las instrucciones utilizadas, nadie fuera de la empresa puede reproducir de manera independiente el proceso original . Los certificados permiten comprobar determinadas pruebas, pero no replicar cómo Astra llegó a ellas.

El contexto comercial también pesa

El anuncio coincide con el posicionamiento de Astra como la próxima gran familia de modelos de OpenAI. Esa proximidad ha llevado a algunos críticos a preguntarse si el momento elegido buscaba también reforzar el impacto comercial y de marketing de la presentación . La duda no invalida los resultados, pero explica por qué muchos investigadores prefieren esperar a un examen externo antes de hablar de un cambio de época.

Qué se puede afirmar por ahora

Si las demostraciones superan el escrutinio de expertos, algunas podrían cerrar preguntas abiertas durante décadas. La construcción explícita de un grupo no sofico sería especialmente relevante: resolvería una cuestión que permanecía abierta desde hace más de 25 años . Además, OpenAI ha proporcionado bastante más material inspeccionable que el habitual en un anuncio corporativo, incluidos un manuscrito extenso y certificados verificables .

La conclusión más prudente es, por tanto, doble: Astra podría representar un avance importante en la investigación matemática asistida por IA, pero el anuncio todavía no demuestra que la inteligencia artificial haya adquirido un razonamiento científico general. La pregunta no es solo si puede hacer matemáticas, sino si este tipo de éxito formal y verificable se traslada a campos donde los problemas son menos estructurados, los datos no tienen respuestas garantizadas y la verificación puede tardar años. Esa segunda parte aún está por demostrar.