RespuestasPublicado21 fuentes
La disputa por los 722 manuscritos matemáticos de OpenAI
La AHM insta a los matemáticos a dejar de colaborar con OpenAI porque considera que publicar una gran cantidad de resultados no los convierte en conocimiento científico validado. OpenAI compartió manuscritos y materiales de prueba, además de formalizaciones en Lean para algunos resultados; el modelo que los generó s...
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- La AHM insta a los matemáticos a dejar de colaborar con OpenAI porque considera que publicar una gran cantidad de resultados no los convierte en conocimiento científico validado.
- OpenAI compartió manuscritos y materiales de prueba, además de formalizaciones en Lean para algunos resultados; el modelo que los generó sigue siendo interno y no está disponible para examen independiente.
- La controversia abarca tanto el posible valor matemático de los resultados como la transparencia del proceso, el trabajo necesario para verificarlos y el lugar de las personas en la investigación.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: Why has the Association for Human Mathematics (AHM) urged mathematicians to stop working with OpenAI after its October 6 release of AI-gener. Article summary: AHM urged mathematicians to stop working with OpenAI because it sees the October 6 release as a mass display of a company’s capability, not a responsible way to establish mathematical knowledge. It argues that hundreds o. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
La Association for Human Mathematics (AHM) pidió a los matemáticos que dejaran de colaborar con OpenAI después de que la empresa publicara, el 6 de octubre de 2026, una amplia colección de manuscritos matemáticos. La objeción no se limita a que algunas pruebas puedan tener errores: la asociación sostiene que una publicación masiva de resultados generados por un modelo corporativo no sustituye la revisión, la documentación ni el debate propios de la investigación científica.45
La colección podría contener resultados de interés. Pero ni el volumen de archivos, ni las pruebas adjuntas ni la relevancia de algunas afirmaciones bastan, por sí solos, para confirmarlos. La discusión también plantea quién puede examinar el modelo, quién comprueba sus resultados y quién asume el trabajo de verificación.
Qué publicó OpenAI
En su anuncio inicial, OpenAI describió 722 manuscritos repartidos en 17 áreas y organizados en 372 familias de resultados relacionados. Por tanto, la colección no equivale a 722 descubrimientos independientes. El repositorio incluye manuscritos y materiales de apoyo para las pruebas, y se distribuye con licencia Apache-2.0.7
15
La empresa señaló que el modelo había abordado unos 4.000 problemas y que el cómputo medio por resultado equivalía aproximadamente a tres horas de ChatGPT Pro Thinking. También publicó 10 resúmenes abreviados del razonamiento del modelo y formalizaciones en Lean para algunas pruebas.7
12
16 El repositorio indica que los resultados están en distintas etapas de verificación y que no todos cuentan con una formalización en Lean. Su catálogo actual muestra 719 manuscritos, frente a los 722 del anuncio inicial.
10
11
Entre las afirmaciones de la colección hay resultados relacionados con las conjeturas de Mahler y con el exponente de irracionalidad exacto de π. No deben darse por confirmados simplemente porque se hayan publicado como manuscritos.5
21
Por qué protesta la AHM
En su declaración, la AHM afirmó que los matemáticos «no pidieron que se hiciera este trabajo» y describió la publicación de cientos de archivos como una «demostración de poder», no como una demostración de labor académica. La asociación reclama escepticismo y una ciencia centrada en las personas, en lugar de una aceptación apresurada o del procesamiento en masa de resultados corporativos.45
También hay una cuestión práctica: revisar los manuscritos exige que especialistas lean los argumentos, comprueben las pruebas y sitúen los resultados en relación con la investigación previa. Que los archivos sean públicos facilita que la comunidad los examine, pero no elimina esa tarea: en buena medida, la traslada a los investigadores.
La AHM vinculó su respuesta con una advertencia de la Advisory Group on Mathematics and Artificial Intelligence, un grupo creado para asesorar a empresas de inteligencia artificial sobre su relación con la investigación matemática. Según la declaración de la AHM, el grupo había advertido contra el uso de modelos internos de empresas para probar problemas matemáticos avanzados.45
Qué comprueban las pruebas en Lean y qué queda pendiente
Las formalizaciones en Lean son una herramienta importante: permiten que un sistema informático compruebe las pruebas que se han traducido efectivamente a ese lenguaje. OpenAI indica que la afirmación principal de 162 manuscritos ha sido formalizada.5 Esto refuerza la comprobación de esos resultados concretos, pero no valida automáticamente todas las afirmaciones de todos los manuscritos.
Cuando no hay una formalización correspondiente, la evaluación depende de que alguien lea y revise el argumento. El propio repositorio advierte que los resultados están en distintas etapas de verificación y que no todos tienen formalizaciones en Lean.10
11 Por eso, lo razonable es examinar cada resultado por separado, en vez de considerar probada —o inútil— la colección entera.
Más información sobre el proceso, pero no transparencia total
Las cifras sobre los problemas abordados y el cómputo utilizado, junto con los 10 resúmenes de razonamiento, ofrecen cierta información sobre el proceso de producción.7
12
16 Sin embargo, no constituyen un historial completo de cada resultado, y el modelo sigue siendo interno y no está disponible para un examen independiente.
7
11
Además, saber cuántos problemas se probaron no permite establecer por sí solo con qué frecuencia el modelo tuvo éxito en un conjunto claramente definido de problemas matemáticos de frontera. Para evaluar su rendimiento y la posibilidad de reproducir los resultados, los investigadores necesitan más información sobre el método y sobre cómo se obtuvo cada prueba.
OpenAI dijo que planea organizar talleres y conferencias para revisar resultados importantes.7 Estas iniciativas pueden facilitar la evaluación, pero no reemplazan la publicación de información suficiente para que otros investigadores examinen de forma independiente cómo se produjeron las pruebas.
Qué revela el debate sobre la investigación matemática
La discusión no tiene una respuesta sencilla. Una colección de argumentos matemáticos generados por IA puede incluir avances reales, pero su valor dependerá de cuáles resistan una revisión independiente, no del tamaño de la publicación ni de la importancia de los problemas mencionados.7
10
La respuesta de la AHM también pone sobre la mesa cómo reconocer el trabajo humano previo, quién asume el coste de evaluar los nuevos resultados y si podrían cambiar las prioridades o el apoyo a la investigación realizada por personas. La publicación de los manuscritos no resuelve esas cuestiones; las vuelve más urgentes.45
La clave es distinguir entre la capacidad de producir muchos argumentos matemáticos y su validación científica. La controversia trata de ambas cosas: de lo que la IA puede aportar a las matemáticas y de las reglas necesarias para que esa contribución sea verificable, transparente y significativa para la comunidad.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "La disputa por los 722 manuscritos matemáticos de OpenAI"?
La AHM insta a los matemáticos a dejar de colaborar con OpenAI porque considera que publicar una gran cantidad de resultados no los convierte en conocimiento científico validado.
¿Cuáles son los puntos clave a validar primero?
La AHM insta a los matemáticos a dejar de colaborar con OpenAI porque considera que publicar una gran cantidad de resultados no los convierte en conocimiento científico validado. OpenAI compartió manuscritos y materiales de prueba, además de formalizaciones en Lean para algunos resultados; el modelo que los generó sigue siendo interno y no está disponible para examen independiente.
¿Qué debo hacer a continuación en la práctica?
La controversia abarca tanto el posible valor matemático de los resultados como la transparencia del proceso, el trabajo necesario para verificarlos y el lugar de las personas en la investigación.