Los modelos de IA de OpenAI refutan la hipótesis del tiempo exponencial

OpenAI presentó tres avances científicos significativos generados por sus modelos de frontera internos, lo que marca un momento potencialmente transformador para la informática teórica y las matemáticas. El resultado que más titulares acaparó es la refutación de la hipótesis del tiempo exponencial (ETH, por sus siglas en inglés), una conjetura de larga data sobre la rapidez con la que pueden resolverse ciertos problemas de satisfacibilidad booleana, un problema profundamente ligado a la famosa cuestión P versus NP.

La ETH ha sido fundamental para la teoría de la complejidad computacional durante décadas, y aparece en cientos de artículos revisados por pares en los que los investigadores la utilizaron para derivar resultados de dureza condicional en teoría de grafos, biología computacional, bases de datos y geometría computacional. El sistema de OpenAI produjo una refutación en lenguaje natural el 16 de octubre de 2026, que luego fue verificada formalmente en el asistente de pruebas Lean el 17 de octubre. La compañía afirma haber encontrado un algoritmo de tiempo subexponencial para problemas que antes se creía que requerían tiempo exponencial, un resultado que, de validarse, reconfiguraría fundamentalmente las suposiciones sobre los límites computacionales.

Junto con el resultado sobre la ETH, OpenAI anunció dos hallazgos complementarios: una prueba de la conjetura de suavizado local para la ecuación de onda en todas las dimensiones (que a la vez resuelve las conjeturas de Kakeya y de restricción de Stein), y una prueba de existencia matemáticamente rigurosa para la cromodinámica cuántica incorporando la teoría de Yang-Mills. La compañía publicó las pruebas escritas por la IA y las formalizaciones en Lean en un repositorio público de GitHub, y describió los manuscritos como datos de investigación en bruto.

Fundamentalmente, ninguno de estos resultados ha sido sometido aún a verificación independiente por expertos. OpenAI subrayó su compromiso con la transparencia al organizar grupos de expertos externos para examinar y explicar cada resultado a la comunidad investigadora en general. La compañía señaló que, si bien la refutación de la ETH "reabre preguntas sobre cuánto más rápidas podrían volverse estas tareas", convertir esos avances teóricos en mejoras algorítmicas prácticas "requerirá una investigación adicional significativa". El anuncio combina una ambición científica genuina con una cautela notable: OpenAI invita explícitamente al escrutinio en lugar de reclamar una prueba definitiva.