OEIS Open: How many conjectures can language models turn into theorems?
Este artículo presenta OEIS Open, un referente seguro de 492 conjeturas matemáticas formalizadas de la OEIS, demostrando que los modelos de lenguaje equipados con herramientas mínimas pueden resolver autónomamente aproximadamente del 30% al 44% de estos problemas abiertos a un costo modesto, aunque el acceso a literatura extensa y bucles de agentes sofisticados no mejoró significativamente el rendimiento.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Imagina una vasta biblioteca digital de números llamada la OEIS (la Enciclopedia en Línea de Sucesiones Enteras). Es como un catálogo gigante donde los matemáticos enumeran patrones que han encontrado en los números, desde los simples (como 1, 2, 4, 8...) hasta los extraños y misteriosos. A menudo, después de enumerar un patrón, alguien escribe una suposición sobre cómo funciona para siempre. Estas suposiciones se llaman "conjeturas". Durante mucho tiempo, demostrar estas suposiciones fue un trabajo exclusivo de genios humanos con pizarras y una pacicia infinita. Pero recientemente, las computadoras han comenzado a intentar resolver estos acertijos también. La gran pregunta es: ¿Puede una inteligencia artificial (IA) descubrir la verdad por sí sola, o simplemente necesita que un humano le lleve de la mano? Este artículo profundiza en esa pregunta estableciendo una prueba rigurosa donde agentes de IA tienen que probar o refutar estas conjeturas numéricas sin métodos no autorizados o intervención humana.
Los investigadores detrás de este estudio, de un grupo llamado Epoch AI, crearon un desafío nuevo llamado OEIS OPEN. Piensa en esto como una gigantesca pista de obstáculos matemáticas. Tomaron 492 conjeturas matemáticas abiertas de la OEIS y las tradujeron a un lenguaje de programación estricto llamado Lean, que actúa como un árbitro superestricto. En este juego, un agente de IA es dejado en una habitación digital con algunas herramientas básicas: un editor de texto, una línea de comandos (como una terminal de computadora) y una calculadora. El único objetivo de la IA es escribir una prueba que el árbitro de la computadora acepte. Si la IA no puede probar que la conjetura es verdadera, debe probar que es falsa. ¿La trampa? La IA tiene un presupuesto estricto de $50 por conjetura para gastar en tiempo de computación. Si se queda sin dinero antes de resolverlo, pierde.
Los resultados fueron sorprendentemente prometedores. Los mejores modelos de IA lograron resolver 147 de las 492 conjeturas, puntuando aproximadamente un 30% en la prueba. Eso significa que convirtieron casi un tercio de estos misterios abiertos en teoremas confirmados (o refutaciones) por sí mismos. El modelo más exitoso, Claude Opus 4.8, resolvió el 30% de ellas, mientras que otros como GPT-5.5 y Gemini 3.5 Flash también lo hicieron bien, resolviendo el 26% y 22% respectivamente. Esto es importante porque los investigadores utilizaron una configuración de IA muy simple: un bucle básico que intenta, verifica y vuelve a intentar. No era un robot supercomplejo y sofisticado con un enorme equipo de ayudantes humanos. De hecho, este enfoque simple en realidad funcionó mejor que un sistema mucho más complicado llamado AlphaProof Nexus, que solo resolvió el 9% de los mismos problemas.
Los investigadores también probaron algunos "potenciadores" para ver si ayudarían a la IA a volverse más inteligente. Le dieron acceso a una enorme biblioteca de 476,000 artículos matemáticos de internet (arXiv), con la esperanza de que pudiera aprender del trabajo humano pasado. También intentaron darle a la IA un "cerebro" más complejo que pudiera delegar tareas a subagentes y recordar cosas durante un largo tiempo. Sorprendentemente, ninguno de estos aumentos ayudó. La IA no resolvió más conjeturas con la biblioteca, y el cerebro complejo no la hizo más rápida o precisa. Parece que para este tipo de problemas matemáticos, tener un conjunto de herramientas simple y enfocado y un buen presupuesto es más importante que tener una biblioteca masiva o una personalidad complicada.
Un hallazgo interesante fue que cuanto más dinero estaban dispuestos a gastar los investigadores en una sola conjetura, más probable era que la IA la resolviera. La tasa de éxito aumentó de una manera constante y predecible: por cada diez veces que aumentaban el presupuesto, la tasa de éxito saltaba aproximadamente diez puntos porcentuales. Esto sugiere que si le hubieran dado a la IA un presupuesto mayor, podría haber resuelto aún más. Sin embargo, el artículo es cuidadoso al notar que estas conjeturas, aunque matemáticamente válidas, son mayormente "desconocidos" en el mundo de las matemáticas. No son problemas famosos que cambian el mundo como la Hipótesis de Riemann; son probablemente acertijos pequeños y oscuros que no han recibido mucha atención de los matemáticos humanos.
Entonces, ¿qué significa todo esto? El artículo muestra que la IA es ahora capaz de resolver de forma autónoma problemas de investigación matemática reales a un costo modesto. Ya no solo está resolviendo acertijos con respuestas conocidas; está empujando la frontera de lo que sabemos. Pero también muestra límites: la IA no se volvió más inteligente solo por leer más libros, y todavía lucha con los problemas más difíciles y oscuros. Los investigadores concluyen que, si bien no estamos viendo un "salto cualitativo" donde la IA de repente se convierte en un matemático genio de la noche a la mañana, estamos viendo una herramienta constante y poderosa que puede ir desmenuzando lo desconocido, una secuencia numérica a la vez.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.