Los problemas «resueltos» de OpenAI no valen nada hasta que lo digan los expertos

Cuando una empresa dice que su IA ha resuelto problemas que llevaban décadas atascando a los investigadores, ¿qué deberíamos creer? Nuestra respuesta: nada, todavía. No porque sea imposible, sino porque en ciencia un anuncio no es un resultado. Un resultado es algo que otros pueden comprobar, intentar romper y reproducir.

Lo que afirma OpenAI

Según la cobertura que hemos revisado, OpenAI ha anunciado avances en tres problemas abiertos de matemáticas, informática teórica y física. Uno de sus modelos internos, aún sin lanzar, habría refutado la Hipótesis del Tiempo Exponencial (ETH, por sus siglas en inglés), una conjetura que la comunidad llevaba tiempo dando por cierta, tal y como resume Medellín Style. En una información relacionada, Wired cuenta que Anthropic y OpenAI aseguran haber desmontado un principio clave de la informática, y que los investigadores lidian con la caída, pero también se sienten como «conejitos sobreexcitados».

Lo más importante es el proceso. 20minutos cuenta que expertos externos, entre ellos el premio Nobel David Gross, examinarán parte del trabajo. Como lo resume el titular de Gizmodo, ahora OpenAI tiene que convencer a los expertos de que es verdad.

La verificación es el producto, no una nota al pie

La emoción es comprensible. Si un modelo hubiera refutado de verdad la ETH, sería un hito. Pero «refutado» es una palabra de peso, y solo se vuelve cierta cuando los especialistas han repasado el argumento línea por línea. Hasta entonces, lo que tenemos es una empresa con todos los incentivos para impresionar que nos cuenta que impresionó.

Una de las fuentes secundarias que hemos leído plantea una idea que nos parece más afilada que el titular. Ecosistema Startup sostiene que OpenAI cambió su forma de publicar porque el enfoque anterior le costaba credibilidad. Según este relato, la compañía pasó de volcar resultados en masa a un esquema en el que expertos externos coordinan la interpretación y, en física, esos expertos deciden no publicar los materiales generados por la IA. Es la lectura de un medio, no una confirmación de los motivos de la empresa. Pero encaja con lo que cabría esperar: tras perder credibilidad, lo más barato para recuperarla es ceder el micrófono a otro.

Creemos que es el instinto correcto, ejecutado a medias. Tener revisores es bueno. No publicar el material de física, no, al menos sin una explicación clara de por qué no se puede compartir. La ciencia no funciona a base de «confía en nuestro panel».

Lo que nos debe OpenAI

Tres cosas convertirían esto de nota de prensa en una aportación. Primero, las demostraciones, completas, en un formato que los matemáticos puedan leer y, cuando sea posible, verificar formalmente. Segundo, el método: qué se le pidió al modelo, cuántos intentos hicieron falta, cuánta guía humana hubo y cómo se filtraron los fallos. Tercero, el papel del modelo sin lanzar: si nadie de fuera puede ejecutarlo, la reproducibilidad es en parte teórica.

El método importa tanto como la respuesta. Una demostración correcta pero obtenida a base de decenas de empujones humanos es otra historia distinta de la que el modelo produjo solo. Al menos un agregador, gptzone.net, ya describe los resultados como generados casi por completo por la IA, pero es la formulación de un medio entusiasta, no documentación verificada, y no nos apoyaríamos en ella.

Nuestro veredicto

Observar, no aplaudir. Si los expertos confirman el trabajo, OpenAI merecerá un reconocimiento real y el sector tendrá que replantearse qué se considera difícil. Si no lo hacen, esto se sumará a la larga lista de triunfos de la IA que se encogieron al contacto con la revisión por pares. En cualquier caso, la lección para los lectores es la misma: el titular «La IA resuelve un problema de hace décadas» debe leerse como «una empresa de IA afirma». La verificación, cuando llegue, es la verdadera noticia.

Para OpenAI, el camino es sencillo y poco glamuroso: publicar todo, invitar a los ataques y dejar que los críticos hablen alto. Un descubrimiento que no sobreviva a eso nunca fue un descubrimiento.