OpenAI publicó una de las noticias más fuertes del año para la relación entre inteligencia artificial y ciencia: la compañía afirma que un modelo interno de razonamiento logró refutar una conjetura central de geometría discreta vinculada al problema de las distancias unitarias, planteado originalmente por Paul Erdős en 1946. El anuncio fue publicado por OpenAI el 20 de mayo de 2026 y viene acompañado por un video oficial en su canal de YouTube, el documento de prueba y un texto de comentarios preparado por matemáticos externos.

El problema puede explicarse de forma sencilla, aunque su dificultad matemática sea enorme: si se colocan n puntos en el plano, ¿cuántos pares de puntos pueden quedar exactamente a distancia 1? Esa pregunta se conoce como el problema planar de distancia unitaria. Durante décadas, una intuición dominante fue que ciertas construcciones basadas en cuadrículas cuadradas reescaladas estaban esencialmente cerca del límite posible. En términos técnicos, la expectativa asociada a Erdős apuntaba a una cota del tipo n^(1+o(1)), donde el término adicional se vuelve insignificante cuando n crece.

Según OpenAI, su modelo encontró una familia infinita de configuraciones que supera esa expectativa con una mejora polinómica: al menos n^(1+δ) pares de distancia unitaria para infinitos valores de n, con δ positivo. La publicación añade que una mejora posterior atribuida al profesor Will Sawin, de Princeton, permite tomar δ = 0.014. Ese detalle importa porque no se trata solo de una intuición o de una simulación llamativa, sino de una construcción matemática que cambia la frontera conocida del problema.

La parte más llamativa es cómo se obtuvo el resultado. OpenAI dice que la prueba surgió de un modelo general de razonamiento, no de un sistema diseñado específicamente para geometría, ni de una herramienta especializada entrenada solo para buscar pruebas de este problema. La compañía afirma que estaba evaluando modelos en una colección de problemas de Erdős y que, en este caso, el modelo produjo una prueba que resolvía el problema abierto.

El resultado fue revisado por matemáticos externos. Entre los nombres citados por OpenAI están Noga Alon, Tim Gowers, Arul Shankar y Jacob Tsimerman. Gowers, ganador de la Medalla Fields, lo describe en el documento de comentarios como un hito para la matemática con IA. Shankar destaca que el trabajo sugiere que los modelos actuales pueden ir más allá de asistir a matemáticos humanos: pueden proponer ideas originales y desarrollarlas con rigor.

La técnica también sorprendió por el puente que construye entre áreas. De acuerdo con OpenAI, la prueba trae herramientas de teoría algebraica de números, incluyendo ideas como torres infinitas de cuerpos de clases y teoría de Golod-Shafarevich, hacia una pregunta elemental de geometría combinatoria. Es decir, un problema fácil de enunciar terminó conectado con maquinaria matemática profunda que no era el camino esperado para muchos especialistas.

La lectura práctica es importante: este no es un anuncio sobre un chatbot resolviendo un acertijo, sino sobre un sistema de IA produciendo una contribución matemática que expertos consideran seria. Todavía habrá que observar cómo evoluciona la discusión académica, si aparecen verificaciones formales adicionales y cómo la comunidad incorpora la construcción. Pero si la validación se sostiene, marca un cambio real: la IA empieza a entrar en una fase donde puede participar en el descubrimiento científico, no solo en resumir, programar o acelerar tareas conocidas.

Para OpenAI, el mensaje de fondo es que mejores capacidades de razonamiento matemático pueden convertir a los modelos en socios de investigación más potentes en biología, física, materiales, ingeniería y medicina. La advertencia también queda clara: el juicio humano sigue siendo central. Los modelos pueden buscar caminos, sugerir conexiones y producir argumentos; las personas siguen eligiendo los problemas importantes, revisando el rigor y decidiendo qué descubrimientos realmente cambian el mapa.