En octubre de 2026, OpenAI abrió una ventana hacia el futuro de la demostración matemática asistida por máquinas, pero esa ventana reveló tanto lo que es posible como lo que aún falta: de miles de problemas intentados, apenas uno de cada cinco fue resuelto, y de esos, menos de la mitad fue verificado con el rigor formal que la matemática exige. El catálogo publicado en GitHub no es un trofeo, sino un mapa incompleto de un territorio que la humanidad apenas comienza a explorar con herramientas artificiales. La verdad matemática, como siempre, aguarda pacientemente a que el escrutinio colectivo
OpenAI publica 722 demostraciones matemáticas, pero ya detecta errores en su catálogo
El rigor matemático es un proceso lento y exigente
Mark
¿Por qué es importante que solo el 42 por ciento esté formalizado en Lean? ¿No son válidas las demostraciones sin eso?
Mimi
La formalización en Lean es como traducir una prueba matemática a un lenguaje que una máquina puede verificar línea por línea. Sin eso, solo tenemos el artículo en PDF, que depende de que otros matemáticos lo lean y lo crean. Es más robusto, pero no es lo mismo que estar verificado.
Luke
Aunque hay que ser cuidadoso: que algo compile en Lean tampoco significa que sea correcto. Solo significa que la sintaxis es válida. El error de signo que encontraron el 7 de octubre probablemente pasó desapercibido durante días. ¿Cuántos más hay?
Mark
Entonces, ¿cuál es la diferencia entre lo que hizo OpenAI y lo que hizo Google DeepMind?
Mimi
Google verificó formalmente en Lean desde el principio. OpenAI publicó primero y luego comenzó a formalizar. Son estrategias muy distintas.
Luke
Pero también hay que notar que Google resolvió 9 problemas de Erdős en 353 intentos, lo que es menos del 3 por ciento. OpenAI intentó 4000 y resolvió el 18 por ciento. No son números comparables directamente.
Mark
¿Qué significa que "muchos resultados de OpenAI acaben cayendo"?
Mimi
Significa que cuando la comunidad matemática revise estos trabajos en profundidad, algunos pueden tener errores que invaliden la conclusión. Es lo que pasa en la ciencia: no todo lo que se publica es correcto.
Luke
Pero eso es especulación. Sabemos que hay 14 demostraciones con errores reparados. No sabemos cuántos más hay. El proceso de verificación sigue en curso.
Mark
¿Debería OpenAI haber esperado a formalizar todo antes de publicar?
Mimi
Quizá. Pero también hay valor en publicar y dejar que la comunidad ayude a encontrar errores. Es un trade-off entre velocidad y rigor.
Luke
Lo importante es ser honesto sobre lo que se está publicando. OpenAI fue claro sobre el porcentaje de formalización, así que los lectores sabían qué estaban viendo. Eso es lo que importa.
El Pulso
- OpenAI publicó 722 demostraciones matemáticas con gran expectativa, pero solo había resuelto el 18% de los 4000 problemas que intentó abordar.
- Un error de signo descubierto al día siguiente obligó a retirar tres trabajos, exponiendo la fragilidad del proceso de revisión interno.
- Solo el 42% de las demostraciones está formalizado en Lean, el lenguaje que permite verificación lógica por máquina, dejando la mayoría sin ese respaldo.
- Al menos 14 demostraciones contienen errores que requirieron reparación, y algunos aún no han sido reconocidos públicamente por la empresa.
- Mientras tanto, Google DeepMind publicó en Science resultados más modestos en número pero completamente verificados en Lean, marcando un contraste metodológico significativo.
En octubre de 2026, OpenAI abrió una ventana hacia el futuro de la demostración matemática asistida por máquinas, pero esa ventana reveló tanto lo que es posible como lo que aún falta: de miles de problemas intentados, apenas uno de cada cinco fue resuelto, y de esos, menos de la mitad fue verificado con el rigor formal que la matemática exige. El catálogo publicado en GitHub no es un trofeo, sino un mapa incompleto de un territorio que la humanidad apenas comienza a explorar con herramientas artificiales. La verdad matemática, como siempre, aguarda pacientemente a que el escrutinio colectivo haga su trabajo.
El 6 de octubre de 2026, OpenAI subió a GitHub un catálogo de 722 artículos con demostraciones matemáticas organizadas en 372 familias de problemas. La empresa había intentado resolver cerca de 4000 problemas y logró cerrar apenas el 18 por ciento. Entre los resultados figuraban hallazgos sobre la convergencia de la serie de Flint-Hills y avances relacionados con los ceros de la función zeta de Riemann, temas que despertaron interés genuino en la comunidad matemática.
La celebración fue breve. Al día siguiente, investigadores externos detectaron un error de signo que obligó a retirar tres demostraciones, reduciendo el catálogo a 719 artículos. El incidente iluminó una debilidad más estructural: solo el 42 por ciento de las demostraciones había sido formalizado en Lean, el lenguaje de verificación que permite a las máquinas comprobar la validez lógica de un argumento. La mayoría de los trabajos permanecía sin ese respaldo.
La formalización en Lean no es garantía absoluta de corrección: valida la estructura lógica, pero no asegura que el código sea una traducción fiel del artículo original ni que la comunidad haya aceptado el resultado. En 14 demostraciones se encontraron errores que requirieron reparación, y algunos aún no han sido reconocidos públicamente por OpenAI. El catálogo, más que un punto de llegada, es el inicio de un proceso de verificación que se extenderá durante meses o años.
En contraste, Google DeepMind publicó esa misma semana en la revista Science los resultados de su sistema AlphaProof Nexus: 9 problemas de Erdős resueltos de 353 intentados, dos de ellos sin solución durante 56 años, y 44 conjeturas abiertas demostradas. Todos los resultados fueron codificados y verificados en Lean desde el principio. La diferencia de enfoque es elocuente: para DeepMind, la verificación formal no fue un paso posterior, sino parte integral del proceso desde el inicio.
El 6 de octubre de 2026, OpenAI subió a GitHub un catálogo que prometía ser un hito: 722 artículos con demostraciones matemáticas, organizados en 372 familias de problemas distintos. La empresa había intentado resolver alrededor de 4000 problemas matemáticos y logró cerrar apenas el 18 por ciento de ellos. Entre los resultados publicados había hallazgos curiosos: la convergencia de la serie de Flint-Hills, derivada de propiedades del número π, y avances sobre los ceros de la función zeta de Riemann. Para matemáticos y físicos, el catálogo ofrecía un terreno potencialmente fértil, con problemas que tocaban múltiples áreas de investigación.
Pero la celebración duró poco. Un día después, el 7 de octubre, investigadores detectaron un error de signo en una de las demostraciones. La consecuencia fue inmediata: OpenAI se retractó de tres trabajos, reduciendo el catálogo de 722 a 719 artículos. El descubrimiento expuso un problema más profundo: solo el 41 por ciento de las demostraciones originales había sido formalizado en Lean, el lenguaje de verificación formal que permite que máquinas comprueben la validez lógica de un argumento matemático. Aunque ese porcentaje subió ligeramente a 42 por ciento (300 de 719 demostraciones) conforme avanzaba el proceso de revisión, la brecha seguía siendo considerable.
La formalización en Lean es un paso crítico pero no es garantía de corrección. Que el código compile en Lean valida la sintaxis y la estructura lógica, pero no asegura que sea una traducción fiel del artículo en PDF original, ni que la comunidad matemática haya revisado y aceptado el resultado. En las 14 demostraciones donde se encontraron errores, fue necesario hacer reparaciones. Algunos de esos errores aún no han sido reconocidos públicamente por OpenAI en los artículos en PDF, y permanece sin respuesta si están presentes también en los códigos Lean o si serán trasladados a futuras versiones.
El rigor matemático es un proceso lento y exigente. No basta con que una máquina valide la sintaxis de una prueba; la comunidad científica debe examinarla, cuestionarla, replicarla. Es posible que muchos de los resultados de OpenAI no resistan ese escrutinio. El catálogo, lejos de ser un punto de llegada, es apenas un punto de partida para un trabajo de verificación que seguirá durante meses o años.
En contraste, Google DeepMind publicó esta misma semana en la revista Science un trabajo sobre su sistema AlphaProof Nexus. El equipo resolvió 9 de los 353 problemas de Erdős que intentó abordar, dos de los cuales habían permanecido sin solución durante 56 años. También demostró 44 conjeturas abiertas de un listado de 492 en la Online Encyclopedia of Integer Sequences. Crucialmente, todas esas demostraciones fueron codificadas en Lean y verificadas formalmente. El trabajo, publicado el 8 de octubre de 2026 en Science, representa un enfoque donde la verificación formal es parte integral del proceso desde el inicio, no un paso posterior.
Citas Notables
Que el código Lean compile valida la demostración en Lean, pero no implica que sea una traducción fiel del paper en PDF, ni que la comunidad matemática haya revisado y aceptado la demostración— Francis (La Ciencia de la Mula Francis)
Quieres la nota completa?
Lee el original en La Ciencia de la Mula Francis ↗
Technology