Durante casi tres décadas, una hipótesis llamada Hipótesis del Tiempo Exponencial ocupó un lugar silencioso en los cimientos de las ciencias de la computación teóricas. No es una ley, ni un teorema, sino un supuesto tan ampliamente aceptado que se construyeron campos enteros de investigación sobre él. OpenAI afirma ahora que sus modelos de IA han producido un algoritmo que la refuta. Si el hallazgo se sostiene, las consecuencias van mucho más allá de cualquier artículo de investigación individual.
Qué decía realmente la Hipótesis del Tiempo Exponencial
La Hipótesis del Tiempo Exponencial, propuesta hace unos 30 años, aborda una pregunta engañosamente simple: ¿con qué rapidez puede un ordenador resolver ciertos rompecabezas lógicos? El enfoque más directo es la fuerza bruta, probando cada combinación posible de verdadero o falso para cada variable del rompecabezas. La ETH no afirmaba que esta fuera la única manera. Reconocía que existen atajos. Lo que proponía era un límite mínimo: no importa lo ingenioso que sea el atajo, el trabajo computacional requerido aún debe crecer exponencialmente a medida que el rompecabezas aumenta de tamaño.
Esto suena técnico, pero la implicación práctica es significativa. La ETH era esencialmente un límite de velocidad en una clase de problemas. Decía a los investigadores qué era, en principio, alcanzable y qué no. Se desarrollaron ramas enteras de algoritmos y teoría de la complejidad con ese límite como un hecho dado.
OpenAI dice que sus modelos han ideado un algoritmo que supera ese límite de velocidad supuesto. La afirmación es que la ETH es falsa.
El efecto cascada: qué se rompe cuando se desplaza un cimiento
Esto es lo que la mayor parte de la cobertura sobre el anuncio pasa por alto. La historia no trata solo de que una hipótesis sea errónea. Trata de lo que se construyó sobre ella.
Fedor Fomin, de la Universidad de Bergen, describe la reacción entre los investigadores como un impacto total. Señala que un libro de texto que escribió sobre el tema quedaría obsoleto si se confirma el hallazgo. Eso no es hipérbole. Muchas conclusiones de las ciencias de la computación se derivaron asumiendo que la ETH era verdadera. Si el supuesto cae, esas conclusiones ya no se sostienen. Como señala Fomin, el resultado requeriría una revisión completa de varias áreas de algoritmos y complejidad.
Leslie Goldberg, de la Universidad de Oxford, lo califica, de manera condicional, como un avance enorme. La condición importa: el hallazgo aún debe verificarse y, de manera crucial, entenderse. Stefan Szeider, de la TU Wien, ha revisado lo que OpenAI ha publicado y espera que resista el escrutinio, pero señala que los investigadores aún deben confirmar que la afirmación formalmente demostrada significa lo que sus autores dicen que significa. Esa distinción, entre que una demostración sea técnicamente válida y que una demostración signifique lo que crees que significa, no es menor.
La ETH también está conectada a uno de los problemas abiertos más famosos de las matemáticas: P versus NP. Esto se refiere a si los problemas cuyas respuestas son fáciles de comprobar son también fáciles de resolver. Que la ETH fuera verdadera habría implicado que la respuesta es no. Pero Goldberg es explícito: refutar la ETH no significa que la respuesta sea sí. La pregunta P versus NP sigue abierta.
OpenAI utilizó Lean, una herramienta de software que comprueba formalmente demostraciones matemáticas, para verificar el resultado de la ETH. También ha encargado un grupo de revisión independiente que incluye a Russell Impagliazzo y Ramamohan Paturi, ambos de la Universidad de California en San Diego, quienes estuvieron entre los investigadores que propusieron originalmente la ETH. Su carta abierta describe el hallazgo como algo que podría cambiar una parte importante de las ciencias de la computación teóricas.
Matemáticas hechas por la prensa, y por qué esa frase importa
El resultado de la ETH no fue el único anuncio. OpenAI también afirma que su IA demostró una conjetura de 1991 sobre el comportamiento de las ondas, con implicaciones sobre cómo se propagan las ondas y cuán delgada puede ser una forma sin dejar de contener segmentos de línea que apuntan en todas las direcciones. En física teórica, afirma haber demostrado que las teorías cuánticas de campos, incluida la cromodinámica cuántica, que describe la fuerza fuerte que mantiene unidos a los quarks, son matemáticamente coherentes en lugar de solo experimentalmente útiles. El trabajo que toca la existencia de la teoría pura de Yang y Mills, parte de un problema matemático de un millón de dólares, no se ha publicado de forma pública mientras un grupo dirigido por el premio Nobel David Gross lo examina.
La amplitud de estos anuncios ha generado inquietud en los círculos académicos. Magnus Wahlström, de Royal Holloway, Universidad de Londres, describe el fenómeno como “matemáticas hechas por la prensa”, lo que genera preocupación de que los modelos de IA propietarios puedan volcar repentinamente meses de trabajo de los investigadores sin el proceso habitual de revisión por pares y verificación gradual.
Clément Canonne, de la Universidad de Sídney, establece una distinción tajante que vale la pena tener en cuenta: demostrar algo y entender por qué es verdad no son la misma cosa. La red de hallazgos que dependía de la ETH se ha colapsado. Por qué se colapsó sigue siendo desconocido.
En resumen
Una hipótesis que dio forma a las ciencias de la computación teóricas durante 30 años puede haber sido refutada por un modelo de IA. Si se confirma, las implicaciones son estructurales: las conclusiones construidas sobre la ETH en algoritmos y teoría de la complejidad tendrían que ser revisadas. El hallazgo está bajo revisión independiente, incluso por parte de investigadores que propusieron originalmente la hipótesis. Lo que hace que este momento sea genuinamente inusual no es solo el resultado en sí, sino la brecha que revela: los sistemas de IA ahora pueden producir demostraciones que los humanos aún no pueden explicar por completo. Esa brecha entre la demostración y la comprensión es donde empieza el trabajo real.
Basado en información de New Scientist.