La relación entre la inteligencia artificial y las matemáticas acaba de dar un salto que pocos anticipaban. Un equipo de investigadores chinos ha conseguido que un sistema autónomo resuelva una conjetura abierta desde 2014, sin que ningún ser humano tuviera que aportar razonamiento matemático durante el proceso. El resultado pone en cuestión la frontera entre lo que puede hacer una máquina y lo que hasta ahora se reservaba a las mentes más brillantes del álgebra.El problema en cuestión pertenece al campo del álgebra conmutativa y fue planteado por Dan Anderson, profesor de la Universidad de Iowa, hace más de una década. Su conjetura se centra en las propiedades de los anillos locales noetherianos quasi-completos, una estructura abstracta cuyo estudio exige un nivel de especialización que pocos matemáticos en el mundo poseen. Hasta ahora, ningún equipo de investigación había logrado cerrar la demostración.Lo que hace diferente a este logro no es solo la resolución en sí, sino el método. No se trata de un modelo de lenguaje que ofrece respuestas aproximadas ni de un asistente que ayuda a un humano a llegar más rápido a la solución. Aquí la máquina ha trabajado sola. La intervención humana se limitó a descargar archivos académicos protegidos tras muros de pago, una tarea administrativa que no requirió juicio matemático alguno.Dos agentes, una demostración formalEl sistema funciona con dos componentes que colaboran de forma secuencial. El primero, bautizado como Rethlas, se encarga del razonamiento en lenguaje natural: busca estrategias posibles, consulta un buscador de teoremas y genera candidatos de demostración. Según publica South China Morning Post, el proceso completo se ejecutó en unas 80 horas de tiempo de computación sin pausa.Cuando Rethlas produce una prueba candidata, entra en acción el segundo componente, Archon. Su función consiste en traducir esa demostración informal a un proyecto verificable en Lean 4, un lenguaje de verificación formal que no admite ambigüedades ni saltos lógicos. Si la prueba contiene errores, Lean 4 los detecta; si pasa todos los controles, la demostración queda validada con el mismo rigor que exigiría una revista de alto nivel académico.La estrategia es relevante porque ataca uno de los problemas recurrentes de la IA aplicada a las matemáticas: la tendencia a generar resultados que parecen correctos pero no lo son. Al separar la fase creativa de la fase de verificación, el equipo de Pekín ha construido un mecanismo de autocorrección que elimina los falsos positivos. Es como tener a un matemático que propone ideas y a un auditor implacable que las revisa línea por línea.Por qué importa más allá del álgebraResolver una conjetura abierta durante una década demuestra que los sistemas de IA pueden asumir tareas que varios especialistas de campos distintos necesitarían meses o años en completar. En este caso, el sistema combinó conocimientos de álgebra conmutativa y de lógica formal, dos disciplinas que rara vez se dominan a la vez.Las consecuencias son amplias. Si un agente de IA puede demostrar conjeturas sin ayuda humana, el ritmo de avance matemático podría acelerarse de forma notable. Miles de problemas abiertos esperan en las listas de conjeturas pendientes de todo el mundo, muchos de ellos estancados no por falta de talento, sino de tiempo y de la combinación precisa de conocimientos necesarios para afrontarlos.No faltan voces críticas. Hay quienes señalan que el sistema solo ha resuelto un problema concreto y que generalizar este éxito a toda la matemática es prematuro. También existe debate sobre si una demostración generada por máquina tiene el mismo valor epistemológico que una producida por un ser humano, capaz de entender las intuiciones detrás de cada paso. La inteligencia artificial china, en todo caso, acumula un hito más en una carrera tecnológica que no da señales de frenar.Puede que la conjetura de Anderson no diga nada al ciudadano de a pie. Pero la prueba de que una máquina puede cerrar lo que los humanos dejaron abierto durante una década habla de un futuro donde las fronteras del conocimiento las empujen, cada vez más, algoritmos que no duermen.