IA contraejemplo: cuando la máquina resuelve problemas que los matemáticos no pudieron en 60 años

Dos meses atrás, ChatGPT demostró que la conjectura de Erdős sobre distancias unitarias era falsa. No encontró un contraejemplo aproximado: lo encontró, lo argumentó en un paper de docenas de páginas y lo entregó con el nivel de confianza de quien ya ha verificado cada paso.

El detalle que hizo que la comunidad matemática prestara atención no fue la conclusión —las máquinas llevan años resolviendo problemas combinatorios—, sino el método. Un mes después del anuncio, un modelo de OpenAI llamado Sol generó 1,2 millones de líneas de código en Lean, el asistente de demostraciones formales que usan los matemáticos para verificar que una prueba es correcta hasta el último detalle. mathlib, la biblioteca de matemáticas formales más grande del mundo, tiene 2,3 millones de líneas y requirió nueve años de trabajo colaborativo. Sol generó más de la mitad de eso en tres semanas.

Y no se detuvo ahí.

El contraejemplo que cambió las cosas

A principios de julio de 2026, durante un taller sobre demostración formal en Lean organizado en el marco del proyecto Xenaproject, el matemático Akhil Mathew preguntó a Sol sobre una cuestión que Grothendieck había dejado abierta en los años 60: ¿todo esquema de grupo finito y libre de orden n es siempre matado por n? La respuesta convencional era que sí, al menos en los casos conocidos. Sol dijo que no.

Cuatro horas después, otro modelo —Claude Fable, de Anthropic— había autoformalizado la demostración entera en Lean. El código compiló sin errores en mathlib. El contraejemplo existía: un esquema de grupo de orden 4 que no es matado por 4. Sesenta años de geometría algebraica resueltos por una máquina, sin que ningún humano hubiera visto venir el resultado.

No fue un accidente aislado. La последовательность de logros en los últimos meses charta una curva clara:

Mayo de 2026: ChatGPT demuestra que la conjectura de Erdős sobre distancias unitarias es falsa, usando técnicas de teoría de números que datan de los años 60 (Golod-Shafarevich).

26 de mayo de 2026: el sistema de Logical Intelligence (cofundada por Yan LeCun) autoformaliza la demostración de ChatGPT en Lean en menos de una semana.

26 de junio de 2026: Boris Alexeev (OpenAI) usa Sol para autoformalizar la demostración completa, generando 1,2M de líneas de Lean en tres semanas.

11 de julio de 2026: Sol encuentra un contraejemplo a la conjectura de Grothendieck sobre esquemas de grupo. Fable lo formaliza en Lean en cuatro horas.

Por qué importa la demostración formal

Lean no es un sistema de álgebra simbólica convencional. Es un asistente de demostraciones interactivas: el usuario describe qué quiere demostrar y el sistema verifica que cada paso inferido sea lógicamente correcto. Si el código compila en mathlib, la demostración es correcta a nivel de los axiomas fundamentales de la matemática. No hay lugar para el error sutil que se cuela en una demostración de 200 páginas escrita en pdf.

Esto es crucial porque revela algo que los matemáticos humanos saben pero rara vez admiten públicamente: en matemáticas avanzadas, verificar los detalles técnicos de una demostración es extraordinariamente difícil. No por falta de inteligencia, sino porque el conocimiento requerido para entender una demostración de teoría de números algebraicos o geometría algebraica está tan concentrado que hay en el mundo quizás unas pocas decenas de personas capaces de leer una dada con ojo crítico.

Cuando un sistema de IA genera una demostración y otro sistema de IA la formaliza en un theorem prover en horas, el cuello de botella cambia. Ya no es "¿quién puede verificar esto?" sino "¿el código de IA es suficientemente correcto para que el theorem prover lo acepte?" Y la respuesta, al menos en los últimos三个月, ha sido: cada vez más sí.

Qué significa esto para la matemática

La teoría de grupos de Grothendieck, la conjectura de Erdős, la conjetura de Fermat: estas no son curiosidades académicas. Son los cimientos sobre los que se construyen otros teoremas. Cuando se encuentra un contraejemplo, todo lo que dependía de la conjetura cierta —y que nadie ha revisado con la premisa falsa— entra en revisión.

El profesor Thomas Browning, co-organizador del taller Formalizing Fermat, lo expresó con una mezcla de admiración y cautela: "No se puede confiar en código de IA sin verificarlo en un entorno aislado. Lean puede ejecutar comandos arbitrarios en tu máquina —es un lenguaje de programación, al fin y al cabo—. Pero una vez que compila y verifica las declaraciones, wow."

La formalización de la teoría de clase de campo global —un resultado de más de 100 páginas que necesita casi toda la maquinaria de la teoría de números del siglo XX— está en progreso. La demostración completa de la conjetura de Fermat, que depende de ella, espera. La IA está escribiendo el código que verificará si todo esto es correcto.

No estamos ante un buscador de patrones en un corpus de demostraciones existentes. Estamos ante un sistema que, aparentemente, puede generar demostraciones originales de teoremas que los humanos no habían podido demostrar —o refutar— en décadas. Y que puede verificar sus propias demostraciones en un nivel de rigor que ningún revisor humano puede igualar en tiempo.

La matemática, esa disciplina que presumíamos a salvo del resto del mundo por su nivel de abstracción, está siendo reescrita. No por la IA como herramienta —eso ya lo hacíamos— sino por la IA como agente activo de descubrimiento.