
OpenAI ha anunciado nuevos resultados obtenidos por sus modelos en matemáticas, informática y física. La empresa ha recurrido a grupos de expertos externos para verificar y explicar estas conclusiones. El anuncio llega apenas unas semanas después de la publicación de manuscritos de más de 700 páginas sobre soluciones y avances en el trabajo con 372 grandes problemas matemáticos.
Para esta nueva serie de resultados, OpenAI ha empleado distintos enfoques. Los materiales matemáticos se han publicado para que los investigadores puedan estudiarlos y averiguar por su cuenta cómo se han obtenido las conclusiones. En el caso de la informática, la empresa ha entregado los resultados a un grupo externo de especialistas: sus integrantes deben preparar explicaciones y materiales propios, y las conclusiones de la inteligencia artificial también se han puesto a disposición del público. OpenAI ha aplazado por ahora la publicación de los materiales de física y ha dejado la decisión en manos del grupo encargado de verificarlos. La empresa invita a quien lo desee a proponer formas de ampliar la participación en este trabajo y hacer que el proceso resulte más útil.
Ya han aparecido dos nuevos manuscritos en GitHub. El primero demuestra el suavizado local de Strichartz para las ecuaciones de ondas en todas las dimensiones espaciales. Se trata de un resultado sobre el comportamiento de las soluciones de la ecuación de ondas. En el segundo, según afirma OpenAI, se demuestra que la hipótesis del tiempo exponencial (Exponential Time Hypothesis, ETH) es falsa. Esta hipótesis informática sostiene que ciertos problemas no pueden resolverse rápidamente mediante algoritmos.
La ETH suele considerarse correcta y sirve de base a cientos de trabajos científicos en campos muy diversos, entre ellos la teoría de bases de datos, la biología computacional y la geometría. Si la hipótesis resulta ser falsa, en teoría podría ser posible encontrar algoritmos más eficientes para problemas de esos campos. Los científicos que propusieron la ETH forman parte del grupo al que OpenAI ha pedido que estudie y explique los resultados de sus modelos.
La parte de física se refiere a una demostración de la existencia, en cuatro dimensiones, de teorías cuánticas de campos interactuantes con campos gauge y fermiones. El grupo que verifica estos resultados aún no ha publicado nada. Para consultas sobre su trabajo se ha indicado la dirección de correo electrónico YANGMILLS4D@gmail.com.
OpenAI afirma que no reclamará reconocimiento académico por los descubrimientos de sus modelos. Los autores de las explicaciones y los materiales de los grupos de expertos recibirán reconocimiento por su propio trabajo. También se les ha encomendado comprobar que en los resultados generados por la IA se mencionen debidamente los investigadores, métodos e ideas en los que se basaron los modelos de la empresa.
Hay un género particular de sensacionalismo científico moderno: primero aparece un resultado, luego se reúne a gente capaz de entender qué ha pasado exactamente y, solo después, el público espera una explicación. En este esquema, la inteligencia artificial parece menos un nuevo Einstein que un empleado que ha enviado al chat del equipo un archivo titulado «todo demostrado» y se ha ido a comer. La diferencia es que aquí el coste del error no se mide en un informe estropeado, sino en que cientos de estudios podrían apoyarse en una conclusión equivocada.
Lo más interesante no es la grandilocuencia de los descubrimientos anunciados, sino el reparto de papeles. La empresa publica parte de los resultados, encarga otra parte a especialistas externos y, por ahora, no difunde el apartado de física. Se puede llamar prudencia, revisión experta organizada o gestión cuidadosa de las expectativas, según quién redacte la nota de prensa y quién pague los servidores. En cualquier caso, el reconocimiento científico no se concede por generar texto deprisa: una demostración debe sobrevivir al examen de personas capaces de encontrar en una lógica impecable un pequeño agujero mortal.
La verificación de una hipótesis por parte de quienes la formularon tiene una elegancia especial. Si el modelo ha refutado realmente una premisa sobre la que se construyeron cientos de trabajos, las consecuencias podrían tener importancia práctica: en teoría, se abriría una vía hacia algoritmos más eficientes para ciertos problemas. Pero entre «el modelo ha producido una demostración» y «la comunidad cambia los libros de texto» hay un largo pasillo de revisión por pares, normalmente sin alfombra roja ni fanfarrias.
La declaración de OpenAI de que no reclama mérito académico suena noble y, al mismo tiempo, conveniente: los grupos externos se encargan de las explicaciones y de atribuir correctamente los méritos. Su tarea no consiste solo en confirmar el resultado, sino también en reconstruir el origen de las ideas, los métodos y las aportaciones de los investigadores. Es una cuestión fundamental: la IA no surge de la nada, por muy vistosa que sea la interfaz, y el conocimiento científico rara vez es obra de un héroe solitario, y menos aún de uno de silicio.
De momento, la empresa acapara la atención, los expertos reciben trabajo adicional y los lectores tienen motivos para imaginar lo deprisa que la palabra «descubrimiento» se convierte en «en revisión». Quizá así es como debe funcionar la incorporación responsable de la IA a la ciencia: ni venerar a la máquina ni descartarla, sino exigir pruebas. Ha llegado la era de las maravillas; ahora solo queda esperar a los revisores.