GPT-5.2 Pro resuelve cuatro problemas de Erdős y empuja la frontera matemática

Cuatro problemas. Décadas sin solución. Un razonamiento inédito.

Paul Erdős no fue un matemático convencional. Fue, probablemente, la mente más prolífica y excéntrica de la historia de su disciplina. Viajaba de universidad en universidad con una maleta a medio hacer, colaborando con cualquiera que pudiera seguir su ritmo frenético y publicando más de mil quinientos artículos a lo largo de su vida. Cuando falleció, dejó tras de sí un legado monumental y un desafío abrumador para las futuras generaciones: más de mil problemas abiertos. Son enigmas tan endiabladamente complejos que llevan décadas sin resolverse, convirtiéndose en verdaderos trofeos que los matemáticos de todo el mundo aspiran a conquistar a lo largo de sus carreras académicas.

Hasta ahora, la inteligencia artificial había demostrado ser una herramienta excepcional para procesar datos masivos, resumir textos complejos o escribir código informático, pero la matemática pura se le resistía de forma sistemática. Requería algo más que predecir la siguiente palabra basándose en la probabilidad estadística; exigía intuición, creatividad y saltos lógicos precisos que las redes neuronales no lograban emular. Sin embargo, en las últimas semanas, el modelo GPT-5.2 Pro ha cruzado esa frontera invisible al resolver cuatro de estos históricos desafíos de Erdős, marcando un antes y un después en la relación entre máquinas y números.

La frontera entre buscar información y generar conocimiento

Lo que hace que este hito sea verdaderamente revolucionario no es la cantidad de problemas resueltos, sino la naturaleza del logro computacional. Los problemas que han caído ante la máquina están catalogados en la base de datos oficial como el #728, #729, #281 y #397. El caso de este último es especialmente fascinante para la comunidad científica: la inteligencia artificial no se limitó a confirmar la conjetura inicial propuesta por Erdős, sino que la refutó por completo al encontrar una familia infinita de contraejemplos.

No estamos ante un simple ejercicio de recuperación de información avanzada. Las soluciones aportadas por la máquina son pruebas originales y argumentos completamente nuevos que no existían en la literatura matemática previa. La IA no encontró la respuesta escondida en un paper antiguo escaneado en algún rincón oscuro de internet; la máquina, por primera vez en este nivel de complejidad estructural, razonó. Este salto cualitativo demuestra que los modelos fundacionales están empezando a desarrollar capacidades de abstracción que hasta hace poco considerábamos exclusivamente humanas.

El sello de verificación del mayor genio vivo

En el riguroso mundo de las matemáticas, una afirmación no vale absolutamente nada si no puede demostrarse paso a paso, sin la más mínima fisura lógica. Para evitar las temidas alucinaciones que plagan a los modelos de lenguaje tradicionales, todas las pruebas han sido verificadas en Lean. Se trata de un lenguaje de programación y verificación formal extremadamente estricto que comprueba cada deducción lógica de forma automatizada, garantizando que no hay errores ocultos, saltos de fe o suposiciones falsas en el razonamiento de la máquina.

El impacto de este avance ha sido de tal magnitud que Terence Tao, considerado unánimemente como el matemático vivo más importante del mundo y ganador de la prestigiosa Medalla Fields, ha intervenido personalmente en el debate. Tras revisar exhaustivamente los resultados generados, Tao ha confirmado la validez de las soluciones, otorgando el máximo aval posible dentro de la comunidad académica a este hito de la inteligencia artificial.

El espejismo de la infalibilidad artificial

A pesar del entusiasmo desbordante que ha inundado las redes sociales y los foros especializados, es crucial mantener la perspectiva científica y no dejarse llevar por el determinismo tecnológico. Que un modelo haya resuelto cuatro problemas históricos no significa, ni mucho menos, que la inteligencia artificial haya superado a las mentes humanas en la investigación pura. El propio Terence Tao ha lanzado una advertencia fundamental sobre cómo interpretamos estos avances en la era de la información instantánea.

Tao señala que estamos sufriendo una percepción profundamente sesgada de la realidad tecnológica. Los éxitos de la IA se viralizan instantáneamente en las plataformas digitales, creando una ilusión de omnipotencia, pero los fracasos sistemáticos nunca se publican ni reciben atención mediática. De hecho, la nueva base de datos comunitaria revela una realidad mucho más humilde y terrenal: la inmensa mayoría de los intentos de la IA en los problemas de Erdős siguen fallando estrepitosamente, con una tasa de éxito real que apenas se sitúa entre el 1% y el 2%.

El efecto contagio en la investigación pura

Entonces, si la máquina falla el 98% de las veces que intenta resolver un problema complejo, ¿por qué este avance está sacudiendo los cimientos de las facultades de ciencias exactas en todo el mundo? Porque demuestra de forma irrefutable que el muro de la imposibilidad ha caído. Cuando los investigadores comprueban que los modelos consiguen resultados reales y verificables, su actitud cambia radicalmente. Empiezan a interesarse por la tecnología, aprenden a formular mejores prompts matemáticos y, finalmente, los integran en su flujo de trabajo diario.

Estamos presenciando exactamente el mismo fenómeno de adopción masiva y transformación profesional que ocurrió con los programadores de software durante el año 2025. Es un impacto real, tangible y que no se puede discutir bajo ninguna métrica. Los grandes laboratorios de inteligencia artificial son plenamente conscientes de este cambio de paradigma y saben que el verdadero valor de sus futuros modelos residirá en su capacidad de deducción lógica, atrayendo inversiones multimillonarias para perfeccionar estas arquitecturas.

Fuentes: → The Decoder - GPT-5.2 Pro solves another Erdős problem → GitHub - AI contributions to Erdős problems → Erdős Problems Database

Si la IA ya es capaz de generar argumentos matemáticos inéditos que desafían décadas de estancamiento, ¿cuánto falta para que se convierta en una herramienta indispensable para empujar las fronteras del conocimiento humano?