Un profesor de estadística de la Universidad de Pensilvania recurrió a GPT-5.6 Sol Pro de OpenAI para resolver una de las preguntas abiertas centrales de su disciplina. El resultado, publicado como preprint, refuta un supuesto que la comunidad estadística daba por cierto desde hace años sin haberlo demostrado nunca.

Cuando los investigadores prueban miles de hipótesis a la vez, por ejemplo al rastrear el genoma humano en busca de genes vinculados a enfermedades, enfrentan un problema conocido: mientras más pruebas se corren, más falsos positivos se cuelan.

¿Qué es el método Benjamini-Hochberg?

En 1995, los estadísticos Yoav Benjamini y Yosef Hochberg desarrollaron un método para limitar esos falsos positivos. Controla la llamada tasa de falsos descubrimientos (FDR, por sus siglas en inglés), es decir, la proporción de resultados reportados como significativos que en realidad son falsas alarmas.

El procedimiento Benjamini-Hochberg (BH) es hoy una herramienta estándar en la estadística moderna y en numerosos campos científicos. Según Edgar Dobriban, profesor asociado de la Wharton School de la Universidad de Pensilvania, el paper original acumula más de 130.000 citas.

Benjamini y Hochberg demostraron originalmente que su método funciona con datos independientes. Pero los datos del mundo real suelen estar vinculados entre sí. Las variantes genéticas, por ejemplo, pueden estar correlacionadas cuando ciertas ubicaciones del genoma se heredan juntas con frecuencia.

Durante años, los expertos asumieron que el procedimiento BH también funcionaría de forma confiable con datos correlacionados y distribuidos normalmente, en concreto al testear desviaciones en ambas direcciones. Nadie lo había probado jamás.

¿Qué encontró exactamente la IA?

Dobriban desmintió ese supuesto con ayuda del modelo. En su preprint utiliza la IA para construir un modelo estadístico en el que la tasa real de falsos descubrimientos supera de forma demostrable el nivel objetivo. Las simulaciones confirman el resultado, y Dobriban publicó además el código correspondiente.

Por ahora, el hallazgo importa más en la teoría que en la práctica. Dobriban escribe que la brecha por sobre el nivel objetivo es "relativamente pequeña (0,104 frente a 0,1)", por lo que el resultado interesa sobre todo en el plano teórico. Los efectos prácticos aún requieren estudio, y el hallazgo no significa que el procedimiento BH sea inservible en general.

¿Por qué es relevante que lo resolviera un modelo?

El resultado es significativo para los estadísticos porque la IA resolvió con rapidez un problema que los humanos no habían podido despejar. Dobriban señala que GPT-5.6 Sol Pro tardó unos 90 minutos. GPT-5.5, en cambio, no encontró solución ni siquiera tras cerca de 20 horas de trabajo con varios agentes.

"Así que la mejora de capacidad es bastante real. Vivimos tiempos apasionantes", escribió Dobriban.

Will Fithian, estadístico de Berkeley, calificó la conjetura refutada como "el problema abierto más interesante de mi área de la estadística" y describió el resultado como "otra señal del avance de las capacidades de la IA, cuyas consecuencias llegarán mucho más allá de las matemáticas".

Fithian también dejó entrever hasta qué punto estos resultados sacuden la percepción que los expertos tienen de su propio trabajo. "No puedo evitar lamentar los días idos en que un resultado clave siempre significaba un colega con quien celebrar, una intuición humana que admirar, un logro humano que inspiraba", escribió.

¿La IA creó conocimiento nuevo o recombinó lo conocido?

Al igual que en casos similares en matemáticas, la solución parece combinar enfoques existentes más que producir algo enteramente nuevo. Dobriban dijo que la combinación era inusual, pero que el resultado no fue "especialmente sorprendente". El desafío estaba en hallar la manera correcta de conectar métodos ya conocidos, y el modelo más reciente lo consiguió.

Esto deja abierta una pregunta más amplia: ¿pueden los modelos entrenados con datos humanos razonar hasta llegar a conocimiento genuinamente nuevo, o solo recombinan lo que aprendieron durante el entrenamiento? Aun si la recombinación fuera todo lo que estos sistemas saben hacer, ya resultan útiles como herramientas cotidianas integradas a los flujos de trabajo humanos.

Metas más ambiciosas, como construir una IA que se automejore y generalice, podrían exigir algo más que la recombinación. El pionero del aprendizaje profundo Richard Sutton está entre quienes así lo creen, y hace poco fundó una startup para abordar exactamente ese problema.