Peter Jonsson, profesor de la Universidad de Linköping, presentará su trabajo en dos semanas en una de las conferencias más prestigiosas de la teoría de la computación. Desde el lunes, buena parte de ese trabajo está "muerto", según dijo a WIRED, después de que una IA mostró que es falsa la hipótesis de 27 años sobre la que se sostiene.

OpenAI y Anthropic afirmaron esta semana haber refutado la hipótesis del tiempo exponencial (ETH, por su sigla en inglés). Amplias áreas de la investigación teórica en complejidad y diseño de algoritmos se construyeron sobre la premisa de que el esfuerzo para resolver ciertos problemas crece de forma exponencial con el tamaño del problema.

Jonsson cree que su situación será "muy común" en el IEEE Symposium on Foundations of Computer Science, donde uno de sus coautores presentará su trabajo.

"La gente va a empezar las charlas diciendo 'ETH es falsa, la mitad de mi paper no funciona'", dijo. Es un problema molesto, reconoce Jonsson, "pero al mismo tiempo aprendemos mucho de esto. Y de eso se trata la ciencia".

¿Quién está revisando las pruebas?

Ningún investigador ha verificado de forma independiente las pruebas producidas por IA, y menos aún ha tenido tiempo de entenderlas a fondo. Las dos empresas las publicaron en GitHub, en lenguaje natural y en Lean, el formato que una máquina puede comprobar. OpenAI pidió a los científicos de la computación de UC Santa Barbara que propusieron originalmente la hipótesis, y a un académico del MIT que refutó una versión de ETH, que convoquen a investigadores para desmenuzar las pruebas. Hasta ahora ese esfuerzo incluye un formulario de Google para reclutar voluntarios y recibir comentarios, y el compromiso de OpenAI de financiar una conferencia sobre el tema.

Daniel Lokshtanov, profesor de UC Santa Barbara, planea sumarse. Calcula que el resultado, si se confirma, lo dejará "galácticamente equivocado" y hará que unos 50 de sus papers publicados pasen a ser "inútiles" o necesiten una revisión.

"Es simplemente una bomba gigante que cayó en medio del área", dijo. "Es realmente genial y terrible al mismo tiempo".

Entusiasmo y desgaste en la academia

Thore Husfeldt, jefe del grupo de investigación en algoritmos de la IT University of Copenhagen, había pasado la mayor parte de este año pensando en un solo problema de su subárea. "Hasta donde puedo ver, ahora todo es irrelevante", dijo a WIRED. Husfeldt formuló una versión de la hipótesis que OpenAI acaba de refutar, y desde entonces escribe cálculos en su pizarrón para entender qué otras partes de su trabajo quedaron obsoletas por este "resultado que ocurre una vez por generación". A diferencia del hastío que se apoderó de los matemáticos que enfrentaron pruebas generadas por IA igual de disruptivas, Husfeldt se mostró entusiasmado.

El hallazgo es "fantástico", dijo.

"Ser matemático se parece mucho a andar a tientas en una habitación completamente oscura. Es como si alguien acabara de iluminar una subárea entera con focos de conocimiento, y ahora corremos como conejitos sobreexcitados mirando todos los rincones que de pronto podemos explorar. Así que es un momento súper emocionante", explicó.

Durante siglos, la ciencia avanzó formulando hipótesis y demostrando que eran falsas. Tampoco es raro que a un académico se le adelante otro grupo o que su trabajo quede debilitado por uno ajeno. La IA aceleró ese proceso. Ha borrado programas de investigación completos y ha inquietado a investigadores de áreas específicas de las matemáticas y la ciencia, que se preguntan qué lugar les queda ahora que las máquinas los superan.

"Los últimos meses han sido muy duros. Hay mucho pesimismo, porque cada semana, o cada dos semanas, los resultados que anuncia la IA aniquilan los proyectos de investigación en curso de mucha gente", dijo Husfeldt. "Eso es psicológicamente agotador para mucha gente". Agregó que su departamento evaluó contratar a un psicólogo laboral porque "algunas personas están realmente deprimidas y muy tristes".

El volumen de papers generados por IA

Los investigadores también se ven sobrepasados por el volumen de contenido que se produce gracias a la IA, incluidos resultados de muy baja calidad. A mitad de la entrevista, Husfeldt recibió desde una cuenta de Gmail desconocida un paper de 17 páginas sobre las consecuencias del resultado de ETH, que sospecha fue generado por IA. No lo va a leer. "Leer matemáticas es una inversión muy grande de tiempo cognitivo", explicó.

OpenAI contribuyó directamente a esto. A comienzos de este mes subió a GitHub 722 manuscritos sobre 400 problemas, para molestia de los académicos, que reclaman que así es difícil digerir los resultados. A la frustración se sumaron varios documentos con errores, lo que algunos matemáticos leyeron como un lanzamiento apurado pensado para inflar la salida a bolsa que planea la empresa más que para hacer avanzar el área. Esta vez, el paper de unas 60 páginas de OpenAI sobre ETH parece mejor escrito que las publicaciones anteriores de las empresas, según académicos consultados por WIRED.

Ahora corren para desmenuzar el paper y ver qué otros resultados pueden deducir rápido a partir de él.

Si ETH es falsa y resolver problemas no toma exponencialmente más tiempo a medida que se vuelven más complejos, eso es "emocionante", dijo Victor Lagerkvist, profesor asociado de Linköping. Planea volver a problemas que había abandonado bajo el supuesto de que ETH era correcta.

¿Qué pasa con la criptografía?

El hallazgo de OpenAI también podría afectar a la criptografía que sostiene la seguridad de la web, que se basa en el supuesto de que ciertos problemas matemáticos toman un tiempo impracticable de resolver. Este resultado en particular no afecta directamente a la criptografía, pero "definitivamente debería asustar a algunos diseñadores de criptosistemas", dijo Lokshtanov.

Por eso, agrega Husfeldt, sigue siendo importante el trabajo humano y asistido por IA en teoría de la computación. "Queremos que el proceso científico abierto identifique lo que entendemos mal sobre la computación, en particular porque buena parte de la infraestructura digital moderna está construida sobre supuestos acerca de la computación", dijo.

Jonsson, de Linköping, planea revisar sus propios papers y los de otros que dependen de que ETH sea verdadera. Cree que su paper de la conferencia podría salvarse con otro método. Quiere estudiar los detalles de la prueba de OpenAI y ver qué puede aprender de ella para aplicarlo a problemas nuevos. Aunque desarma los supuestos de su trabajo, tener un veredicto sobre ETH era algo que antes solo podía "soñar", dijo.

"Son tiempos emocionantes", agregó. "La mayoría de la gente nunca vivirá algo así en su carrera".

"No me importa si es una prueba escrita por un humano, o escrita por IA, o si un extraterrestre nos la transmitió. Si es verdadera, simplemente tenemos que usarla en el futuro".