Cuando la IA descubre matemáticas nuevas: el caso del problema de Erdős

La inteligencia artificial suele asociarse con productividad, automatización o generación de contenido. Pero uno de sus avances más fascinantes está ocurriendo en un terreno mucho más abstracto: las matemáticas.

En 2026, modelos de IA lograron avances relevantes en problemas relacionados con Paul Erdős, uno de los matemáticos más influyentes del siglo XX. Uno de los casos más comentados fue el problema de distancia unitaria en el plano, planteado originalmente en 1946. El reto consiste en encontrar configuraciones de puntos que maximicen el número de pares separados exactamente por una unidad.

Durante décadas, los matemáticos trabajaron con ciertas intuiciones sobre qué configuraciones podían ser óptimas. Sin embargo, modelos de razonamiento asistido por IA exploraron nuevas construcciones y encontraron soluciones que superaron expectativas previas.

Este tipo de avance no debe interpretarse como “la IA reemplazó a los matemáticos”. Más bien muestra algo mucho más interesante: la IA puede convertirse en una herramienta para explorar espacios de posibilidad que serían difíciles de revisar manualmente.

La matemática no se trata solo de calcular. También requiere intuición, estructura, demostración, belleza y comprensión profunda. Una IA puede proponer caminos inesperados, pero los humanos siguen siendo fundamentales para verificar, interpretar, formalizar y conectar esos hallazgos con el cuerpo general del conocimiento.

La combinación de IA con sistemas de prueba formal, como Lean, también está abriendo nuevas posibilidades. Una cosa es que un modelo proponga una idea; otra es que esa idea pueda verificarse rigurosamente. La búsqueda formal de pruebas puede ayudar a reducir errores y aumentar confianza en resultados matemáticos generados o asistidos por IA.

Esto tiene implicaciones más allá de las matemáticas. Si la IA puede ayudar a encontrar patrones en espacios abstractos, también puede apoyar en ingeniería, física, optimización logística, diseño industrial, simulación financiera y planeación operativa.

El verdadero cambio no es que la IA “piense como humano”, sino que puede ampliar la capacidad humana para explorar alternativas. En problemas complejos, esto puede ser una ventaja enorme.

Backprop puede tomar esta lección y llevarla al terreno empresarial: usar IA para explorar escenarios, optimizar decisiones, encontrar patrones ocultos, evaluar rutas posibles y construir modelos que ayuden a las empresas a decidir mejor en entornos complejos.

Fuentes consultadas:

• The Guardian, avance de OpenAI en problema matemático de Erdős.

• Scientific American, cobertura del problema de Erdős y avances matemáticos con IA.

• arXiv, “Advancing Mathematics Research with AI-Driven Formal Proof Search”.

• arXiv, “Shaping the Future of Mathematics in the Age of AI”.