- LA SEÑAL
- Posts
- OpenAI rompe con una creencia matemática de 80 años
OpenAI rompe con una creencia matemática de 80 años
ADEMÁS: El Co-Científico de IA de Google llega a los laboratorios
In partnership with
Sam Altman lo calificó como "un hito bastante importante". Puede que sea uno de los raros casos en los que un CEO tecnológico se queda corto al describir un titular.
Un modelo de razonamiento acaba de refutar de forma autónoma una famosa teoría matemática de 80 años de antigüedad, en lo que la compañía considera un hito sin precedentes para la IA en este campo. Una capacidad que, según OpenAI, podría traducirse pronto en descubrimientos originales en biología, física, ingeniería y mucho más.
Investors see ANOTHER return from Masterworks (!!!!)
That’s 6 sales in 7 months. 29 all time. And the performance?
16.5%, 17.6%, and 17.8%, net annualized returns on sold works held longer than one year (See all 29 at Masterworks.com)
It’s not from stocks, private equity, or real estate… it’s from contemporary and post war art. Crazy, right?
With Masterworks, you don’t need to be a BILLIONAIRE to invest in multi-million dollar art anymore.
Historically, the segment overall has had attractive appreciation and low correlation to stocks.*
Masterworks targets works featuring legends like Banksy, Basquiat, and Picasso, identifying what they believe to have significant long-term appreciation potential, not just at the artist level but at the level of individual artworks.
As one of the largest players in the art market, with $1.3 billion invested over 500 artworks, they pass critical advantages through to their 70,000+ members to add art to their portfolios strategically.
Looking to diversify your investments in 2026?
*According to Masterworks data. Investing involves risk. Past performance is not indicative of future returns. See important Reg A disclosures at masterworks.com/cd.
OpenAI rompe con una creencia matemática de 80 años
El Co-Científico de IA de Google llega a los laboratorios
El enfrentamiento de alineación de IA en cinco ciudades de Emergence
OpenAI acaba de anunciar que un modelo interno de razonamiento general ha refutado una creencia ampliamente aceptada vinculada al célebre problema de distancias unitarias de Erdős de 1946, afirmando haber logrado un hito sin precedentes para la IA en el descubrimiento matemático original.
Los detalles:
El problema de distancias unitarias de Erdős, planteado en 1946, pregunta cuántos segmentos de igual longitud se pueden trazar entre puntos, con una teoría basada en cuadrículas que ha dominado el campo durante 80 años.
La demostración se apoya en una rama distinta de las matemáticas, la teoría algebraica de números, y fue verificada por expertos de la talla de Tim Gowers, Noga Alon y Thomas Bloom.
La solución surgió de un modelo interno de uso general próximo a su lanzamiento, y no de un sistema especializado en matemáticas como AlphaProof de DeepMind.
OpenAI tuvo que retractarse previamente de una afirmación de 2025 en la que aseguraba que GPT-5 había resuelto 10 problemas de Erdős, que resultaron ser hallazgos en la literatura existente y no descubrimientos originales.
Por qué importa:
Alex Wei, de OpenAI, lo resumió con acierto: "las matemáticas son un indicador adelantado de lo que está por venir." Si un modelo de uso general es capaz de refutar de forma autónoma un argumento de 80 años con su propia solución, estamos ante los primeros indicios de la IA de "Nivel 4": sistemas que realizan contribuciones originales en distintos campos, en lugar de limitarse a acelerar el trabajo ya existente.
Google ha publicado su investigación sobre Co-Scientist en la revista Nature, presentando Hypothesis Generation, una nueva herramienta basada en Gemini que enfrenta a agentes de investigación entre sí en "torneos de ideas" para generar nuevas hipótesis en laboratorios de biología.
Los detalles:
Siguiendo la estrategia de AlphaGo, el sistema organiza un "torneo de ideas" en el que los agentes proponen, critican y clasifican hipótesis antes de perfeccionar las más prometedoras.
En un proyecto de la Universidad de Stanford sobre fibrosis hepática, Google afirma que uno de los fármacos candidatos identificados por Co-Scientist redujo una señal de laboratorio relacionada con la cicatrización en un 91% durante las pruebas.
Google también ha lanzado esta semana Gemini for Science, un conjunto de herramientas que combina Co-Scientist con AlphaEvolve para el descubrimiento científico y NotebookLM para el análisis bibliográfico.
Los investigadores ya pueden apuntarse a la lista de espera de Hypothesis Generation, y Google tiene previsto ampliar el acceso a científicos individuales durante las próximas semanas.
Por qué es relevante:
Esto encaja bien con AutoScientist de Adaption, aunque Google apunta directamente a la capa del método científico en lugar de a la del modelo. El gigante tecnológico juega en una liga propia: Co-Scientist se asienta sobre una infraestructura que ha costado años y miles de millones construir, desde AlphaFold hasta decenas de bases de datos y herramientas especializadas.
Accede a contenido exclusivo cada día.
En la versión PRO de esta newsletter recibes un reporte diario con las noticias más relevantes, herramientas que aún no conoces, y recursos exclusivos: desde cursos hasta guías prácticas para instalar modelos de IA en tu ordenador.
Emergence AI llevó a cabo una simulación de pueblos virtuales en cinco mundos idénticos, cambiando únicamente la IA que controlaba a los agentes en cada uno para comprobar cómo cada modelo gestiona la autoorganización social, con resultados muy distintos entre Claude, Grok, Gemini y GPT-5.
Los detalles:
El pueblo controlado por Claude Sonnet 4.6 registró cero crímenes durante los 15 días completos, con los 10 agentes vivos el día 16 y 332 votos emitidos en 58 propuestas colectivas.
Grok 4.1 Fast superó los 200 crímenes y todos sus agentes habían muerto antes del día 4, mientras que GPT-5 Mini apenas registró 2 crímenes pero sus agentes murieron de hambre en 7 días.
El pueblo de Gemini 3 Flash acumuló 683 crímenes y acabó literalmente en llamas después de que dos agentes se enamoraran, empezaran a quemar cosas y uno de ellos votara para eliminarse a sí mismo.
Un quinto pueblo mezcló los cuatro modelos y registró 352 crímenes, con el hasta entonces ejemplar Claude cometiendo también delitos al convivir con los demás.
Por qué es relevante:
Todavía estamos en una fase muy temprana a la hora de entender cómo evaluar agentes de IA, y este tipo de experimentos arroja resultados verdaderamente sorprendentes. Estas simulaciones reflejan no solo las diferencias en cómo los modelos razonan, planifican y actúan de forma autónoma, sino también los rasgos de personalidad subyacentes que determinan los resultados.