Saltar al contenido
miércoles, noviembre 18, 2026Guía gratuita
ES
dailyai
Características

Agentes de IA comprobaron la demostración matemática más larga, de 15.000 páginas, en 24 días

Axiom afirma que decenas de agentes de IA convirtieron una demostración matemática de 15,000 páginas en 43.1 millones de líneas de código verificadas por ordenador en 24 días, y encontraron 34 errores en el registro publicado durante el proceso.

· 5 minutos de lectura
CompartirXen

La demostración matemática más larga consta de aproximadamente 15 000 páginas, repartidas en más de 500 artículos escritos por cerca de 100 matemáticos. Una empresa emergente llamada Axiom afirma que enjambres de agentes de IA la transformaron en 43,1 millones de líneas de código verificable por ordenador en 24 días. Durante el proceso, encontraron 34 casos en los que las fórmulas matemáticas publicadas no coincidían con lo afirmado. De confirmarse, sería la prueba más clara hasta la fecha de que la IA puede realizar enormes cantidades de trabajo verificable, y no solo escribir textos plausibles.

El número y lo que significa

Axiom publicó el trabajo en su blog de investigación, con fecha del 26 de octubre, y puse el código en un repositorio público de GitHub. Es sitio del proyecto Incluye 43,1 millones de líneas de código y 2,05 millones de definiciones y resultados independientes, extraídos de 715 artículos y libros.

En pocas palabras, la empresa afirma que ha tomado uno de los grandes logros de las matemáticas del siglo XX, escrito a lo largo de varias décadas por unas 100 personas, y ha reescrito cada paso de una forma que un ordenador puede comprobar sin tener que confiar en nadie.

Axiom afirma que el proyecto comenzó el 1 de octubre con un único canal de chat y un plan de 108 hitos y unas 380 tareas menores. Los primeros agentes empezaron a trabajar el 2 de octubre. Esto supone aproximadamente cuatro semanas desde el inicio hasta la finalización de un trabajo que a los humanos les llevó décadas escribir y otras tantas perfeccionar.

Lo que se estaba demostrando

El teorema se denomina Clasificación de Grupos Simples Finitos. En matemáticas, un grupo es un conjunto de movimientos que describen simetría. El ejemplo que utiliza Axiom es un cubo: existen 24 maneras de girarlo para que quede exactamente igual que antes. Los grupos se pueden descomponer en partes básicas, del mismo modo que las moléculas se descomponen en átomos. Los grupos "simples" son esos átomos.

La clasificación es una lista completa de ellos, una especie de tabla periódica de simetría. Indica que cada uno pertenece a unas pocas familias conocidas o es uno de los 26 elementos que no se encuentran en la lista. El grupo más grande, llamado el Monstruo, tiene aproximadamente 8 elementos seguidos de 53 elementos cero. Lo difícil no es enumerar los grupos, sino demostrar que no falta ninguno.

En 1983, los matemáticos declararon que el trabajo estaba terminado. Sin embargo, no lo estaba. Quedó un cabo suelto hasta que en 2004 apareció un tratado de 1221 páginas, y en 2008 se introdujeron otras correcciones. Una segunda versión, más pulida, de la demostración ha ocupado diez volúmenes desde finales de la década de 1980 y, según Axiom, aún no está completa. En 2005, Michael Aschbacher, uno de los principales teóricos de grupos, escribió que “es imposible redactar un argumento muy largo y complejo sin errores”.”

Cómo lo hizo la IA

La herramienta central es Lean, un lenguaje de programación para matemáticas. Una demostración escrita en Lean es revisada línea por línea por un pequeño programa de confianza. Si algún paso no se cumple, la demostración no compila. No hay margen para dar por sentado que algo es obvio.

El sistema de Axiom, denominado AxiomProver, dividía el trabajo entre decenas de agentes de IA. Los agentes principales descomponían los argumentos complejos en partes más pequeñas y revisaban lo que se estaba demostrando. Otros buscaban resultados existentes o escribían el código Lean. Los agentes se encargaban de las tareas a través de GitHub, la plataforma para compartir código, y publicaban el progreso en Slack. La empresa afirma que los agentes utilizaban “una combinación variable de modelos”, pero no los especifica. Los matemáticos humanos se encargaban de los problemas más difíciles y los ingenieros mantenían el sistema en funcionamiento.

¿Quieres que la IA te ahorre horas a la semana? Nuestra guía gratuita te muestra cómo.Obtén la guía gratuita →

No comenzó desde cero. El trabajo se basa en Mathlib, una gran biblioteca compartida de matemáticas en Lean escrita por cientos de voluntarios, y reutiliza alrededor de 1,2 millones de líneas de un proyecto abierto anterior, Qiuzhen-CFSG, dice Axiom.

El blog es inusualmente sincero sobre lo que salió mal. Al principio, algunos hitos que parecían fáciles ocultaban una gran cantidad de trabajo preliminar sin comprobar, que los agentes habían asumido en lugar de verificar. Axiom afirma que eliminó decenas de miles de líneas basadas en esas suposiciones y comenzó partes de nuevo. El 13 de octubre, solo se completó un hito en todo un día, por lo que el equipo hizo que los agentes replanificaran el trabajo restante en partes más pequeñas y definidas con precisión. Los agentes también escribían las pruebas más rápido de lo que Lean podía revisarlas, por lo que los ingenieros crearon un sistema para compartir el trabajo de verificación entre las máquinas.

Lo que encontraron las máquinas

El resultado más interesante no es el tamaño, sino los errores. La mayoría de los errores detectados por los agentes eran menores: erratas, errores en tablas o condiciones que el autor olvidó mencionar. Sin embargo, Axiom contabilizó 34 "desviaciones significativas respecto al registro publicado" que debían corregirse.

Un ejemplo provino de un lema en los volúmenes de 2004 que afirmaba que dos números siempre eran iguales. Los agentes encontraron un caso, construido a partir de un pequeño grupo llamado SL₂(5), donde un número era 1 y el otro era 2. El lema tuvo que ser debilitado, y los argumentos posteriores que se basaban en él tuvieron que ser reelaborados.

El mayor problema radicaba en un argumento de 1986 de John Walter a favor de un paso clave conocido como el Teorema del Grupo Desequilibrado. Los agentes encontraron contraejemplos a una afirmación en la que se basaba. El teorema en sí sobrevive, porque existen otras vías para llegar a él. Pero para mantenerse fiel a la demostración original, Axiom necesitaba un nuevo argumento. Con el asesoramiento de Richard Lyons y Ronald Solomon, dos teóricos de grupos que trabajaron en la clasificación original, AxiomProver produjo uno. La compañía lo ha escrito en un documento aparte y afirma que se trata de un nuevo resultado en la teoría de grupos.

Lo que aún no se ha comprobado

Aquí existen limitaciones reales, y Axiom menciona algunas de ellas. Lean verifica que cada paso se cumpla. No verifica que la afirmación final signifique lo que los matemáticos creen que significa. Eso aún requiere la revisión humana, y el blog de Axiom lo indica claramente.

Nadie fuera de la empresa ha publicado aún una reconstrucción independiente de la prueba. Eso no es tarea fácil. notas del repositorio Según Axiom, fue necesario modificar las herramientas de compilación de Lean para completar la verificación en menos de 24 horas. La lista detallada de errores en la literatura tampoco se ha publicado íntegramente; Axiom afirma que la publicará con la asesoría de un consejo de teóricos de grupos. Además, el enunciado principal del teorema no fue escrito por Axiom, sino que se tomó de otro proyecto de código abierto, TauCeti, lo cual es una forma sensata de evitar corregir su propio trabajo.

Por qué importa más allá de las matemáticas

Para la mayoría de los lectores, los grupos simples finitos nunca aparecerán. El método importa más. Los chatbots son famosos por parecer correctos cuando están equivocados, y DailyAI tiene informado anteriormente sobre modelos de lenguaje que fallan en acertijos lógicos simples. Este proyecto apunta a un patrón diferente. Cuando el trabajo de la IA es revisado por un programa estricto e implacable, los errores se detectan en lugar de ocultarse, y se puede delegar mucho más trabajo a la IA con seguridad.

La misma idea se aplica al software, los diseños de chips y los sistemas financieros, donde el código se puede probar según reglas precisas. Las matemáticas y la informática también son áreas donde los laboratorios de IA están obteniendo nuevos resultados. A principios de esta semana, DailyAI cubrió cómo OpenAI y Anthropic Ambos afirmaron que la IA había roto una regla de larga data en la informática..

El problema radica en el mismo obstáculo con el que se topaban constantemente los propios agentes de Axiom. Un verificador solo confirma que el trabajo responde a la pregunta planteada. Alguien aún debe asegurarse de que la pregunta sea la correcta. Para este enorme teorema, esa tarea recae ahora en los teóricos de grupos.