La IA acaba de resolver 3 problemas matemáticos imposibles en 2 meses — y los matemáticos están en shock

Imagina pasar 60 años intentando resolver un problema y que una máquina lo haga en una tarde. Ahora imagina que eso pase tres veces en dos meses.

Eso es exactamente lo que está ocurriendo en el mundo de las matemáticas. Y si eres desarrollador, esto te importa más de lo que crees.

El problema de Erdős: el primero en caer

El 20 de mayo de 2026, ChatGPT (usando el nuevo modelo Sol de OpenAI) demostró un contraejemplo a la Conjetura de la Distancia Unitaria de Paul Erdős, uno de los problemas abiertos más famosos de la geometría discreta. Erdős llevaba sin resolverse desde 1946.

Una semana después, Logical Intelligence —liderada por el medallista Fields Mike Freedman y el "padrino de la IA" Yan LeCun— autoformalizó toda la demostración en Lean, el asistente de pruebas interactivo. No solo la IA encontró la respuesta: la demostró de forma verificable.

Pero la historia no termina ahí.

Grothendieck: 60 años de misterio resueltos en 4 horas

En julio de 2026, durante un taller de formalización en el Imperial College de Londres, el matemático Akhil Mathew (UChicago) le pidió a la IA que trabajara en una pregunta de Alexander Grothendieck sobre esquemas de grupo de orden finito, sin resolver desde los años 60.

El día después del taller, Sol encontró un contraejemplo. Mathew le pidió que formalizara todo en Lean. Cuatro horas después, Claude Fable había autoformalizado la demostración completa: 1076 líneas de código Lean verificable. Se compiló en menos de 5 minutos.

Un problema de 60 años. Resuelto en 4 horas. Por una máquina.

La Conjetura Jacobiana: 100 años, 12 horas

Y entonces llegó el bombazo. El 19 de julio, Levent Alpöge publicó en X que Fable había encontrado un contraejemplo a la Conjetura Jacobiana, un problema abierto en geometría algebraica desde hace 100 años.

Horas después, Paul Lezeau formalizó manualmente el contraejemplo y lo subió al repositorio de Conjeturas Formales de DeepMind. La conjetura Jacobiana, uno de los problemas más famosos del siglo XX, estaba resuelta.

El autor del blog que documentó todo esto, conocido como Xenaproject, lo resumió así: "Lo que necesitamos ahora es la visión que se puede extraer de estos ejemplos extraordinarios. Qué momento para estar vivo."

1.2 millones de líneas de Lean en 3 semanas

Uno de los datos más impactantes: el modelo Sol generó 1.2 millones de líneas de código Lean en solo tres semanas. Para ponerlo en contexto, la biblioteca matemática mathlib de Lean —construida durante nueve años— tiene 2.3 millones de líneas.

El profesor Kevin Buzzard del Imperial College tuiteó: "Cualquier estudiante de doctorado que no esté pagando $200 al mes por acceso a Sol y Fable está loco". La declaración generó debate, pero también refleja una realidad ineludible: la IA está transformando las matemáticas a una velocidad que incomoda a los académicos.

¿Qué significa esto para los desarrolladores?

Si la IA puede resolver problemas matemáticos abiertos durante un siglo en cuestión de horas, ¿qué crees que puede hacer con tu código?

Estas herramientas (Lean, Sol, Fable) no solo demuestran teoremas: ya están generando código verificable, depurando lógica y encontrando contraejemplos en tiempo récord. Para un desarrollador latino, esto significa que aprender a usar asistentes de prueba como Lean o herramientas de IA como Sol podría ser la habilidad más valiosa de los próximos 5 años.

La reacción de los matemáticos: negación, ira y aceptación

Buzzard describe el proceso como las cinco etapas del duelo: "Un colega me dijo que el hecho de que el contraejemplo fuera tan fácil de encontrar solo indicaba que los humanos no habían dedicado suficiente tiempo al problema. Mi colega está en la fase de negación".

Pero mientras algunos matemáticos se aferran al pasado, la realidad es que la IA ya ganó esta partida. La pregunta no es si las máquinas reemplazarán a los matemáticos, sino qué harán los matemáticos —y los desarrolladores— con estas herramientas.

Comparte esto si crees que la IA está avanzando más rápido de lo que podemos asimilar.