Una reciente investigación desarrollada por OpenAI en colaboración con diversas instituciones ha arrojado luz sobre los sorprendentes avances del modelo de inteligencia artificial GPT-5. Este modelo ha evolucionado más allá de ser un sofisticado motor de búsqueda para convertirse en una herramienta capaz de actuar como un colaborador eficaz en la resolución de problemas complejos en áreas como matemáticas, física, biología y ciencias de la computación.
Entre los logros más impresionantes de GPT-5 se encuentra la resolución de varios problemas matemáticos previamente sin resolver, incluyendo el Problema de Erdős #848. Este problema, que había desconcertado a matemáticos por décadas, fue abordado por GPT-5 utilizando un enfoque analítico que integró intuiciones humanas con el análisis automatizado, demostrando la capacidad del modelo para ofrecer nuevas perspectivas en desafíos científicos.
Sin embargo, los especialistas subrayan que estos avances no significan que GPT-5 sustituirá a los científicos. El prestigioso matemático Timothy Gowers compara al modelo con un supervisor de investigación, capaz de proporcionar conocimientos valiosos pero sin alcanzar el nivel de colaboración necesario para ser considerado coautor en la mayoría de los estudios.
La eficiencia de GPT-5 se evidencia en lo que los investigadores llaman el «factor de compresión». Brian Spears del Laboratorio Nacional de Lawrence Livermore observó cómo este modelo de IA permitió modelar la propagación de quemado termonuclear en experimentos de fusión de una manera que habría llevado meses de forma tradicional, reduciendo el tiempo necesario a solo seis horas gracias a la colaboración con GPT-5. Este logro sugiere que estamos ante un cambio fundamental en la metodología de la investigación científica.
Otro aspecto destacado es la capacidad de GPT-5 para realizar «búsquedas literarias profundas», identificando conexiones entre distintos campos que los humanos pueden pasar por alto debido a diferencias terminológicas. Por ejemplo, el modelo detectó equivalencias matemáticas entre resultados en estimación de densidad y trabajos sobre «conjuntos de Pareto aproximados» en optimización multiobjetivo.
A pesar de sus capacidades, el modelo también presenta limitaciones y requiere supervisión humana para evitar errores. En inmunología, por ejemplo, GPT-5 fue capaz de identificar ciertas vías metabólicas correctamente, pero también generó afirmaciones erróneas que los expertos debieron ajustar.
En el ámbito de los algoritmos, Christian Coester descubrió que, mientras GPT-5 prospera en subproblemas definidos, enfrenta dificultades frente a cuestiones teóricas más abiertas. Aunque logró crear un contraejemplo utilizando el teorema de Chevalley-Warning, frecuentemente producía conclusiones que necesitaban la intervención humana.
Un patrón común es la mejora del modelo cuando se le proporciona un «andamiaje» adecuado. En física, Alex Lupsasca verificó que, al abordar primero un problema más sencillo, GPT-5 fue capaz de resolver simetrías complejas en ecuaciones de agujeros negros.
Sin embargo, no todos los resultados son positivos. Un episodio llevado a cabo por Venkatesan Guruswami y Parikshit Gopalan demostró que GPT-5 replicó una prueba correcta que ya había sido publicada años antes, subrayando la importancia de la correcta atribución en la investigación asistida por IA.
En conjunto, estos hallazgos sugieren que nos acercamos a un punto de inflexión en el empleo de la inteligencia artificial como herramienta de investigación. GPT-5 no solo representa un avance técnico, sino un cambio cualitativo en las capacidades analíticas de estos sistemas. Lo crucial será aprender a colaborar de manera efectiva entre humanos y máquinas, adaptando nuestros procesos y sistemas de reconocimiento a esta nueva realidad.
A medida que adhieramos este modelo en nuestros flujos de trabajo, será esencial saber cuándo cuestionar sus aportaciones y cómo estructurar adecuadamente los problemas para maximizar el potencial de estos colaboradores artificiales. Esto podría transformar el futuro de la ciencia en una alianza entre las capacidades humanas y el poder computacional, generando avances significativos en el conocimiento.
