Un sistema de inteligencia artificial recibe cincuenta problemas inéditos de física teórica. Resuelve cuarenta y nueve. Lo más llamativo no es solo la cifra: al revisar algunas respuestas consideradas incorrectas, los investigadores encuentran errores en sus propias soluciones de referencia.

Mientras tanto, OpenAI publica centenares de manuscritos matemáticos, otro grupo emplea agentes de Gemini para extender soluciones analíticas relacionadas con el confinamiento de plasma y Anthropic comunica el descubrimiento asistido por Claude de un sistema enzimático inusual. La pregunta ya no es simplemente si la IA puede ayudar a escribir artículos. Es qué ocurre cuando producir una posible contribución científica empieza a ser mucho más barato que examinarla.

El video La crisis científica que creó OpenAI, de Freddy Vega, reúne estas noticias bajo una tesis optimista: la ciencia podría entrar en una etapa de abundancia. Esa interpretación merece atención, pero también exige separar datos, inferencias y promesas.

Idea central: estamos viendo un cambio real en la velocidad y el costo de ciertas tareas de investigación. No equivale todavía a que la IA pueda formular por sí sola toda una agenda científica, demostrar que cada resultado es correcto ni convertirlo automáticamente en tecnología útil.

1. Una prueba de física en la que las respuestas humanas también fallaron

El estudio TheoPhysEval, publicado como preprint el 9 de octubre de 2026, reunió 50 problemas inéditos de física teórica con respuestas verificables. Según sus autores, un especialista mundial normalmente podría completar uno de esos ejercicios en alrededor de un día o menos; para alguien fuera de esa subespecialidad, la tarea sería bastante más difícil.

El mejor agente evaluado, GPT-6 Astra dentro del entorno Codex, obtuvo 49 respuestas finales correctas de 50 (98 %) cuando dispuso de herramientas habituales para investigar, buscar bibliografía y realizar cálculos. El costo promedio reportado fue inferior a 3 dólares por ejercicio.

Lo realmente novedoso apareció durante la corrección. Suvrat Raju, uno de los investigadores, relató que al principio el modelo rondaba puntuaciones de finales de los ochenta, pero insistía en que algunas respuestas de referencia contenían errores. Los expertos revisaron sus cálculos, encontraron fallos sutiles y actualizaron la evaluación hasta llegar al 98 %.

Este resultado pone a prueba dos intuiciones: que la respuesta humana siempre es una referencia infalible y que una IA solo puede recombinar problemas que ya vio publicados.

Pero hay límites importantes:

  • No eran cincuenta descubrimientos revolucionarios. Los autores eligieron problemas concretos, con solución comprobable, no la tarea abierta de identificar las preguntas más importantes de la física.
  • El estudio describe el resultado de una evaluación específica. No demuestra que el mismo porcentaje se repita en cualquier campo o bajo otros protocolos.
  • Las herramientas importan. El resultado corresponde al modelo dentro de un harness, no a una conversación aislada sin acceso a cálculo, código o literatura.
  • El trabajo humano no desaparece. Diseñar los problemas, investigar discrepancias y aceptar o rechazar respuestas sigue siendo parte esencial de la medición.

La lectura útil no es «los científicos ya no hacen falta». Es que las máquinas empiezan a ser contrapartes técnicas capaces de discutir la corrección de resultados especializados.

2. OpenAI y la indigestión de pruebas matemáticas

El 6 de octubre de 2026, OpenAI anunció una colección de resultados matemáticos generados por un modelo interno. La primera publicación reunió 722 manuscritos en 372 familias. Pero el repositorio público actualmente enumera 719 manuscritos, porque el 7 de octubre se retiraron tres trabajos después de descubrir un error de signo que invalidó un argumento y dos resultados dependientes. También se revisaron otros catorce manuscritos. Esa rectificación es un ejemplo concreto de por qué la verificación es indispensable.

Aquí hay una distinción decisiva: Los 722 documentos originales no eran 722 teoremas distintos e independientemente aceptados. Una misma familia puede contener un resultado principal, argumentos complementarios o demostraciones alternativas. El material tampoco tiene un nivel único de verificación. Algunas pruebas cuentan con formalizaciones en Lean; otras todavía requieren comprobación.

Esto transforma el proceso de investigación:

ANTES
pregunta → meses/años de exploración → demostración
        → revisión → conocimiento compartido

CON AGENTES DE IA
miles de intentos → muchos candidatos y manuscritos
        → comprobación formal + revisión especializada
        → selección, explicación e integración

El cuello de botella se desplaza. La abundancia de respuestas obliga a dedicar más recursos a detectar errores, identificar resultados realmente novedosos, comprobar hipótesis y explicar por qué importan.

El matemático Terence Tao, en su propuesta de Math 2.0, argumenta que hacer matemáticas no consiste únicamente en cerrar problemas. También implica desarrollar intuiciones, conexiones y comunidades capaces de usar ese conocimiento.

El peligro no es solo un documento incorrecto. Es un ecosistema que premie producir miles de pruebas sin financiar a las personas y herramientas necesarias para auditarlas.

En Capital de Tokens ya examinamos con más detalle por qué resolver no es lo mismo que comprender. El salto de esta semana es que la discusión sale de las matemáticas puras y alcanza otras disciplinas.

3. Stellarators: agentes de IA que proponen matemáticas útiles para la fusión

Un stellarator intenta confinar un plasma extremadamente caliente mediante campos magnéticos tridimensionales. Comprender matemáticamente el equilibrio entre presión y campo magnético ayuda a diseñar y comprobar simulaciones de esos dispositivos.

En el preprint Analytic non-axisymmetric 3D MHD equilibria without stellarator symmetry, fechado el 5 de octubre de 2026, Opal Issan, Jonathan Citrin, Matt Landreman y Brendan Tracey presentaron generalizaciones analíticas de dos familias de soluciones previas, eliminando una restricción de simetría.

La declaración de herramientas del trabajo describe una colaboración con agentes Gemini 4 dentro de Google Antigravity. Los agentes propusieron candidatos prometedores en horas; los investigadores comprobaron las derivaciones, desarrollaron verificaciones adicionales y asumieron la responsabilidad científica del artículo.

Es una demostración interesante del patrón investigador + agentes + verificación independiente. Pero el resultado es una familia de soluciones analíticas y un mejor conjunto de referencias para códigos de simulación: no equivale a haber construido un reactor de fusión comercial ni a haber resuelto el confinamiento de plasma en todos los casos.

La distancia entre un avance matemático y una planta eléctrica económica sigue incluyendo materiales, estabilidad del plasma, ingeniería, escalado y costo.

4. Biología: Claude detecta un sistema de enzimas, pero su función sigue abierta

En septiembre, Anthropic presentó el hallazgo asistido por Claude de un sistema que contiene una transcriptasa inversa, secuencias repetidas de ADN y una proteína accesoria. La organización lo denomina ART y compara algunas de sus características con las matrices repetidas asociadas a CRISPR.

La parte impresionante es el proceso: analizar grandes cantidades de secuencias, reconocer patrones inesperados y proponer una hipótesis investigable.

La precisión, sin embargo, importa. Anthropic afirma que todavía se desconoce la función del sistema. No ha demostrado que ART sea ya una herramienta intercambiable con CRISPR para editar genomas en tratamientos médicos. El hallazgo es una pista experimental prometedora, no un medicamento ni una tecnología validada para pacientes.

Este ejemplo revela una transformación distinta de la física: cuando el espacio de búsqueda es enorme, los agentes pueden ayudar a decidir qué hipótesis merece pasar al laboratorio.

5. ¿Qué aplicaciones son plausibles y cuáles todavía son especulaciones?

El video imagina consecuencias enormes: predicciones de huracanes con semanas de anticipación, energía de fusión abundante, software casi imposible de vulnerar, teléfonos con IA local potente y baterías de duración extraordinaria.

Conviene ordenar esas ideas por nivel de evidencia:

PosibilidadQué permite afirmar hoy la evidencia
Asistentes que aceleran cálculos de investigaciónYa existe evidencia concreta en física y matemáticas bajo protocolos particulares
Agentes que generan hipótesis comprobablesExisten ejemplos documentados en biología y física
Mejores herramientas de simulación para fusiónUna dirección razonable; no implica que la energía de fusión comercial esté resuelta
Verificación formal que reduzca fallos de softwareBeneficio real en componentes especificados; no garantiza sistemas completos «imposibles de hackear»
Pronósticos perfectos de huracanes o vuelos sin turbulenciaSon extrapolaciones: la capacidad de modelado no elimina incertidumbre, medición imperfecta ni límites físicos
Baterías revolucionarias o IA avanzada completamente localDependen también de hardware, memoria, energía, fabricación y avances que aún deben medirse

La palabra clave es posibilidad, no garantía. Las capacidades científicas aumentan nuestras opciones, pero cada salto a una aplicación requiere trabajo adicional.

6. Una nueva disciplina: verificar ciencia producida por agentes

Para que la abundancia sea conocimiento y no ruido, un laboratorio asistido por IA necesitará al menos seis controles.

  1. Proveniencia: conservar prompts relevantes, versiones del modelo, herramientas, datos y código utilizado.
  2. Reproducibilidad: permitir que un tercero ejecute experimentos o recompute resultados.
  3. Verificación independiente: separar el agente que propone de quien revisa; usar Lean u otros verificadores formales cuando corresponda.
  4. Pruebas adversariales: buscar activamente contraejemplos, hipótesis ocultas y condiciones en las que falla el resultado.
  5. Evaluación de novedad: contrastar con la literatura y reconocer trabajo anterior.
  6. Comprensión humana: explicar no solo si algo funciona, sino por qué, cuándo y para qué.

No toda prueba requiere una demostración formal, y una demostración formal no sustituye la comprobación de que las hipótesis modelan el mundo real. La ciencia experimental necesita además replicación, mediciones y evidencia física.

Este proceso recuerda al desarrollo de software con agentes: pasar de «generar código» a construir un circuito de especificación → implementación → pruebas → revisión → integración. En ciencia, ese circuito será todavía más importante porque la verdad empírica no la decide un compilador.

7. La crisis también es humana

Si hoy puede generarse en horas un candidato que antes requería meses, cambian el valor económico de ciertas tareas, la formación doctoral y los incentivos académicos.

Existen motivos reales para preocuparse: saturación de evaluadores, publicación de baja calidad, dificultades para atribuir contribuciones y menor motivación para que los jóvenes dediquen años a una trayectoria científica.

También hay una oportunidad: investigadores con pocos recursos pueden explorar nuevas preguntas, laboratorios pequeños pueden contrastar más hipótesis y científicos de disciplinas distintas pueden colaborar con un asistente competente en herramientas que nunca dominarían individualmente.

No hay una ley que garantice que esa abundancia llegue por igual a todos. El acceso a cómputo, datos, instrumentos, financiación y revisión independiente puede concentrar beneficios si no se atiende deliberadamente.

Conclusión: no es el fin de la ciencia, es el fin de un cuello de botella

El dato del 98 % en cincuenta problemas de física es potente. Los 722 manuscritos publicados inicialmente —719 vigentes después de tres retiradas— representan un desafío de escala. Los ejemplos de stellarators y biología demuestran que la IA empieza a intervenir en las etapas creativas de la investigación, no solo en su redacción.

Pero el mayor avance no sería producir el próximo millar de artículos. Sería conseguir que el conocimiento generado pueda ser auditado, reproducido, comprendido y aplicado con seguridad.

En la ciencia que se está formando, quizá preguntar siga siendo profundamente humano; calcular se vuelva más barato; y verificar, interpretar y elegir lo que vale la pena investigar cobre más importancia que nunca.

Fuentes y lectura adicional