GPT-5.6 cierra un gap de 30 años en optimización convexa con un prompt de 10 páginas

Hace una semana, OpenAI publicó la prueba de la Conjetura del Cycle Double Cover generada por GPT-5.6 Sol Ultra en menos de una hora con 64 subagentes paralelos. Fue un bombazo mediático —una IA resolviendo un problema abierto de 50 años— pero dejó un regusto agridulce: la prueba no tenía verificación formal, no citaba las fuentes adecuadas y matemáticos como Thomas Bloom de la Universidad de Manchester señalaron que las ideas clave ya existían en un paper de 1983.

Hoy la historia da un giro más interesante. Phillip Kerger, investigador del departamento de Industrial Engineering and Operations Research de UC Berkeley, ha publicado un paper en arXiv que cierra un gap de 30 años en optimización convexa sin derivadas. La diferencia crucial: esta prueba está formalizada en Lean 4 —verificable por ordenador, sin discusión posible. Y fue generada con un prompt experto de 10 páginas que codifica un año de investigación previa.

El problema: un gap que nadie había podido cerrar desde 1996

La optimización convexa es una de las herramientas matemáticas más ubicuas en el mundo real. Se usa para entrenar modelos de machine learning, optimizar carteras financieras, diseñar redes de comunicaciones y planificar rutas logísticas. Cuando puedes calcular el gradiente de una función (su dirección de máximo crecimiento), el problema está más o menos resuelto desde hace décadas.

Pero hay situaciones en las que no puedes calcular el gradiente. Solo tienes acceso al valor de la función —lo que se llama un oráculo de orden cero o zeroth-order oracle. Imagina que tienes una caja negra: introduces unos valores, obtienes un resultado, pero no sabes cómo cambia ese resultado cuando mueves ligeramente los valores de entrada. ¿Cuántas evaluaciones de la función necesitas para encontrar el punto óptimo?

Esa pregunta llevaba abierta exactamente 30 años. El estado del arte en 1996:

• Cota inferior conocida: Ω(d) consultas (lineal en la dimensión del problema).
• Cota superior conocida: O(d² log² d) consultas, establecida por Protasov en 1996 con su método de solo-valores.

Entre lineal y casi-cuadrático hay un abismo. Durante tres décadas, nadie logró demostrar si la cota real estaba más cerca de Ω(d) o de O(d²). Como explica Kerger en el hilo de Reddit, las técnicas necesarias ya existían en la literatura —lo que faltaba era la exploración combinatoria sistemática que la IA pudo aportar.

Lo que GPT-5.6 hizo realmente

Aquí viene lo que hace este caso distinto al del CDC Proof. Mientras que la conjetura del Cycle Double Cover se resolvió con 64 subagentes en paralelo (un despliegue masivo de potencia bruta), el resultado de Kerger utilizó una sola instancia de GPT-5.6 —ni siquiera Sol Ultra, probablemente Sol o incluso Terra— con un prompt que es en sí mismo el verdadero logro.

El prompt, que está disponible en la página 27 del PDF publicado en GitHub, son 10 páginas de matemáticas avanzadas que guían al modelo a través del espacio de posibles demostraciones. No es un "ChatGPT, resuelve este problema". Es un investigador que ha pasado un año entendiendo la estructura del problema, identificando qué técnicas combinatorias tienen más probabilidad de funcionar, y codificando ese conocimiento en un prompt diseñado para maximizar las probabilidades de que el modelo encuentre el camino correcto.

En palabras del propio Kerger en Reddit: "No diría que este resultado usa o crea técnicas fundamentalmente nuevas en geometría convexa o teoría de optimización. Las técnicas para resolver este problema ya existían en la literatura. Lo que GPT-5.6 proporcionó fue la capacidad de explorar posibilidades combinatorias de forma sistemática."

El resultado: una nueva cota inferior de Ω(d² / log(d+1)), que esencialmente iguala la cota superior de Protasov salvo por factores polilogarítmicos. El gap de 30 años está cerrado.

Lean: la diferencia entre «parece correcto» y «está verificado»

El caso del CDC Proof generó un debate intenso porque no había verificación formal. La prueba de OpenAI circula como un PDF sin revisar, y aunque matemáticos como Thomas Bloom dicen que "tiene buena pinta", nadie puede garantizar que no haya un error sutil escondido en algún razonamiento. Como señalaron varios comentaristas en Hacker News, los humanos también alucinamos demostraciones —la historia de las matemáticas está llena de pruebas aceptadas durante años que luego resultaron tener fallos.

Con Lean es diferente. Lean 4 es un asistente de pruebas interactivo que permite formalizar razonamientos matemáticos de manera que un ordenador pueda verificar cada paso. Si el código compila, la demostración es correcta. Punto. No hay discusión sobre si un argumento es "suficientemente riguroso" o si "se sobreentiende" un paso intermedio.

Kerger publicó la formalización completa en su repositorio de GitHub. Cualquier matemático del mundo puede clonarlo, ejecutar lake build y verificar que la prueba es correcta. Eso, en mi opinión, es lo que convierte este resultado en el primer caso real de IA generando matemáticas verificables —no un truco de relaciones públicas.

¿Qué implica esto para la investigación matemática?

La reacción en Hacker News y Reddit ha sido matizada pero reveladora. Nadie está diciendo que los matemáticos van a quedarse sin trabajo. Más bien al contrario: el investigador humano es el ingrediente escaso. Como escribió un comentarista en HN: "El prompt está en la página 27. Son diez páginas de matemáticas avanzadas preparando al modelo en la dirección correcta, aparentemente informadas por un año de investigación previa."

Esto sugiere que el verdadero impacto de modelos como GPT-5.6 no será automatizar el trabajo de los matemáticos, sino acelerar la exploración de "fruta a media altura". Problemas donde las técnicas existen pero nadie ha tenido tiempo o paciencia para combinarlas de todas las formas posibles hasta que una funciona. Como dijo Kerger: "No creo que los investigadores en matemáticas/TCS se vuelvan obsoletos. Pero creo que ya no tendrá sentido trabajar en fruta baja, o incluso media."

Esto encaja con lo que ya hemos visto con AlphaFold en biología estructural o con AlphaTensor en multiplicación de matrices. La IA no está descubriendo nuevas leyes físicas —está encontrando combinaciones de técnicas existentes que los humanos no habíamos explorado porque requerían demasiadas iteraciones.

La lección para el resto de nosotros

Más allá del impacto en matemáticas puras, este caso tiene una enseñanza práctica para cualquiera que use IA en su trabajo. El prompt de 10 páginas de Kerger no es un "prompt engineering" al uso. Es conocimiento de dominio codificado: un año de entender el problema, identificar las técnicas relevantes, saber qué descartar y qué priorizar.

El patrón se repite. Cuando he visto los mejores resultados con GPT-5.6, Claude o cualquier otro modelo avanzado, vienen de personas que ya saben lo que están haciendo y usan la IA como acelerador, no como sustituto. El modelo explora combinatoriamente, pero el experto decide qué dirección tiene sentido explorar. Es una colaboración, no una delegación.

Y hay un detalle que me parece significativo: esta prueba no requirió 64 subagentes paralelos. Ni Sol Ultra. Mientras OpenAI demuestra lo que puede hacer quemando tokens masivamente, Kerger demuestra lo que se puede hacer con un prompt bien construido y una instancia normal del modelo. El multiplicador no es la potencia bruta, es el conocimiento codificado en el prompt.