El 2 de octubre, Meta publicó en su blog de investigación seis artículos de matemáticas, elaborados en colaboración entre matemáticos y el modo de razonamiento de Muse Spark 1.1 y 1.2; cinco de ellos resuelven preguntas que ya se habían planteado públicamente antes, pero seguían sin respuesta.
"Proof strategies were developed and revised with help from Muse Spark"
(Las estrategias de demostración se desarrollaron y revisaron con la ayuda de Muse Spark.)
Qué resolvió cada uno de los seis artículos
Los seis artículos abarcan seis áreas: teoría de la probabilidad, ecuaciones diferenciales, teoría de grupos, optimización, física aritmética y álgebra no asociativa:
| Área | Artículo | Qué logró |
|---|---|---|
| Probabilidad | Umbral exacto para el ajuste de elipsoides gaussianos | Determina el umbral exacto para cuándo unos puntos gaussianos de alta dimensión pueden ajustarse mediante un elipsoide |
| Ecuaciones diferenciales | Explosión en tiempo finito de soluciones radiales de energía negativa | Demuestra que las soluciones de la ecuación de Schrödinger no lineal biarmónica crítica en masa explotan en tiempo finito |
| Teoría de grupos | Los grupos semiabelianos no son necesariamente monomiales | Usa un grupo de orden 384 para refutar una conjetura planteada por M. Kida en 2024 |
| Optimización | La relajación basada en anillos es ajustada (tight) | Responde a una pregunta planteada este año por Del Pia y Khajavirad |
| Física aritmética | La función de dos puntos de cuerdas equivale a una función de altura sobre una curva | Conecta la teoría de cuerdas p-ádica con la teoría de números, dando continuidad a la idea de Manin de los años ochenta |
| Álgebra no asociativa | Álgebras de evolución resolubles | Usa un ejemplo tridimensional para refutar la conjetura de clasificación de García-Martínez y Pérez-Rodríguez |
Entre los matemáticos acreditados están Aykut Arslan (dos artículos), Leonard Dinh, Joseph Phillip Brennan y Milana Golich, además de Andres Barei; el artículo de física aritmética lo firman Anindya Dey y otros cuatro autores.
Cómo se definió el proceso
Meta enumeró cuatro prácticas: un equipo de matemáticos dirige la línea de investigación; otro grupo de matemáticos realiza una revisión independiente; cada artículo marca, párrafo por párrafo, si fue redactado por un investigador o por la IA; todo trabajo previo queda debidamente citado.
Esta última práctica se aplicó en el artículo de probabilidad. El problema del umbral de ajuste de elipsoides gaussianos fue resuelto de forma independiente por tres equipos casi al mismo tiempo en agosto de este año, y el artículo de Meta reconoce ese trabajo simultáneo. Esto muestra que, en ese momento, el problema ya estaba dentro del alcance de los matemáticos humanos, y la contribución del modelo se acercó más a "acelerar" que a abrir por sí sola un terreno nuevo.
El blog también deja clara su intención: "Our goal here wasn't to mass-produce papers, but to empower researchers" (el objetivo es dar más capacidad a los investigadores, no producir artículos en masa).
Comparado con el artículo de Google de la misma semana
Esa misma semana, Google Research publicó Cogentic, que usa varios agentes colaborando para explorar demostraciones matemáticas. Al poner ambos uno junto al otro, la diferencia de enfoque queda muy clara.
Google concentró sus problemas en aprendizaje en línea, teoría de subastas y diseño de mecanismos; en los cinco problemas, Gemini fue invocado, en la mayoría de los casos, unas 100 veces, y hasta unas 1.000 en el más difícil, y una razón de aproximación para el ingreso aditivo del comprador se redujo de 5,2 a 3,52; cada demostración fue revisada por expertos del área. Lo que destacan es el sistema: cómo varios agentes se dividen el trabajo y se verifican entre sí.
Meta, en cambio, repartió sus problemas en seis ramas sin relación entre sí, sin revelar el número de invocaciones ni describir la arquitectura de agentes; lo que destaca son las personas: quién dirigió, quién revisó, quién escribió cada parte. Las dos narrativas corresponden a dos formas distintas de verificación: la de Google permite estimar el costo según el volumen de invocaciones, y la de Meta permite rastrear la responsabilidad según la autoría.
A ambos materiales les falta todavía lo mismo: ejemplos de fracaso. Ninguna de las dos empresas ha dicho cuántos problemas trabajó el modelo sin lograr resolverlos. Sin ese denominador, el alcance de los cinco artículos exitosos es limitado, y resulta difícil para alguien externo juzgar la tasa de éxito real de Muse Spark en matemáticas.
Fuentes: blog de investigación de Meta AI, blog de Google Research, CocoLoop; verificado a partir del blog de Meta en cuanto a títulos, autores, escala de los contraejemplos y versión del modelo de los seis artículos.