Principales destacados
- El sistema de DeepMind logró resolver cuestiones matemáticas sin solución desde hace años
- La IA pasó de competir en olimpiadas a colaborar activamente con científicos
- Los resultados incluyen la refutación de conjeturas y trabajos enviados a conferencias académicas
La Google DeepMind anunció el 11 de febrero de 2026 un avance que puede transformar el papel de la inteligencia artificial en la ciencia.
Según la compañía, su sistema Gemini Deep Think dejó de limitarse a desafíos competitivos y comenzó a actuar como socio de investigación en matemáticas, física, informática teórica e incluso economía.
La novedad fue presentada en dos artículos científicos que explican cómo el modelo no solo resolvió problemas complejos, sino que abordó cuestiones matemáticas abiertas, refutó conjeturas de larga data y contribuyó a trabajos académicos enviados a conferencias internacionales.
De medalla olímpica a colaborador científico
Gemini Deep Think ya había captado la atención tras alcanzar un rendimiento equivalente a medalla de oro en la Olimpíada Internacional de Matemática de 2025, resolviendo cinco de los seis problemas dentro del tiempo oficial. En ese momento fue considerado un hito técnico. Ahora, el alcance es mucho mayor.
En el primer estudio, titulado Towards Autonomous Mathematics Research, DeepMind presentó un agente de investigación con nombre en clave Aletheia. El sistema opera en un ciclo continuo de generar, verificar y revisar hipótesis matemáticas.
De acuerdo con Yossi Matias, jefe de investigación de Google, el agente evaluó cerca de 700 problemas abiertos del banco Bloom’s Erdős Conjectures. El resultado incluyó cuatro soluciones inéditas a cuestiones aún no resueltas y la identificación de ocho respuestas ya existentes en la literatura científica.
Además, el agente produjo un artículo completo en geometría aritmética, incluyendo el cálculo de constantes estructurales conocidas como autovectores, una tarea que tradicionalmente requería la intervención directa de especialistas humanos.
Avances en física, informática y economía
El segundo artículo amplía el alcance a 18 problemas trabajados en colaboración con expertos académicos de distintas áreas.
En informática teórica, Gemini Deep Think construyó un contraejemplo que refutó una conjetura vigente durante aproximadamente una década en el campo de la optimización submodular en línea, una hipótesis debatida desde 2015.
En física, el sistema derivó una solución analítica para espectros de cuerdas cósmicas utilizando polinomios de Gegenbauer. Al convertir una serie infinita en una suma finita, resolvió lo que los investigadores describían como un cuello de botella en el cálculo de radiación gravitacional.
La IA también mostró capacidad para conectar disciplinas distintas, aplicando herramientas de la matemática continua, como el teorema de Kirszbraun, a problemas algorítmicos clásicos como Max-Cut y el Árbol de Steiner. Esta integración interdisciplinaria es considerada uno de los aspectos más prometedores del avance.
Un nuevo modelo de colaboración científica
Según DeepMind, aproximadamente la mitad de los resultados ya están siendo enviados a conferencias académicas de alto nivel, incluida una aceptación en la International Conference on Learning Representations 2026.
Todos los resultados de referencia fueron evaluados por expertos humanos, con el objetivo de garantizar rigor científico y validación independiente.
Los investigadores describen la metodología como Vibe-Proving, o comprobación por intuición. En este enfoque, los científicos guían a la IA mediante ciclos iterativos para validar ideas, buscar contraejemplos y perfeccionar demostraciones matemáticas complejas.
Más que un logro aislado, el anuncio sugiere un cambio profundo. La inteligencia artificial comienza a posicionarse no solo como herramienta de apoyo, sino como colaboradora activa en la generación de conocimiento científico. Si estos avances se consolidan, la combinación entre investigadores humanos y sistemas de razonamiento avanzado podría acelerar descubrimientos que antes requerían décadas.
