La IA va anar per les matemàtiques. Ara persegueix la resta de la ciència

La setmana passada vaig assistir a una conferència al MIT de Neil Thompson, que estudia el progrés en la informàtica i la intel·ligència artificial. En el transcurs de només mitja hora, Thompson va defensar de manera convincent que diversos camps científics estan a punt de ser capgirats per la IA.

Mentre els matemàtics es recuperen de la manera com la IA està automatitzant el seu camp, l'últim estudi de Thompson suggereix que la probabilitat, la teoria estadística, la teoria econòmica, la teoria d'altes energies, la gravitació i cosmologia, i la física quàntica podrien ser les següents, gràcies a l'evolució ràpida de les capacitats dels models frontera. Entre mitjans del 2024 i mitjans del 2026, segons mostra l'estudi, els millors models de IA van passar de ser capaços de resoldre correctament al voltant del 2 per cent dels problemes teòrics en aquests camps a aproximadament el 35 per cent d'aquests problemes. I no hi ha indicis que aquest progrés s'alenteixi.

«En pocs anys, esperem que moltes qüestions teòriques es transformin totalment pel que fa a la capacitat de la IA per resoldre-les», diu Thompson.

En general, el laboratori de Thompson investiga com els avenços en informàtica afecten la societat i la innovació. Aquest estudi —que Thompson va dur a terme juntament amb Gabriel Manso, un estudiant de doctorat, i Claudio Mayrink Verdun, un investigador científic— va prendre problemes exposats en articles de recerca publicats a internet entre el desembre del 2025 i el maig del 2026, i després va provar si diferents models d'OpenAI —o1, o3, GPT-5, GPT-5.1, GPT-5.4 i GPT-5.5— podien resoldre'ls.

De manera crucial, les solucions a aquests problemes es van trobar en articles publicats després del límit d'entrenament de GPT-5.5 i dels models precedents. Això significa que els models que van provar van haver de trobar solucions per si mateixos, en lloc de dependre de respostes introduïdes com a dades d'entrenament. (Aquests articles van servir com a veritat fonamental per comprovar les habilitats de resolució dels models.) Els investigadors també van bloquejar l'accés a internet, la qual cosa va impedir que els models provats cerquessin solucions en línia.

Les àrees cobertes per l'estudi eren limitades: el trio es va centrar en camps en què els models de IA podien deduir coses sense necessitat d'executar simulacions o experiments. Però el treball suggereix que el tipus d'ones de xoc que actualment se senten en matemàtiques és probable que s'estenguin a altres àrees de recerca científica amb una forta càrrega matemàtica i teòrica.

El mes passat, OpenAI va sacsejar el món de les matemàtiques en anunciar que un model inèdit havia resolt un gran desafiament matemàtic de llarga durada conegut com a Navier-Stokes, que fa referència a equacions que expliquen el comportament del moviment dels fluids. L'episodi va resultar encara més controvertit després que un matemàtic de la NYU —que havia estat treballant amb un altre acadèmic vinculat a Anthropic— acusés OpenAI d'haver-se'ls avançat de manera deslleial després d'assabentar-se dels seus progressos.

Des d'aleshores, OpenAI i altres han anunciat centenars de solucions més a problemes matemàtics de llarga durada, desencadenant una mena de crisi en aquest camp. Alguns matemàtics han demanat límits en l'ús de la IA, advertint que el procés de resolució de problemes sovint és tan útil com tenir la resposta final.