Modelos de IA de OpenAI y Anthropic afirman refutar la hipótesis computacional

OpenAI y Anthropic sostienen que sus modelos de IA han planteado un desafío a una visión tradicional sobre los límites de la computación. Si se demuestra que es cierto, estos hallazgos podrían transformar la teoría de la complejidad. Sin embargo, ninguna de las empresas ha logrado crear software más rápido ni descifrar el cifrado actual.

Una hipótesis de 1999, ahora bajo presión

Russell Impagliazzo y Ramamohan Paturi propusieron por primera vez la Hipótesis del Tiempo Exponencial (ETH) en 1999. La ETH sugiere que existen problemas lógicos específicos que requieren un tiempo computacional exponencialmente mayor a medida que aumentan de tamaño.

Los investigadores se basaron en esta suposición durante décadas. Según OpenAI, el número de artículos de investigación que utilizaron la ETH para demostrar límites computacionales en teoría de grafos, bases de datos, biología computacional y otros campos asciende a cientos. Si la ETH resulta ser falsa, los investigadores podrían tener que revisar muchas de esas conclusiones.

Dos laboratorios, dos refutaciones

El 26 de octubre, OpenAI anunció que su modelo de IA había presentado pruebas que desafían la ETH. Este anuncio formaba parte de una publicación más amplia que incluía resultados en el área del análisis armónico y la teoría cuántica de campos. El método de formalización Lean demuestra la validez de un algoritmo subexponencial, aunque el artículo adjunto proporciona una prueba teórica más sólida.

Solo unas horas después, Anthropic presentó sus propios descubrimientos. Según la empresa, Claude habría descubierto un algoritmo determinista capaz de resolver 3-SAT en menos de tiempo exponencial. Sin embargo, su repositorio también estableció que este descubrimiento sigue siendo solo teórico:

El resultado es puramente asintótico y no dice nada sobre la resolución de fórmulas en la práctica.

También surgieron preguntas sobre la investigación detrás de los descubrimientos. TechCrunch informó que el matemático de Anthropic, Levent Alpöge, cuestionó cuánto del trabajo de OpenAI se basaba en investigaciones previas.

Lo que los expertos pueden y no pueden verificar

OpenAI organizó un equipo formado por los pioneros de ETH, Impagliazzo y Paturi, junto con el profesor de MIT Ryan Williams, para analizar los resultados. También acordó apoyar una conferencia y hacer públicos sus hallazgos para su revisión adicional.

Williams había criticado previamente la avalancha de demostraciones generadas por IA, argumentando que los matemáticos estaban siendo abrumados por el volumen de trabajo que debían revisar. Pero los últimos hallazgos de OpenAI lo intrigaron. Al hablar con TechCrunch, señaló que, aunque algunas partes de la demostración parecían familiares, otras destacaban:

“hay dos o tres partes con aspecto extraño”

Ahí es donde la experiencia humana se vuelve importante. Lean puede verificar si la prueba formal es lógicamente sólida, pero los investigadores aún necesitan comprender el razonamiento poco familiar y determinar si podría conducir a algoritmos prácticos.

Por qué esto no es P igual a NP, ni un cifrado roto

Refutar la ETH no resuelve el problema de P versus NP ni expone debilidades en el cifrado existente.

Aun así, los poseedores de criptomonedas tienen motivos para prestar atención. Cryptopolitan informó sobre la advertencia del investigador de Ethereum, Justin Drake, quien señaló que las matemáticas generadas por IA, incluido el lanzamiento independiente de 722 manuscritos por parte de OpenAI, podrían amenazar eventualmente las firmas digitales.

Por ahora, eso sigue siendo una advertencia, no una violación demostrada.

En julio, la Claude Mythos Preview de Anthropic mejoró un ataque contra HAWK, un candidato a firma postcuántica, después de 60 horas de investigación. Ningún sistema desplegado resultó afectado.

Una carrera de investigación de IA sin línea de meta a la vista

El informe State of AI 2026 describe una creciente carrera entre Anthropic, OpenAI y Google.

Las mediciones internas de Anthropic muestran que Claude realiza el 26 % del trabajo de I D de modelos rastreado en agosto, frente a menos del 1 % en febrero. Mientras tanto, el Instituto de Seguridad AI Security Institute de Reino Unido informa que la duración de ciertas tareas de ciberseguridad que la IA puede completar se duplica aproximadamente cada ocho meses.

La IA está ayudando a los investigadores a realizar descubrimientos más rápido. Pero un avance matemático no conduce automáticamente a un mejor software. Incluso si se refuta la ETH, los algoritmos prácticos podrían tardar años en desarrollarse. Los investigadores humanos aún tienen mucho trabajo por delante.

No te limites a leer noticias sobre criptomonedas. Entiéndelas. Suscríbete a nuestro boletín. Es gratis.