Una reciente investigación realizada por OpenAI y varias instituciones asociadas revela sorprendentes descubrimientos sobre GPT-5, un modelo de inteligencia artificial que va más allá de ser un mero motor de búsqueda sofisticado para convertirse en un brillante colaborador en la resolución de problemas complejos. El estudio, que abarca desde las matemáticas hasta las ciencias de la computación, documenta cómo el modelo no solo recupera información, sino que también genera pruebas novedosas, encuentra conexiones ocultas entre diferentes campos y reduce meses de trabajo teórico a solo horas.
Entre los hallazgos destacados, GPT-5 resolvió cuatro problemas matemáticos previamente sin solución, incluido el Problema de Erdős #848. Este desafío, que intrigó a los matemáticos durante décadas, fue resuelto mediante un análisis de estilo estabilidad, fusionando intuición humana con análisis automático.
Timothy Gowers, medallista de Fields, advierte que aunque GPT-5 es un valioso recurso, aún no llega a ser considerado coautor en trabajos científicos. Lo compara con un supervisor de investigación algo perspicaz. La verdadera innovación reside en el «factor de compresión». Brian Spears, del Laboratorio Nacional de Lawrence Livermore, utilizó el modelo para acortar drásticamente el tiempo necesario en experimentos de fusión nuclear, sugiriendo un cambio fundamental en la metodología investigativa.
El modelo también sobresale en realizar una búsqueda literaria profunda. Por ejemplo, identificó conexiones entre resultados matemáticos aparentemente dispares, revelando equivalencias que los autores humanos habían pasado por alto. No obstante, el uso de GPT-5 también conlleva riesgos, como demostró Derya Unutmaz en inmunología: aunque el modelo identifica conexiones correctas, requiere aún supervisión para evitar errores.
Además, GPT-5 muestra un notable desempeño cuando se le facilita un «andamiaje» adecuado. Alex Lupsasca mostró cómo, tras abordar primero un problema más simple, el modelo llegó a soluciones complejas en tiempo récord.
Sin embargo, algunas experiencias revelan desafíos. Un trabajo realizado por Venkatesan Guruswami y Parikshit Gopalan puso de manifiesto problemas de atribución, cuando GPT-5 proporcionó una prueba ya publicada previamente. Esto resalta la necesidad de mejorar la identificación y atribución de fuentes en investigaciones asistidas por IA.
Los expertos señalan que nos hallamos en un punto de inflexión. GPT-5 representa un cambio cualitativo respecto a su predecesor, GPT-4, y abre la puerta a nuevas colaboraciones entre humanos e inteligencia artificial. Para aprovechar al máximo sus capacidades, es esencial un profundo conocimiento del dominio por parte de sus usuarios, quienes deben saber cuándo desafiar al modelo y cómo estructurar problemas adecuadamente.
Mirando hacia adelante, la gran cuestión gira en torno a cómo adaptaremos nuestros métodos de trabajo y sistemas de atribución para integrar a estos nuevos colaboradores. Más allá de una competición entre humanos y máquinas, el futuro se perfila como una colaboración enriquecedora que expande los horizontes del conocimiento humano.
