Google impulsa una iniciativa de IA para las matemáticas

Google DeepMind y Google.org han creado una iniciativa para usar inteligencia artificial en la investigación matemática junto a cinco instituciones de referencia. El objetivo no es sustituir a los matemáticos, sino ayudarles a encontrar problemas importantes, probar ideas y acelerar la llegada de nuevos descubrimientos.

Cinco centros para investigar con IA

La AI for Math Initiative reúne inicialmente a estas instituciones:

• Imperial College London
• Institute for Advanced Study
• Institut des Hautes Études Scientifiques
• Simons Institute for the Theory of Computing, de la Universidad de California en Berkeley
• Tata Institute of Fundamental Research

Google aportará financiación a través de Google.org y acceso a varias de sus herramientas. Entre ellas están Gemini Deep Think, un modo especializado en razonamiento; AlphaEvolve, un agente que busca algoritmos; y AlphaProof, un sistema que ayuda a completar demostraciones formales, es decir, pruebas matemáticas verificables paso a paso.

El trabajo conjunto tendrá tres frentes: detectar problemas en los que la IA pueda aportar algo nuevo, construir las herramientas necesarias para investigarlos y acelerar la validación de los resultados. La idea es crear un circuito de colaboración constante entre matemáticos e investigadores de IA.

Qué ha demostrado ya la IA

Google DeepMind llega a esta iniciativa con varios resultados recientes. En 2024, AlphaGeometry y AlphaProof alcanzaron un nivel equivalente a la medalla de plata en la Olimpiada Internacional de Matemáticas.

En la edición de 2025, un modelo Gemini con Deep Think resolvió correctamente cinco de los seis problemas y obtuvo 35 puntos, un resultado de nivel medalla de oro. Eso no significa que la IA pueda resolver cualquier problema matemático: las pruebas olímpicas son difíciles, pero están delimitadas y tienen respuestas verificables.

Otro sistema, AlphaEvolve, se aplicó a más de 50 problemas abiertos de análisis, geometría, combinatoria y teoría de números. Mejoró la mejor solución conocida en el 20% de los casos.

Uno de sus resultados más concretos afecta a una operación central de la informática: multiplicar matrices. Para matrices de 4 por 4, encontró un método que necesita 48 multiplicaciones escalares, frente a las 50 del récord anterior, establecido por el algoritmo de Strassen en 1969. Una mejora así puede parecer pequeña, pero este tipo de operaciones aparece en gráficos, simulaciones y modelos de IA.

AlphaEvolve también ayudó a encontrar estructuras matemáticas que muestran que algunos problemas complejos son todavía más difíciles para los ordenadores de lo que se creía. Estos resultados no solo resuelven preguntas: también ayudan a entender qué límites tiene la computación.

Qué cambia para ti

No habrá una aplicación de consumo inmediata ni una nueva herramienta para hacer deberes de matemáticas. El efecto será más indirecto, pero puede ser importante: mejores algoritmos pueden reducir el coste de cálculos usados en IA, ciencia, ingeniería y software.

La parte más relevante es el modelo de colaboración. La IA puede explorar muchas posibilidades y detectar patrones, mientras que los matemáticos aportan intuición, contexto y criterio para decidir si una idea es realmente útil. La iniciativa intentará convertir esa combinación en un proceso habitual de investigación.

Todavía queda por demostrar cuánto puede avanzar la IA en problemas que no tienen una respuesta conocida ni un camino claro para encontrarla. Lo que conviene vigilar ahora es si estos sistemas consiguen producir ideas nuevas que otros matemáticos puedan comprobar y reutilizar, no solo resolver ejercicios con reglas ya establecidas.