Tabla de contenido
Verificar una demostración de IA: cómo se revisan 125 páginas
Verificar una demostración de IA tiene tres caminos: arbitraje humano, formalización en Lean y corridas repetidas. Por qué el 50% de acierto cambia todo.
Aprender a verificar una demostración de IA se volvió un oficio real, y la razón es aritmética. Un modelo puede generar cien páginas en una tarde. Un árbitro humano lee matemática a unas pocas páginas por hora, despacio, con un lápiz en la mano. Cuando salió el resultado de la distancia unitaria en mayo de 2026, OpenAI dijo que matemáticos externos lo revisaron y escribieron un artículo acompañante. Eso funcionó porque el resultado importaba lo suficiente para conseguir la atención de cuatro matemáticos serios.
La mayoría de las demostraciones generadas por IA no va a conseguir eso. Thomas Bloom, que mantiene la base de datos de problemas de Erdős, describió la inundación a Quanta: artículos de 100 a 200 páginas que llegan como supuestas soluciones y donde “ningún humano lo ha leído”.
Puntos clave
- Hay tres caminos de verificación: arbitraje humano, verificación formal en un asistente de demostración y muestreo repetido. Cada uno responde una pregunta distinta.
- El arbitraje humano es el estándar de oro y no escala. Leer una demostración es casi tan difícil como escribirla.
- La verificación formal en Lean es mecánicamente certera, pero exige traducir el argumento informal al sistema, que es trabajo sustancial en sí mismo.
- Las corridas repetidas miden confiabilidad, no corrección. OpenAI reportó cerca del 50% de éxito en el problema de la distancia unitaria con el mismo pedido.
- El Liquid Tensor Experiment mostró que la formalización funciona a nivel de investigación: el desafío de Peter Scholze, planteado en diciembre de 2020, se completó en Lean en julio de 2022.
Qué hace falta para verificar una demostración de IA
Una demostración matemática es una cadena de pasos lógicos donde cada paso se sigue de los anteriores y de axiomas aceptados. Verificar significa confirmar que ningún paso está roto. Eso es más difícil de lo que suena, porque una sola inferencia inválida en cualquier lugar invalida la conclusión, y las inferencias inválidas pueden ser sutiles.
Para el resultado de la distancia unitaria, el reporte de OpenAI dice que la demostración “fue revisada por un grupo de matemáticos externos” que además “escribieron un artículo acompañante explicando el argumento y aportando más contexto sobre la relevancia del resultado”. Entre esos matemáticos estaban Noga Alon (Princeton), Tim Gowers, Arul Shankar, Jacob Tsimerman y Thomas Bloom. Gowers, medallista Fields, escribió que si un humano hubiera enviado ese artículo a Annals of Mathematics y le hubieran pedido una opinión rápida, “habría recomendado la aceptación sin ninguna vacilación”.
Esa es una verificación completamente humana, y es carísima en tiempo. Cuatro o cinco investigadores dedicándole horas serias a un resultado no se generaliza a un flujo que produce decenas de supuestas demostraciones por mes.
Los tres métodos de verificación comparados
| Método | Qué hace | Qué pregunta responde | Costo | Límites |
|---|---|---|---|---|
| Arbitraje humano | Un experto lee cada paso | ”¿Es válido el argumento y nos enseña algo?” | Semanas de tiempo experto por demostración | No escala; los expertos son escasos; las demostraciones largas cansan |
| Verificación formal (Lean, Coq) | La máquina revisa cada inferencia contra los axiomas | ”¿Es lógicamente válido cada paso?” | Formalizar puede tardar más que la demostración original | Exige traducción; un teorema formalizado puede no corresponder al enunciado buscado |
| Muestreo repetido | Correr el mismo pedido muchas veces y contar éxitos | ”¿Con qué confiabilidad acierta este modelo acá?” | Barato en cómputo, no dice nada de una salida puntual | Un 50% no te dice si esta corrida es correcta |
| Chequeo cruzado con instancias nuevas | Instancias nuevas del modelo auditan la demostración | ”¿Un lector independiente encuentra una falla?” | Barato | Los modelos comparten modos de falla; no son independientes en sentido estadístico |
| Revisión de lemas clave | El experto revisa solo los pasos que cargan el peso | ”¿La idea central es sólida?” | Horas en vez de semanas | Se pierden errores en las partes que nadie leyó |
La fila del medio es donde está la ingeniería interesante. Lean es un asistente de demostración: escribes el argumento en un lenguaje formal y el software se niega a aceptar un paso que no se sigue. Si Lean compila tu demostración, la lógica es correcta, punto.
La trampa es la traducción. El artículo de Terence Tao de enero de 2025 en las Notices of the American Mathematical Society sostiene que los demostradores interactivos están cambiando la práctica matemática mientras plantean preguntas epistemológicas reales sobre qué es una demostración. Formalizar un artículo de investigación históricamente ha tomado más tiempo que escribirlo.
El Liquid Tensor Experiment: prueba de que la formalización funciona
La mejor evidencia de que ese camino es viable a nivel de investigación llegó antes de la ola de IA, y es una buena historia para un adolescente.
En diciembre de 2020, Peter Scholze, medallista Fields, desafió públicamente a la comunidad de demostración formal. Él y Dustin Clausen habían demostrado un teorema sobre “espacios vectoriales líquidos” que permitiría meter el análisis funcional y la geometría compleja dentro de su marco de matemática condensada. El argumento de Scholze era lo bastante sutil como para que él mismo no estuviera del todo seguro, así que pidió que otros lo formalizaran y verificaran.
La comunidad lo tomó como el Liquid Tensor Experiment, trabajando en Lean. Se completó el 14 de julio de 2022, alrededor de un año y medio después del desafío. Nature y Quanta Magazine lo cubrieron. Un asistente de demostración había hecho una contribución real en la frontera de la investigación matemática al confirmar una demostración moderna complicada.
Dos lecciones para un chico. Primera: un medallista Fields pidió que revisaran su propio trabajo, lo que dice algo sobre la honestidad intelectual en la cima del campo. Segunda: tardó dieciocho meses. Ese es el problema de los tiempos.
Por qué el 50% de éxito importa más que la demostración misma
Este es el número que yo le pondría enfrente a un chico de 14 años: Sébastien Bubeck, de OpenAI, dijo que el modelo produjo soluciones correctas en cerca del 50% de las corridas con el mismo pedido.
Piensa en lo que eso significa en la práctica. El pedido es idéntico. El modelo es idéntico. La mitad de las veces obtienes una demostración válida de un resultado importante; la otra mitad, algo equivocado. Y no hay ninguna señal dentro de la salida que te diga cuál de las dos tienes.
Esa es la definición de una herramienta que necesita un operador competente. También es la razón por la que Science News señaló una limitación real: los datos que respaldan esas afirmaciones “no se han publicado ni revisado por pares” y no se reveló el tiempo de cómputo. Melanie Matchett Wood planteó una preocupación relacionada sobre que OpenAI no divulgara los intentos fallidos ni las soluciones incorrectas, que es exactamente la información que necesitarías para calibrar la confianza.
En junio de 2026, más de 1.500 investigadores firmaron la Declaración de Leiden pidiendo límites para las afirmaciones matemáticas hechas por IA, citando atribución, verificabilidad, acceso y transparencia sobre las tasas de falla. La versión con dados y monedas de esa idea está en qué enseña una tasa de éxito del 50%.
¿Y en América Latina?
Acá hay una oportunidad concreta que casi nadie está nombrando. El cuello de botella global no es producir matemática, es revisarla. Y revisar es una habilidad que se puede enseñar con recursos gratuitos y una computadora modesta.
El contraste con la región es fuerte. Según los datos de PISA 2025, el 56% de los estudiantes colombianos usa IA cada semana, el 54% en Perú y el 53% en Uruguay, todos por encima del 46% de la OCDE. Al mismo tiempo, la UNESCO calcula que menos del 10% de las instituciones de América Latina y el Caribe tiene lineamientos formales sobre integración de IA, y su Observatorio regional, lanzado en Santiago en abril de 2026, señala que en Chile y Brasil más de la mitad de los docentes ya usa herramientas de IA.
O sea: mucho uso, poca enseñanza sobre cómo revisar. Y el dato que PISA sí encontró con dirección positiva es exactamente el de enseñar a evaluar: los estudiantes que usan IA seguido y practican en clase evaluar su salida superan levemente a sus pares. Ese es el hueco que un papá puede tapar en casa sin gastar un peso.
Cómo enseñarle esto a tu hijo
La habilidad transferible es revisar una cadena de razonamiento en vez de aceptar una conclusión. Estas actividades la construyen.
De 5 a 8 años: encuentra el paso roto
Escribe cuatro pasos de instrucciones para algo que conozca: hacer un sándwich, vestirse, darle de comer a la mascota. Mete un paso imposible (“pon el pan en el congelador hasta que esté caliente”). Léelo en voz alta y fíjate si lo cacha.
Después inviertan los roles: él escribe instrucciones con un paso roto y tú lo encuentras. Escribir una cadena rota enseña más que encontrarla, porque tiene que entender qué hace válido a un paso.
De 9 a 12 años: la demostración falsa
Muéstrale una demostración falsa clásica. La más simple es la que “demuestra” que 2 = 1: sea a = b, entonces a² = ab, entonces a² − b² = ab − b², entonces (a+b)(a−b) = b(a−b), entonces a + b = b, entonces 2b = b, entonces 2 = 1. El error está en dividir por (a − b), que es cero.
Que encuentre el paso malo. La mayoría va a aceptar toda la cadena porque cada línea se parece a la anterior. Esa experiencia, una cadena plausible que lleva a algo absurdo, es contra lo que protege la verificación.
De 13 en adelante: formalizar algo chico
El Natural Number Game es un tutorial de Lean en el navegador donde demuestras hechos básicos sobre los números naturales desde los axiomas de Peano, empezando por cosas tan elementales como 2 + 2 = 4. Es gratis, de código abierto bajo licencia Apache 2.0, y corre en adam.math.hhu.de sin instalar nada. Salió del trabajo de Kevin Buzzard y colaboradores en el Imperial College de Londres.
Dale una hora a tu adolescente con eso. La experiencia de que el software rechace un paso que “obviamente” se sigue es el punto entero, y es la forma más clara de entender qué hace Lean con una demostración de 125 páginas. La herramienta está explicada en asistentes de demostración: cómo Lean convierte la matemática en código.
La pregunta que debes hacer: “¿Cuál paso de ese argumento carga más peso, y cómo revisarías solo ese?”
Qué hacer en casa
Pregunta por el medio, no por la respuesta
Cuando tu hijo te muestre un problema resuelto, pregunta por un paso del medio en vez de por el resultado. Es la jugada del árbitro, y construye el hábito de tratar una conclusión como dependiente de su cadena.
”Compiló” no es lo mismo que “está bien”
Si tu hijo usa código o una herramienta formal, distingan dos preguntas: ¿corre?, y ¿hace lo que querías? Una demostración en Lean que compila es lógicamente válida, pero puede formalizar el enunciado equivocado. Es la misma distinción que pasar los tests y resolver el problema.
Premia encontrar errores
En casi cualquier aula, encontrar un error del docente no da nada. Haz que valga en casa. La habilidad escasa en la era de la IA no es producir argumentos: es auditarlos.
Usa las corridas repetidas a propósito
Si tu hijo usa un chatbot para un problema, que haga la misma pregunta en una conversación nueva y compare. Cuando las respuestas difieran, ese es el problema del 50% en miniatura, y enseña más que cualquier advertencia.
Lo que no conviene hacer
No le digas a tu hijo que no se puede confiar en las demostraciones de IA. Algunas son excelentes; Gowers dijo que habría recomendado la aceptación en Annals sin vacilar. La formulación precisa es que no se puede confiar sin revisar, que también es cierto de las demostraciones humanas, solo con otra tasa.
Qué observar en los próximos 3 meses
- Semana 4: si tu hijo pregunta “¿cómo lo sabes?” ante una afirmación, en vez de aceptarla o rechazarla de entrada.
- Señales de alerta en el mes 2: aceptar una salida de IA porque suena con autoridad. La señal es fluidez segura sin pasos verificables.
- Autoevaluación del mes 3: sigue el avance en formalización automática. Si traducir demostraciones informales a Lean se vuelve mucho más barato, el cuello de botella de verificación se afloja y todo el panorama cambia.
Preguntas frecuentes
¿Cómo revisaron los matemáticos la demostración de 125 páginas?
Con arbitraje humano. OpenAI dice que la demostración fue revisada por un grupo de matemáticos externos, que además escribieron un artículo acompañante explicando el argumento. Noga Alon, Tim Gowers, Arul Shankar, Jacob Tsimerman y Thomas Bloom comentaron públicamente. No se anunció una verificación formal en Lean de esa demostración.
¿Qué es Lean y cómo verifica una demostración?
Lean es un demostrador interactivo de teoremas. Escribes la demostración en su lenguaje formal y el software revisa cada inferencia contra los axiomas, rechazando cualquier paso que no se siga. Si compila, la lógica es válida. El costo es que traducir una demostración informal a Lean es trabajo sustancial en sí mismo.
¿Un 50% de éxito significa que la demostración está a medias?
No. Significa que, en corridas repetidas del mismo pedido, cerca de la mitad produjo una demostración correcta. La demostración que se publicó fue revisada por humanos y hallada válida. El 50% describe la confiabilidad del modelo, no esa salida en particular.
¿La verificación formal ya funcionó en matemática de investigación?
Sí. El Liquid Tensor Experiment formalizó en Lean un teorema de Peter Scholze y Dustin Clausen sobre espacios vectoriales líquidos, y se completó el 14 de julio de 2022, cerca de dieciocho meses después del desafío que Scholze lanzó en diciembre de 2020.
¿Mi hijo puede probar la verificación formal?
Sí, con el Natural Number Game, un tutorial gratuito de Lean en el navegador que arranca desde los axiomas de Peano y te hace demostrar hechos elementales sobre números naturales. Corre en adam.math.hhu.de sin instalar nada y es código abierto bajo Apache 2.0.
Sobre el autor
Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.
Fuentes
- OpenAI. (2026, 20 de mayo). “An OpenAI model has disproved a central conjecture in discrete geometry.” https://openai.com/index/model-disproves-discrete-geometry-conjecture/
- Tao, T. (2025, enero). “Machine-Assisted Proof.” Notices of the American Mathematical Society, 72(1), 6–13. https://www.ams.org/notices/202501/rnoti-p6.pdf
- Lean Community. (2022, 14 de julio). “Completion of the Liquid Tensor Experiment.” https://leanprover-community.github.io/blog/posts/lte-final/
- Hulick, K. (2026, 8 de junio). “AI guardrails and the Erdős math problem.” Science News. https://www.sciencenews.org/article/ai-guardrails-erdos-math-problem
- Kakaes, K. (2026, 3 de agosto). “Why the legendary Erdős problems are falling to AI.” Quanta Magazine. https://www.quantamagazine.org/why-the-legendary-erdos-problems-are-falling-to-ai-20260803/
- Lean Prover Community. “Natural Number Game 4 (NNG4).” https://github.com/leanprover-community/NNG4
- UNESCO. (2026). “UNESCO launches Observatory on Artificial Intelligence in Education for Latin America and the Caribbean.” https://www.unesco.org/en/articles/unesco-launches-observatory-artificial-intelligence-education-latin-america-and-caribbean
