1. Un anuncio impactante en el mundo matemático

El 20 de mayo de 2026, OpenAI anunció que su modelo interno de razonamiento general había resuelto de forma autónoma un problema abierto central en geometría discreta—el problema de distancia unitaria de Erdős, refutando una conjetura que había dominado el campo durante casi 80 años.

Esto marca la primera vez que un sistema de IA ha hecho todo lo siguiente:

• 🤖 Propuesto de forma autónoma una demostración original
• 🔗 Conectado diferentes campos (teoría algebraica de números ↔ geometría combinatoria)
• ✅ Pasado una revisión por pares rigurosa de matemáticos de clase mundial
• 🏆 Resuelto un problema abierto central en un subcampo matemático maduro

“Durante casi 80 años, los matemáticos creyeron que la configuración óptima se asemejaba aproximadamente a una cuadrícula cuadrada. Un modelo de OpenAI ha refutado ahora esa creencia, descubriendo una familia completamente nueva de construcciones con mejor rendimiento.” — OpenAI, 20 de mayo de 2026

2. El problema: la pregunta engañosamente simple de Erdős

En 1946, el matemático húngaro Paul Erdős (1913–1996) planteó un problema lo suficientemente simple como para explicárselo a un niño, pero lo suficientemente profundo como para desconcertar a las mentes más brillantes durante casi un siglo:

La pregunta

Dados $n$ puntos en el plano, ¿cuál es el número máximo de pares que están exactamente a 1 unidad de distancia?

Formalmente, si definimos $u(n)$ como el número máximo de pares de distancia unitaria entre $n$ puntos:

$$u(n) = \max_{\substack{P \subset \mathbb{R}^2 \ |P| = n}} \big|{{p, q} \subset P : |p - q| = 1}\big|$$

Intuición visual

Imagina colocar puntos en un papel. El desafío: ¿cómo organizarlos para que tantos pares como sea posible estén exactamente a una unidad de distancia?

    •─────•                    •──•──•
    │\   /│                    │\/|\/|
    │ \ / │                    │/\|/\|
    •──X──•         vs.        •──•──•
    │ / \ │                    │\/|\/|
    │/   \│                    │/\|/\|
    •─────•                    •──•──•

  Colocación aleatoria        Cuadrícula (construcción de Erdős)
  (pocas distancias unitarias) (muchas distancias unitarias)

3. 80 años de consenso matemático

Cota inferior: la construcción de la cuadrícula de Erdős (1946)

El propio Erdős proporcionó la cota inferior fundamental usando una construcción elegantemente simple: una cuadrícula cuadrada reescalada.

    •──•──•──•──•──•
    │  │  │  │  │  │
    •──•──•──•──•──•
    │  │  │  │  │  │
    •──•──•──•──•──•
    │  │  │  │  │  │
    •──•──•──•──•──•
    │  │  │  │  │  │
    •──•──•──•──•──•

Escalando cuidadosamente la cuadrícula para que muchas distancias sean exactamente 1, Erdős demostró:

$$u(n) \geq n^{1 + \frac{c}{\log\log n}} \quad \text{para alguna constante } c > 0$$

Dado que $\frac{c}{\log\log n} \to 0$ cuando $n \to \infty$, esto es “casi lineal”—el exponente se acerca a 1 pero nunca alcanza un valor fijo mayor que 1.

Cota superior: Spencer–Szemerédi–Trotter (1984)

En 1984, Joel Spencer, Endre Szemerédi y William T. Trotter establecieron la mejor cota superior conocida usando la entonces revolucionaria desigualdad del número de cruces:

$$u(n) = O(n^{4/3})$$

Esta cota se mantuvo durante 40 años.

La conjetura central

El consenso abrumador entre los matemáticos era que la cota inferior de Erdős era esencialmente óptima:

Conjetura (Erdős, 1946): El número máximo de distancias unitarias crece como $n^{1+o(1)}$. En otras palabras:

$$$$

u(n) = n^{1 + o(1)}

<span class=“katex-error” title=“ParseError: KaTeX parse error: Expected 'EOF', got '#' at position 71: …mente óptima.

#̲## Resumen de l…” style=“color:#cc0000”>undefined

donde $\delta > 0$ es una constante positiva fija.

Esto refuta fundamentalmente la conjetura $n^{1+o(1)}$ de Erdős—el número de distancias unitarias puede crecer polinomialmente más allá de lo lineal, no solo “casi linealmente.”

Cifras clave

5. La demostración: ingenio interdisciplinario

Lo que asombró a los matemáticos no fue solo el resultado, sino el método. El modelo introdujo herramientas de la teoría algebraica de números en un problema de geometría elemental—una conexión que ningún matemático humano había explorado antes.

Dos cambios de perspectiva

El teórico de números Arul Shankar explicó en el artículo complementario “Comentarios sobre la refutación de la conjetura de distancia unitaria” (arXiv:2605.20695):

Cambio 1: Fijar los primos, variar el cuerpo

Tradicionalmente, los teóricos de números fijan un cuerpo numérico y varían los primos. La demostración de la IA invirtió esta perspectiva:

Tradicional: Fijar cuerpo $K$, variar primos $p$

Demostración de la IA: Fijar conjunto de primos $S$, variar el cuerpo $K$—variar el cuerpo numérico sobre un conjunto fijo de primos

Esta técnica es común en estadística aritmética, pero casi sin precedentes en geometría combinatoria de dimensión fija.

Cambio 2: Torres de cuerpos de clases

En lugar de usar cuerpos numéricos de grado acotado, la demostración empleó torres de cuerpos de clases—torres infinitas de extensiones de cuerpos de la teoría de cuerpos de clases:

$$K = K_0 \subset K_1 \subset K_2 \subset \cdots \subset K_n \subset \cdots$$

donde cada $K_{i+1}$ es el cuerpo de clases de Hilbert de $K_i$.

Construcción de la torre de cuerpos de clases

La conexión Golod-Shafarevich

La demostración aprovecha la teoría de Golod-Shafarevich, que proporciona condiciones para que una torre de cuerpos de clases sea infinita:

Teorema de Golod-Shafarevich: Si un cuerpo numérico $K$ tiene suficientes primos ramificados en relación con su grado, entonces su torre de cuerpos de clases es infinita.

Esta extensión infinita crea suficiente estructura algebraica para producir conjuntos de puntos con el deseado número $n^{1+\delta}$ de distancias unitarias.

6. Verificación independiente y reconocimiento académico

Aprendiendo de la controversia de octubre de 2025 (cuando GPT-5 afirmó haber resuelto problemas de Erdős, solo para ser desenmascarado por el matemático Thomas Bloom como simple recuperación de literatura), OpenAI realizó una verificación independiente rigurosa:

Matemáticos verificadores

Artículo complementario

El artículo complementario “Comentarios sobre la refutación de la conjetura de distancia unitaria” fue escrito por un equipo de estrellas:

• Noga Alon (Princeton)
• Thomas Bloom (Oxford)
• Tim Gowers (Cambridge)
• Daniel Litt (Toronto)
• Will Sawin (Princeton)
• Arul Shankar (Toronto)
• Jacob Tsimerman (Toronto)
• Melanie Matchett Wood (Harvard)

📄 arXiv: 2605.20695

7. Cronología: de la conjetura a la refutación

8. Ejemplo de código clave

Implementación de referencia para contar distancias unitarias

import numpy as np
from itertools import combinations
from typing import List, Tuple

def count_unit_distances(points: List[Tuple[float, float]],
                         eps: float = 1e-9) -> int:
    """
    Cuenta el número de pares de distancia unitaria en un conjunto de puntos.

    Este es el problema computacional fundamental planteado por Erdős.

    Args:
        points: lista de coordenadas (x, y)
        eps: tolerancia para comparación de punto flotante

    Returns:
        número de pares a distancia exactamente 1 (dentro de la tolerancia)

    Complejidad temporal: O(n²)—verifica todos los pares
    Complejidad espacial: O(1) adicional
    """
    count = 0
    n = len(points)

    for i, j in combinations(range(n), 2):
        x1, y1 = points[i]
        x2, y2 = points[j]

        dist_sq = (x2 - x1)**2 + (y2 - y1)**2

        if abs(dist_sq - 1.0) < eps:
            count += 1

    return count


def erdos_grid_construction(n: int) -> List[Tuple[float, float]]:
    """
    Construcción original de la cuadrícula cuadrada reescalada de Erdős.

    Esta construcción logra aproximadamente n^(1 + c/log(log(n))) distancias unitarias.
    """
    m = int(np.sqrt(n))
    scale = 1.0

    points = []
    for i in range(m):
        for j in range(m):
            points.append((i * scale, j * scale))

    return points[:n]


# Ejemplo: comparar construcciones
if __name__ == "__main__":
    n = 100

    random_points = [(np.random.random(), np.random.random())
                     for _ in range(n)]
    random_count = count_unit_distances(random_points)

    grid_points = erdos_grid_construction(n)
    grid_count = count_unit_distances(grid_points)

    print(f"n = {n} puntos")
    print(f"Colocación aleatoria: {random_count} distancias unitarias")
    print(f"Construcción de cuadrícula: {grid_count} distancias unitarias")
    print(f"Máximo teórico (conjeturado): ~{n:.0f}")
    print(f"Cota inferior de la IA (n^1.014): {n**1.014:.1f}")

9. Por qué esta vez es diferente

Los logros matemáticos anteriores de la IA pertenecían a categorías diferentes. Este avance representa un cambio de paradigma:

Rol de la IA en las Matemáticas
├── Matemáticas de competición (problemas nivel IMO—estructurados, innovación limitada)
├── Verificación formal (Lean/Coq—verifica teoremas existentes, sin descubrimiento original)
├── Síntesis de literatura (GPT-5 Oct 2025—recupera resultados conocidos, desenmascarado)
└── 🏆 Este avance
    ├── Generación de demostración original
    ├── Conexión interdisciplinaria
    ├── Sin guía humana paso a paso
    ├── Revisión por pares expertos
    └── Resuelve un problema abierto central

10. Implicaciones más profundas

Más allá de las matemáticas

Este avance señala capacidades que van mucho más allá de la geometría:

• 🧬 Biología—Descubriendo nuevos fármacos y estructuras de proteínas
• ⚛️ Física—Proponiendo nuevas teorías y modelos
• 🧪 Ciencia de materiales—Diseñando nuevos materiales
• 🔬 Medicina—Descubriendo nuevos tratamientos
• 🏗️ Ingeniería—Resolviendo problemas de diseño complejos

Evaluación de OpenAI

“Mantener la coherencia a través de cadenas de razonamiento complejas, conectar ideas entre dominios y encontrar caminos que los investigadores podrían no haber explorado—estas capacidades se aplican igualmente a la biología, la física, la ciencia de materiales, la ingeniería y la medicina. Este es un paso hacia una investigación más automatizada.”

El papel humano sigue siendo indispensable

Como dijo Thomas Bloom—el mismo matemático que desenmascaró las afirmaciones de OpenAI de octubre de 2025:

“¿Qué maravillas invisibles están aún esperando ser descubiertas?”

Referencias

1. 📝 Blog oficial de OpenAI (20 de mayo de 2026): An OpenAI model has disproved a central conjecture in discrete geometry
2. 📄 Artículo complementario: Noga Alon, Thomas Bloom, Tim Gowers, Daniel Litt, Will Sawin, Arul Shankar, Jacob Tsimerman, Melanie Matchett Wood, “Remarks on the disproof of the unit distance conjecture”, arXiv:2605.20695. Enlace
3. 🌐 Sitio web de problemas de Erdős: erdosproblems.com—estado actualizado a refutado
4. Interesting Engineering: “80-year-old geometry mystery cracked by OpenAI using deep number theory”
5. Yahoo Tech: “OpenAI claims it solved an 80-year-old math problem”
6. AI Wins News: “OpenAI Model Disproves 80-Year-Old Unit Distance Conjecture”