Un rumor sobre un resultado inédito de OpenAI cambió el calendario de tres investigadores MIT antes de poder examinar la prueba IA. Dor Minzer y los doctorandos Yumou Fei y Shuo Wang supieron el 11 de septiembre de un resultado próximo sobre Unique Games. El 14 publicaron un borrador de 95 páginas sobre un teorema relacionado pero distinto. OpenAI anunció su colección el 6 de octubre con una prueba reivindicada de la conjetura.
El avance humano llegó en abril y la explicación seguía preparándose. La publicación empresarial esperada hizo más urgente la prioridad que la exposición. Los teoremas no se sustituyen y ningún preprint reemplaza la revisión independiente.
Dos resultados, no dos versiones
Subhash Khot introdujo Unique Games en 2002. Vértices unidos por aristas reciben etiquetas; cada arista impone una permutación. La etiqueta de un extremo determina exactamente una aceptable al otro. Esa correspondencia explica “unique”.
La conjetura aborda la dificultad de aproximación. Informalmente, distinguir instancias casi completamente satisfacibles de otras con solo una pequeña fracción posible es difícil. No dice que no existan soluciones, sino qué pueden decidir algoritmos eficientes sobre familias precisas.
La optimización acepta aproximaciones cuando el óptimo cuesta demasiado. Unique Games conecta garantías conocidas y barreras fundamentales. El marco de Raghavendra de 2008, condicionado a la conjetura, establece la optimalidad de programación semidefinida para amplias clases: resolver una relajación geométrica y redondear a decisiones discretas.
El teorema MIT trata completitud perfecta, todas las restricciones iniciales satisfacibles. En 2-a-1 una etiqueta admite dos opciones compatibles al otro lado; en 4-a-1 cuatro. Es más débil que el original 2-a-1, pero alcanza un caso exacto no cubierto directamente por Unique Games usual.
Todas no equivale a casi todas
Minzer y colaboradores alcanzaron completitud casi perfecta en 2018. Una brecha mínima aún puede impedir reducciones que necesitan un inicio totalmente satisfacible. Llegar al extremo exacto no es cosmético.
Fei y Wang empezaron en 2025. Un código corrector nuevo era prometedor, pero encajarlo en la reducción fallaba. El avance de abril combinó ecuaciones cuadráticas, capa intermedia y verificador interno con codificación tipo Grassmann.
Son técnicas de pruebas probabilísticamente verificables: examinan pocas posiciones aleatorias de una prueba larga. La reducción preserva la brecha entre casos aceptados y rechazados. Importa la interacción de capas, no solo el código.
Una consecuencia afecta al coloreado. Incluso prometiendo un grafo coloreable con tres colores, hallar un coloreado válido con cualquier número fijo de colores sigue siendo NP-difícil. Más colores no garantizan método general eficiente. También afecta a conjuntos independientes de ciertos hipergrafos, cuyas aristas unen más de dos vértices.
Es distinto de la conjetura usual de OpenAI. Los autores defendían su ruta y consecuencias, no un duplicado.
El coste de publicar en tres días
El equipo dijo que la matemática estaba completa, no la presentación deseada. El preprint ECCC del 14 de septiembre tenía 95 páginas. Minzer describió lo posterior a la sección seis casi sin conectores: definiciones y pruebas intermedias, poca guía.
La exposición es infraestructura científica. Motivación, transiciones y comparaciones ayudan a revisar y reutilizar. Fechar rápidamente dejaba esa tarea pendiente.
No conocían argumento, modelo, pretensión exacta ni calendario de la empresa. No era una carrera ordinaria con ritmos humanos comparables. La expectativa de producción automática ya redirigía esfuerzos.
El volumen añade un problema
OpenAI dijo intentar unos 4.000 problemas y publicar 722 manuscritos sobre 377 preguntas. Una colección contenía 40 pruebas de informática teórica. Intentos, textos, preguntas y pruebas son unidades distintas, no problemas resueltos intercambiables.
El cómputo medio equivaldría a tres horas de razonamiento ChatGPT Pro por resultado. No es coste exacto de Unique Games ni presupuesto uniforme. Aproximadamente la mitad estaba formalmente verificada según la empresa; formalizar el resto era expectativa.
El manuscrito reivindica reducción explícita determinista polinómica de 3SAT a instancias sin pesos, con artefactos Lean. Consecuencias para cortes, coberturas, ordenación, eliminación, agrupación y restricciones dependen también de reducciones previas.
OpenAI no lo presentó como revisión convencional. Reconoció citas y exposición mejorables y prometió ayudar a comprender. Un resultado público puede ser evidencia importante sin evaluación comunitaria concluida.
Lean comprueba un enunciado formal
Lean verifica pasos codificados a partir de hipótesis y reglas codificadas. Es más fuerte que la declaración del modelo. Expertos aún deben comparar enunciado y conjetura, hipótesis importadas y correspondencia entre código y manuscrito.
El orden de cuantificadores y dependencia del alfabeto respecto de errores son sensibles. Cambiarlos puede debilitar un enunciado parecido. Completitud, solidez, explicitud y tiempo polinómico deben corresponder a la afirmación estándar.
Una derivación comprobada no explica automáticamente idea decisiva, novedad, crédito ni consenso. Verificación y comprensión son etapas diferentes. El texto humano precipitado también necesita lectura experta y mejora.
La reproducibilidad tiene capas. Artefactos Lean y dependencias permiten repetir comprobación. El modelo interno sin nombre no es público; resúmenes y estadísticas no aportan todos los prompts, muestreos e intervenciones. Reproducir el descubrimiento es distinto.
Ahora hacen falta validación independiente de la correspondencia OpenAI, un manuscrito MIT más claro y publicaciones masivas revisables. El episodio ya cambió plazos y prioridad. El progreso duradero depende de convertir resultados comprobados en explicaciones que otros examinen, adapten y comprendan.