¿Por qué los siete problemas matemáticos del millón de dólares siguen sin resolverse, incluso en la era de la IA?
La IA ha resuelto el Go y el plegamiento de proteínas, pero siete problemas matemáticos heredados de los años 1900 siguen en pie. Estos siete no son un conjunto al azar, sino una lista elegida con exactamente un siglo de diferencia, y la IA se detiene porque exigen demostración, no cálculo.
La IA ha vencido al campeón mundial de Go y ha resuelto un problema de plegamiento de proteínas que resistió décadas. Sin embargo, los problemas matemáticos heredados de los años 1900 siguen intactos, aun con un millón de dólares en juego por cada uno. ¿Por qué la herramienta más astuta que tenemos se detiene ante estos siete? Para ver la respuesta, primero hay que ver cómo llegaron a reunirse los siete.
Decir "son difíciles, por eso nadie los resuelve" es demasiado plano. Hay algo más interesante. Estos siete no se reunieron al azar, sino que fueron elegidos a propósito, con exactamente un siglo de diferencia. En 1900 un matemático anunció los problemas que el siglo veinte debía resolver, y justo cien años después, en 2000, un instituto retomó ese espíritu y planteó siete problemas para el siglo veintiuno como conmemoración del nuevo milenio. Así que entender qué son estos problemas equivale a unir dos escenas de la historia de las matemáticas.
Así que estos siete no son un mero conjunto de problemas difíciles. Son un hito en la historia de las matemáticas: una dirección que alguien trazó hace un siglo, retomada y reagrupada por sus sucesores cien años después. Aquí también se revela por qué la IA se detiene. Estos problemas no exigen cálculo veloz, sino una demostración nueva, un salto de pensamiento que nadie ha dado aún. Calcular es recorrer un camino deprisa; demostrar es abrir un camino que no existía.
Arriba: la línea de tiempo de un siglo transmitido, de 1900 a 2000 a 2003. Abajo: el campo y el estado actual de cada uno de los siete problemas. Toca los nodos y las tarjetas.
En París, en 1900, David Hilbert expuso veintitrés problemas sin resolver en el Congreso Internacional de Matemáticos. Creía que la lista marcaría el rumbo de las matemáticas del siglo venidero, y en efecto los matemáticos del siglo veinte lucharon con ellos y abrieron campos nuevos.
Justo cien años después, el 24 de mayo de 2000, en el Collège de France de esa misma París, el Instituto Clay de Matemáticas anunció los siete Problemas del Premio del Milenio en honor al centenario de la conferencia de Hilbert. Una junta asesora, consultando a los principales expertos del mundo, eligió los problemas clásicos más importantes que llevaban mucho tiempo resistiéndose. Cada uno lleva un millón de dólares, siete millones en total, sin límite de tiempo para resolverlos.
Es revelador que las dos listas se encuentren en un punto. Uno de los siete, la hipótesis de Riemann (planteada en 1859), es justamente el problema que también figuraba en la lista de veintitrés de Hilbert un siglo antes. Sin resolver a lo largo de cien años, se ganó un lugar en ambas.
Entonces, ¿por qué la IA no puede resolverlos? Lo esencial es que estos problemas no se calculan, se demuestran. El Go es una búsqueda entre posibilidades y el plegamiento de proteínas es aprender de patrones enormes, pero una demostración matemática argumenta, sin fisura, que algo debe cumplirse en infinitos casos. Por más casos que se comprueben, nunca equivale a una demostración. Y uno de los siete, el problema P frente a NP, pregunta, paradójicamente, hasta dónde llega el límite de lo que una máquina puede resolver con rapidez. Hasta que eso se responda, el propio límite de la IA queda indeciso.
Estos problemas no se quedan en la pizarra. La hipótesis de Riemann trata de cómo se distribuyen los números primos, y los primos son la base del cifrado de internet de hoy. P frente a NP pregunta por los límites fundamentales de la búsqueda, la logística y la planificación que usamos a diario, y Navier-Stokes es la ecuación de fluidos sobre la que se sostienen la predicción del tiempo y el diseño de aviones. Los problemas que parecen más abstractos sostienen, de hecho, la capa más baja de la tecnología en la que nos apoyamos cada día. Por eso el día en que uno de ellos se resuelva no será solo el día en que un matemático cobre un millón de dólares, sino el día en que algún suelo del mundo quede asentado de nuevo.