Durante años, las inteligencias artificiales generativas parecían prometedoras en matemáticas, pero poco más que asistentes sofisticados. Podían sugerir pasos, revisar cálculos o detectar errores. Lo que no parecía al alcance era descubrir una fórmula nueva en física teórica que ningún humano hubiera logrado concebir. Hasta ahora.
En febrero de 2026 apareció en arXiv un artículo firmado por Alfredo Guevara, Andrew Strominger, Kevin Weil y colaboradores que describe algo inusual: una fórmula general para amplitudes de dispersión de gluones en un régimen semicolineal que fue identificada por GPT-5.2 Pro y posteriormente demostrada por una versión interna más avanzada de la IA tras 12 horas de “razonamiento”.
El problema: amplitudes que parecían imposibles de generalizar
Las amplitudes de dispersión permiten calcular la probabilidad de interacción entre partículas. En el caso de los gluones —los bosones gauge sin masa de la cromodinámica cuántica (QCD)— estas amplitudes suelen calcularse mediante desarrollos perturbativos que implican grandes conjuntos de diagramas de Feynman.
En configuraciones generales, la interacción entre un gluón de helicidad negativa y n−1 gluones de helicidad positiva es exactamente cero a nivel de árbol. Sin embargo, ciertas configuraciones semicolineales sugerían que esa nulidad podía romperse. Guevara y colaboradores lograron demostrar manualmente el resultado hasta seis gluones, pero las expresiones crecían de forma superexponencial y no mostraban ningún patrón simplificador evidente.
Eran fórmulas largas, combinaciones de signos +1 y −1, aparentemente sin estructura reconocible.
La simetría escondida que la IA supo ver
Guevara recurrió a GPT-5.2 Pro para intentar simplificar las expresiones conocidas. Para sorpresa del equipo, la IA no solo redujo las fórmulas existentes, sino que conjeturó una expresión general válida para un número arbitrario de gluones.
El avance clave fue identificar una región específica del espacio de momentos, denominada R₁, donde emerge una simetría SO(2,2). Bajo esa restricción, las amplitudes simplificadas mostraban un patrón claro que permitía generalización.
Conjeturar una fórmula es una cosa. Demostrarla es otra muy distinta. Ahí entró en juego una versión interna más potente del sistema, que aplicó la recurrencia de Berends–Giele —un método estándar para construir amplitudes a nivel de árbol de forma recursiva— y logró la demostración completa en apenas 12 horas.
Posteriormente, los autores humanos verificaron cada paso.
Un éxito real después de un fracaso sonado
El contexto importa. En noviembre de 2025 se anunció como “primer artículo de IA en física teórica” un trabajo que más tarde se demostró incorrecto: la IA había resuelto un problema distinto y trivial. Fue un caso claro de alucinación algorítmica.
El nuevo resultado es diferente. La demostración fue entendida, revisada y validada por físicos humanos. Además, la metodología empleada se apoya en herramientas estándar de la teoría cuántica de campos, lo que refuerza su solidez.
No se trata de que la IA haya reemplazado la intuición humana. La pregunta física —explorar configuraciones semicolineales donde la amplitud no fuera nula— surgió de investigadores experimentados. Lo que la IA hizo fue identificar un patrón que ningún humano había logrado ver entre expresiones algebraicamente densas.
Lo que esto significa para la física teórica
La historia reciente de las amplitudes de dispersión ha estado marcada por descubrimientos de simetrías ocultas, desde la fórmula de Parke–Taylor hasta las conexiones con la teoría de twistores de Witten. Este nuevo episodio encaja en esa tradición: encontrar estructura donde parecía haber caos combinatorio.
La diferencia es el agente que la detecta.
Si las IAG pueden acelerar la identificación de patrones en objetos matemáticos complejos, podrían convertirse en herramientas habituales en física teórica. No como sustitutos de la intuición, sino como amplificadores de ella.
No conviene extrapolar demasiado. Las capacidades actuales siguen siendo limitadas y altamente dependientes del contexto humano. Pero la comparación con lo que era posible hace apenas seis meses es difícil de ignorar.
La inteligencia artificial no ha resuelto la física. Pero acaba de demostrar que puede ayudar a descubrirla.
#inteligencia #artificial #solo #calcula #Acaba #descubrir #una #fórmula #física #teórica #ningún #humano #había #logrado #concebir #demostró #horas
