El 26 de octubre de 2026, OpenAI publicó en su repositorio público un manuscrito de 67 páginas con un título tajante: The Exponential Time Hypothesis is False. En el encabezado figuraba una única firma de autoría: «OpenAI». Junto al texto, el laboratorio adjuntó un conjunto completo de scripts de demostración formalizados y verificados mecánicamente en Lean.
Una hipótesis central que durante 27 años sustentó cientos de cotas inferiores en informática teórica acaba de ser desmantelada por un algoritmo determinista. Sin embargo, OpenAI optó por no proclamar una victoria unilateral. El laboratorio decidió convocar a los autores originales de la conjetura para liderar una red independiente de evaluación académica. En la frontera de la ciencia teórica, la labor del ser humano regresa con fuerza a su papel más esencial: comprender y juzgar.
Un algoritmo determinista comprime la complejidad de 3-SAT al rango subexponencial
La Hipótesis del Tiempo Exponencial (ETH) fue formulada en 1999 por Russell Impagliazzo y Ramamohan Paturi. Sostenía que resolver el problema 3-SAT requiere en el peor de los casos un tiempo de $2^{\Omega(n)}$. Durante casi tres décadas, la teoría de la complejidad construyó sobre esta base un vasto edificio de cotas inferiores condicionales. La convicción generalizada de que muchos problemas NP-completos carecían de algoritmos subexponenciales descansaba íntegramente en esta barrera conjetural.
El Teorema 1.1 presentado por OpenAI altera por completo este escenario. Dicho teorema demuestra la existencia de un algoritmo determinista capaz de contar con exactitud las asignaciones satisfactorias para cualquier fórmula $k$-CNF con $k \ge 2$ fijo. El tiempo de ejecución queda acotado por $(n+m)^{O_k(1)} \cdot 2^{O_k(\sqrt{n \log \log n / \log n})}$. En fórmulas con densidad acotada ($m \le Dn$), esta cota superior se reduce a $2^{O_{k,D}(\sqrt{n/\log n})}$.
Figura: Primera página del artículo con la autoría de OpenAI y el resumen donde se presentan las cotas subexponenciales y se refuta la ETH. Fuente: GitHub (repositorio openai/math)
El tiempo de ejecución obtenido es estrictamente $2^{o(n)}$, lo que derriba la barrera exponencial exigida por la formulación de ETH. Lo crucial es que el algoritmo no se limita a decidir la satisfacibilidad: realiza un conteo exacto de soluciones en espacio polinomial. Al recurrir a estructuras algebraicas para resolver restricciones booleanas, el método esquiva el cuello de botella combinatorio de las búsquedas tradicionales.
La arquitectura técnica combina conteo exacto, pruebas dispersas de paridad e interpolación polinomial. El núcleo del diseño se apoya en los llamados «bosquejos lineales compartidos» (shared linear sketches) y sustituciones por polinomios de bajo grado. Las implicaciones teóricas son inmediatas: Max-$k$-SAT puede ahora aproximarse en tiempo subexponencial hasta $OPT(F) - \varepsilon m$.
Diversas cotas inferiores en teoría de grafos se han desplazado de inmediato. El conteo de conjuntos independientes y la coloración de grafos con número fijo de colores caen dentro de un tiempo $2^{o(v)}$, mientras que el conteo de emparejamientos perfectos se reduce de forma determinista a $2^{o(v+e)}$. Toda una cadena de dificultades condicionales asociadas a ETH queda invalidada, forzando a la comunidad matemática a recalcular los límites reales de la complejidad fina.
Delimitación teórica: el algoritmo no se transfiere mediante reducciones polinomiales
Los sobresaltos en las hipótesis de complejidad suelen suscitar malentendidos conceptuales. Poco después de publicarse el texto, surgieron debates en redes sobre si este avance implicaba que $P=NP$. Esta confusión proviene de ignorar las propiedades de transferencia de las cotas subexponenciales. Ante ello, los autores incluyeron en la página 2 una rigurosa aclaración.
Figura: La página 2 presenta el teorema principal y las cotas algorítmicas, señalando que la cota subexponencial no se traslada a toda la clase NP mediante reducciones polinomiales. Fuente: GitHub (repositorio openai/math)
El texto subraya con claridad que una cota temporal de $2^{o(n)}$ no se propaga a través de reducciones polinomiales convencionales. Generalizar un límite subexponencial a cualquier problema NP exigiría una cota mucho más estricta, de la forma $2^{n^{o(1)}}$. Por tanto, el trabajo no guarda relación con el problema P versus NP, y OpenAI no realiza afirmación alguna sobre $P=NP$.
El equipo define el manuscrito como «datos brutos de investigación» (raw research data). Si bien el repositorio contiene el código de demostración completo en Lean, la legibilidad mecánica de los símbolos no equivale a una comprensión humana inmediata de sus mecanismos matemáticos. Corresponde a la comunidad científica transformar esa masa formal en intuiciones comprensibles.
Las herramientas de verificación aseguran que no existan saltos lógicos en la deducción básica. Sin embargo, no explican por qué funciona una combinación particular de interpolaciones. La verificación por máquina descarta fallos lógicos, pero no genera por sí misma una comprensión conceptual profunda del algoritmo. La labor cognitiva de los matemáticos humanos sigue siendo insustituible.
Los fundadores de la hipótesis asumen la revisión
Lejos de los anuncios comerciales habituales, OpenAI evitó las proclamas propagandísticas. Al divulgar el resultado, hizo pública una lista de académicos del más alto nivel invitados a coordinar la revisión del documento. Entre ellos figuran Russell Impagliazzo, Ramamohan Paturi y Ryan Williams.
Esta selección reviste un gran calado académico. Impagliazzo y Paturi fueron quienes formularon ETH en 1999 junto a Francis Zane, mientras que Ryan Williams utilizó técnicas de cotas de circuitos años más tarde para refutar la versión fuerte de la hipótesis. Al confiar la revisión a los propios creadores de la conjetura y a sus investigadores más destacados, la evaluación científica rigurosa sustituye a los comunicados corporativos unilaterales.
Para garantizar la independencia del panel, OpenAI aportó 5 millones de dólares a la Simons Foundation como parte de una colaboración en ciencias teóricas valorada en 15 millones. Los fondos financiarán encuentros de trabajo y estancias de investigación que permitan auditar cada lema del algoritmo.
Esta prudencia responde a lo sucedido dos semanas antes. El 6 de octubre, OpenAI publicó 722 borradores de artículos generados por IA sin filtro previo, lo que provocó una dura reacción de figuras como Terence Tao. Los expertos advirtieron del peligro de saturar los canales académicos con textos de baja fiabilidad, sobrecargando los recursos de revisión por pares.
Tres avances y tres mecanismos de validación
En el anuncio del 26 de octubre, OpenAI reveló tres avances teóricos simultáneos, aplicando a cada disciplina un modelo de difusión adaptado a su naturaleza:
En informática teórica, la refutación de ETH adoptó un esquema abierto con código Lean y orientación de expertos externos, garantizando un escrutinio público inmediato.
En análisis armónico, la demostración de la conjetura de suavizado local para la ecuación de ondas euclidiana se entregó a la deliberación abierta de la comunidad. Generado el 18 de octubre y verificado en Lean el 19, el artículo demuestra la conjetura planteada por Christopher Sogge en 1991 para todas las dimensiones, englobando problemas históricos como las conjeturas de Kakeya y de restricción de Stein.
Figura: Primera página del artículo de análisis armónico publicado el mismo día, con la demostración en todas las dimensiones de la conjetura de suavizado local. Fuente: GitHub (repositorio openai/math)
Mientras que el trabajo de análisis armónico no contó con un comité específico, en física teórica de altas energías OpenAI aplicó un estricto confinamiento. Una supuesta demostración sobre la existencia de teorías cuánticas de campos en interacción en cuatro dimensiones —vinculada al problema del milenio sobre Yang-Mills— fue remitida íntegramente a un panel externo liderado por David Gross, premio Nobel de Física en 2004, junto a Michael Douglas y Arthur Jaffe. Este comité decidirá cuándo y cómo divulgar los detalles del modelo.
Estos tres esquemas responden a cuatro principios: transparencia en todo el proceso, renuncia a la coautoría académica para los modelos base, reconocimiento al trabajo de los especialistas externos y total autonomía de los evaluadores. Ajustar la gobernanza al umbral de validación de cada disciplina constituye un experimento abierto sobre la gestión del conocimiento generado por IA.
El papel humano: de la deducción mecánica al juicio crítico
Desde que el modelo redactó la demostración el 16 de octubre hasta su validación en Lean el 17 transcurrieron apenas un par de días. Lo que a los investigadores humanos les tomó casi tres décadas de trabajo conceptual fue desarmado en unas pocas decenas de horas de cálculo. Este ritmo arrollador pulveriza los tiempos de la publicación académica tradicional y somete la revisión por pares a una tensión sin precedentes.
Que un código compile en Lean solo prueba la coherencia interna de una cadena de símbolos. No elimina el esfuerzo mental necesario para asimilar las ideas subyacentes. La comunidad tardará meses en asimilar la intuición geométrica y combinatoria detrás del método. Las máquinas pueden construir deducciones impecables, pero no pueden comprenderlas por nosotros.
Por ello, la jerarquía del trabajo intelectual se está reconfigurando. A medida que la búsqueda simbólica y la comprobación lógica pasan a manos de los algoritmos, el cuello de botella se desplaza. Los humanos ya no necesitan dedicar toda su energía a ensamblar piezas deductivas. La misión central de la comunidad científica se orienta ahora hacia la abstracción conceptual, el análisis de valor y el juicio final.
Independientemente de que este manuscrito de 67 páginas supere la revisión definitiva, las viejas formas de producción del conocimiento han comenzado a transformarse. Al convocar a los propios autores de la conjetura a examinar el hallazgo, OpenAI admite que los algoritmos no bastan para decretar la verdad científica. En la exploración de problemas complejos, las máquinas podrán alcanzar antes la meta formal; pero el criterio para validar el significado del hallazgo sigue perteneciendo a la inteligencia humana.
Enlaces de referencia:
- OpenAI Research: Manuscrito The Exponential Time Hypothesis is False y repositorio Lean
- OpenAI Research: Manuscrito Local smoothing for the Euclidean wave equation
- Simons Foundation: Anuncio de colaboración en investigación de fronteras matemáticas e informática teórica
