PSI: IA de Anthropic probó conjetura cuántica de 2008

Qué anunció PSI y por qué cambia el estándar de prueba

Physical Superintelligence (PSI) aseguró que un sistema de investigación propio, ejecutado sobre instancias de un modelo de Anthropic que todavía no fue presentado públicamente, produjo una demostración de la conjetura de Aaronson-Ambainis, un problema de complejidad cuántica abierto desde 2008. Según Unite.AI, el anuncio se hizo el 6 de noviembre de 2026.

Lo relevante no es que un modelo haya escrito matemática: es que el resultado viene con un artefacto verificable. PSI publicó el manuscrito y una formalización en Lean 4, el asistente que comprueba cada paso por computadora. La empresa afirma que el sistema llegó a una demostración completa durante el tercer día de ejecución y que Lean la aceptó.

Ese cambio de formato es lo que un founder debería mirar. Cuando el output de un modelo se acompaña de una prueba formal, la discusión deja de ser «¿la IA alucinó?» y pasa a ser «¿el enunciado formal dice exactamente lo que dice la conjetura original?». Es un estándar de evidencia bastante más alto que un hilo en redes sociales.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

¿Qué dice la conjetura de Aaronson-Ambainis?

La pregunta de fondo es cuándo una computadora cuántica puede ser exponencialmente más rápida que una clásica. El algoritmo de factorización de Shor, de 1994, aprovecha estructura: la entrada esconde un patrón repetitivo que la máquina cuántica detecta.

Aaronson y Ambainis apuntaron al caso opuesto: entradas aleatorias, sin estructura aprovechable. En el modelo de consultas, un algoritmo clásico lee un bit por consulta, mientras que una consulta cuántica puede repartirse en superposición sobre muchas posiciones. Tras T consultas cuánticas, la probabilidad de responder que sí es un polinomio acotado de los bits de entrada, de grado a lo sumo 2T.

La conjetura sostiene que todo polinomio acotado de grado bajo tiene al menos una variable con influencia alta. Si eso es cierto, cualquier algoritmo cuántico de T consultas puede simularse en la mayoría de las entradas por un algoritmo clásico con un número polinómico de consultas. El crecimiento pasa de exponencial a polinómico.

Según OfficeChai, el resultado de PSI establece que si v mide cuánto varía el polinomio y d es su grado, algún bit tiene influencia de al menos c·v^(5/2)/d^6, con c cercano a 0,0025. Antes, las cotas generales decaían exponencialmente con el grado y solo se habían resuelto casos especiales.

Importante para no sobreinterpretar: esto no elimina la ventaja cuántica. Solo acota dónde puede esconderse una ventaja exponencial. Los problemas con estructura siguen siendo territorio cuántico.

¿Cómo trabajó el sistema y quién responde por el resultado?

David Turturean, miembro del staff técnico de PSI, desarrolló y ejecutó el sistema, delimitó el problema y pidió al modelo un primer borrador del paper. Revisó ese borrador y es responsable de la corrección del trabajo. Jim Halverson auditó la prueba y Phiala Shanahan comentó la formalización, según el repositorio público.

La demostración sigue un plan de Shachar Lovett y Jiapeng Zhang, que habían dejado una desigualdad como conjetura. PSI dice haberla reemplazado por una desigualdad nueva, probada emparejando configuraciones de entrada mediante un determinante, y apoyándose en el Butterfly Lemma de David Reimer.

En cuanto a la verificación: el desarrollo formal no tiene placeholders ni axiomas añadidos, según la auditoría registrada. Las declaraciones se reprodujeron por el kernel de Lean y por lean4lean, una implementación independiente del verificador de tipos. En una corrida en sandbox, un comparador aceptó los cuatro teoremas finales; en una segunda máquina, aceptó una solución correcta y rechazó cuatro deliberadamente falsas.

¿Qué falta para que la comunidad lo valide?

Que Lean acepte una prueba no equivale a que la comunidad matemática haya validado sus alcances. Quedan dos controles: confirmar que el enunciado formal coincide con la conjetura impresa, y evaluar las partes del paper que quedan fuera de Lean.

El paper legible por humanos no está verificado por máquina. Además, el kernel y el compilador de Lean, las definiciones de Mathlib y las máquinas usadas para comprobar forman parte de la base de confianza: si algo falla ahí, la verificación automática no lo detecta.

El antecedente más cercano es un paper del 19 de agosto de 2026 de Guy Blanc, Jordan Docter, Carmen Strassle y Li-Yang Tan, que resolvió la consecuencia de simulación clásica para algoritmos cuánticos con rondas paralelas fijas. Según PSI, los cuatro están leyendo la prueba completa, enviaron comentarios y preparan una exposición más breve para especialistas. Su evaluación: «Es un resultado enorme. Resuelve una conjetura de décadas».

Un análisis independiente publicado por State of Proof advirtió que su examen todavía no había comenzado. La cautela es razonable: el anuncio es un claim de empresa con un artefacto comprobable, no un veredicto de revista académica.

¿Quién es PSI, la startup detrás del anuncio?

Según OfficeChai, PSI es una public benefit corporation con sede en Cambridge, Massachusetts, que se presentó públicamente con una ronda semilla de US$58 millones liderada por Breakthrough Energy Ventures y lista más de 25 investigadores e ingenieros. Se describe como un laboratorio de física nativo de IA que construye lo que llama «físicos virtuales».

No es su primer anuncio. Publicó una herramienta open source de agentes para física llamada Get Physics Done y, en octubre, sus primeros resultados sobre cinco problemas de la lista Open Quantum Problems, cada uno con paper y formalización en Lean. La prueba de Aaronson-Ambainis es su segundo anuncio mayor en unas dos semanas.

La carrera por las demostraciones verificadas por máquina

PSI no compite en el vacío. El 26 de octubre de 2026, OpenAI anunció que sus modelos produjeron una prueba de la conjetura de local smoothing en todas las dimensiones, lo que según la empresa también resolvería la conjetura de Kakeya y la de restricción de Stein. La formalización en Lean llegó un día después, y el anuncio fue parte de un lanzamiento con más de 700 preprints generados por IA, según CryptoBriefing.

OpenAI también dijo haber refutado la Exponential Time Hypothesis, un resultado clave en teoría de la complejidad, verificado en Lean. En paralelo, hubo una racha de claims sobre problemas de Erdős, con escrutinio público de matemáticos como Terence Tao sobre cómo se atribuye el crédito y la novedad.

El patrón que se repite: la verificación formal en Lean se convirtió en la forma de sacarle ambigüedad a estos anuncios. Y ya hay startups construyendo negocio sobre eso. &Truth, con sede en Palo Alto, usa Lean para verificar software y demostrar que una aplicación no tiene bugs, según un reportaje de The New York Times difundido por The Star. La misma técnica que prueba teoremas sirve para auditar código.

¿Qué significa esto para tu startup?

Aunque tu producto no tenga nada que ver con física cuántica, hay tres movimientos concretos que puedes hacer esta semana.

Adopta el estándar del artefacto verificable. Si tu producto hace claims técnicos (que tu modelo no alucina, que tu pipeline es reproducible, que tu cálculo es correcto), publica algo que un tercero pueda reproducir. Un repositorio con la formalización o el benchmark abierto vale más que una slide.
Mira la verificación formal como capa de confianza, no como curiosidad académica. Herramientas como Lean están dejando de ser un juguete de matemáticos. Si vendes software en sectores regulados (fintech, salud, infraestructura crítica), poder demostrar formalmente que un módulo se comporta como se especificó es una ventaja comercial defendible.
Distingue el claim del hecho en tu propio marketing. PSI anunció un resultado con revisión por pares pendiente y lo dijo explícitamente. Ese equilibrio entre entusiasmo y límites declarados es lo que sostiene la credibilidad cuando tu audiencia incluye gente técnica.

Y una advertencia de gestión: el cuello de botella se movió. Ya no es generar el resultado, es definir el problema correctamente y verificar que el enunciado formal capture lo que realmente quieres probar. Ese trabajo sigue siendo humano, y es donde conviene invertir talento.

Conclusión

El anuncio de PSI es un hito por el método más que por la física. Un modelo no público de Anthropic, un sistema de investigación propio y un verificador formal produjeron en tres días una prueba de una conjetura abierta desde 2008. Si la revisión independiente la confirma, el precedente es claro: la IA puede participar en investigación matemática de frontera, siempre que el resultado venga acompañado de algo que cualquiera pueda comprobar.

Para un founder, la lección es trasladable. En un mercado donde todos dicen que su IA razona, la ventaja se construye publicando evidencia reproducible. La verificación formal dejó de ser un lujo académico y se está volviendo el estándar de seriedad.