Startup quiere cambiar cómo los matemáticos hacen matemática con IA

Axiom Math, una startup con sede en Palo Alto, lanzó Axplorer, una herramienta gratuita de inteligencia artificial diseñada para ayudar a matemáticos a descubrir patrones que puedan resolver problemas históricos no resueltos.

La herramienta es una evolución del PatternBoost, desarrollado por François Charton cuando trabajaba en Meta. Mientras PatternBoost requería un supercomputador, Axplorer funciona en una Mac Pro común, democratizando el acceso a estas capacidades avanzadas.

Del supercomputador al escritorio

Charton, ahora investigador científico de Axiom, utilizó PatternBoost para resolver el problema de los cuatro ciclos de Turán, un desafío complejo en teoría de grafos. Ese proceso tomó tres semanas usando miles de máquinas en Meta. Axplorer logró igualar ese resultado en apenas 2.5 horas en una sola computadora.

La herramienta funciona mediante un proceso iterativo: el usuario proporciona un ejemplo y la IA genera casos similares. El matemático selecciona los más interesantes y la herramienta refina sus sugerencias, identificando patrones previamente imperceptibles.

Más allá de los chatbots matemáticos

Mientras varios matemáticos han usado modelos de lenguaje como GPT-5 para resolver problemas de Paul Erdős, Charton considera que estos éxitos son limitados. "Los LLMs son conservadores, reutilizan lo que ya existe", explica. En contraste, muchos problemas matemáticos requieren insights completamente nuevos.

La Agencia de Proyectos de Pesquisa Avanzada de Defensa de EE.UU. creó la iniciativa expMath para fomentar el uso de IA en matemáticas, reconociendo que los avances matemáticos tienen efectos multiplicadores en toda la tecnología.

Democratizando la investigación

Carina Hong, CEO de Axiom Math, destaca que Axplorer es código abierto y está disponible en GitHub. A diferencia de herramientas como AlphaEvolve de Google DeepMind, que requiere acceso especial, cualquier matemático puede descargar y usar Axplorer.

Geordie Williamson de la Universidad de Sydney, colaborador del PatternBoost original, mantiene cautela: "Estamos en un momento extraño con muchas herramientas disponibles. No está claro cuál será el impacto real".

Fuente original: MIT Technology Review Brasil

Este resumen fue generado con asistencia de IA y revisado editorialmente por Algoré.