En un avance reciente que está capturando la atención de la comunidad científica, OpenAI y varias instituciones asociadas han presentado hallazgos significativos sobre GPT-5, la última iteración de su modelo de inteligencia artificial. Esta tecnología no solo actúa como un simple motor de búsqueda, sino que está comenzando a demostrar capacidades que se asemejan a las de un colega investigador brillante, capaz de resolver problemas complejos y establecer conexiones innovadoras entre distintas disciplinas científicas.
El estudio, que abarca áreas como matemáticas, física, biología y ciencias de la computación, destaca varias proezas del modelo. Entre los logros más impresionantes está la resolución de cuatro problemas matemáticos no resueltos anteriormente, incluyendo el notorio Problema de Erdős #848, un enigma que había desafiado a los matemáticos durante décadas. GPT-5 logró esto mediante un análisis de estabilidad que combinó intuiciones humanas con un escrutinio automático.
Timothy Gowers, un destacado matemático y medallista Fields, comparó las contribuciones de GPT-5 con las de un supervisor de investigación perspicaz. Aunque útil, el modelo aún no alcanza el nivel de ser coautor en la mayoría de las investigaciones científicas. Sin embargo, su capacidad para condensar meses de trabajo teórico en unas pocas horas está redefiniendo el flujo del trabajo de investigación.
El «factor de compresión» es una característica clave que GPT-5 ofrece. Un ejemplo es el trabajo de Brian Spears del Laboratorio Nacional de Lawrence Livermore, quien utilizó el modelo para acelerar significativamente experimentos relacionados con la fusión termonuclear. Este tipo de colaboración sugiere un cambio radical en los métodos de investigación y una eficiencia nunca antes vista.
Además, GPT-5 destaca por su habilidad excepcional para la búsqueda literaria profunda, permitiéndole actualizar y conectar áreas dispares del conocimiento científico que los humanos podrían pasar por alto debido a diferencias terminológicas o de enfoque.
A pesar de estos avances, el uso de GPT-5 no está exento de desafíos. En inmunología, el modelo demostró tanto sus promesas como sus limitaciones, requiriendo supervisión humana para corregir errores y evitar conclusiones erróneas. En el campo de los algoritmos en línea, si bien el modelo logró ofrecer contribuciones significativas en algunas áreas específicas, sus limitaciones en problemas más generales y teóricos son evidentes.
El valor de GPT-5 aumenta cuando se le proporciona un «andamiaje» adecuado, una estrategia que facilita su capacidad para deducir soluciones complejas que antes solo se lograban con meses de trabajo humano.
No todas las historias son triunfantes. En el ámbito de los «códigos evitadores de cliques», un episodio señaló la importancia vital de la atribución adecuada y el reconocimiento de fuentes previas, después de que GPT-5 proporcionara una prueba ya publicada sin reconocerla.
Para la comunidad de IA, estos descubrimientos marcan un punto de inflexión. GPT-5 no es solo una mejora incremental sobre su predecesor, sino que representa un cambio cualitativo hacia un modelo de colaboración efectiva entre humanos e inteligencias artificiales. Aprovechar esta tecnología de manera efectiva requiere un profundo conocimiento del campo de aplicación, ayudando a evitar errores y optimizando el rendimiento colaborativo.
El futuro de la ciencia, tal como sugieren estos experimentos iniciales, podría encaminarse más hacia un modelo colaborativo entre inteligencia humana y artificial, desafiando y expandiendo continuamente los límites del conocimiento humano.
