Un problema matemático vinculado con la física de sistemas desordenados acaba de recibir un giro inesperado gracias a Claude. Los físicos Giorgio Parisi y Francesco Zamponi recurrieron al modelo de Anthropic para avanzar en una conjetura sobre el fenómeno de “jamming”, y la respuesta de la IA resultó ser “esencialmente correcta”.
El caso es llamativo porque no se trató de una solución perfecta desde el primer intento. De hecho, el borrador generado por Claude contenía errores y necesitó revisión humana. Sin embargo, los investigadores comprobaron que la intuición de fondo era la adecuada y que el camino sugerido por el modelo apuntaba a una demostración más simple de lo que pensaban. En otras palabras, la IA no resolvió sola el problema, pero sí ofreció la pista clave para destrabarlo.
El trabajo está relacionado con una pregunta técnica sobre cuándo un sistema pierde fluidez y se vuelve rígido sin orden aparente. Esa transición, aparentemente abstracta, tiene aplicaciones en física de materiales y en el estudio de procesos complejos. Los autores ya habían trabajado durante años en este tema, pero el uso de Claude les permitió revisar la base del planteamiento desde un ángulo menos obvio.
Parisi y Zamponi siguieron esta idea y llegaron a una resolución sorprendentemente sencilla, mostrando su razonamiento en un artículo publicado hoy en el Journal of Statistical Mechanics: Theory and Experiment.
“Muy rápido, Claude tuvo una idea inicial que era esencialmente correcta”, dijo Zamponi en un comunicado. “La respuesta estaba ahí, y simplemente no la habíamos visto.”
El episodio también alimenta una discusión más amplia sobre el papel de la inteligencia artificial en la investigación científica. Por un lado, estos sistemas pueden acelerar hipótesis, explorar caminos alternativos y detectar estructuras que pasan inadvertidas. Por otro, siguen dependiendo de la validación humana, tanto para corregir errores como para verificar si una aparente genialidad matemática resiste la prueba formal.
El problema sin respuesta
En física, el atasco se refiere a un proceso en el que aumenta la densidad en un material granular (piensa en una piscina de pelotas infantil), lo que resulta en que un sistema se vuelva rígido, algo así como un “atasco de tráfico” de partículas. En 2014, Parisi, Zamponi y otros colaboradores describieron matemáticamente el bloqueo, descubriendo en el proceso que dos parámetros del modelo siempre sumarían uno.
“El resultado surgió claramente de cálculos numéricos desde el principio, pero nadie pudo explicar por qué era cierto”, según la declaración. “Durante años, los investigadores buscaron una demostración matemática de la relación, convencidos de que alguna estructura más profunda de la teoría se escondía detrás de su aparente simplicidad.”
Con los rápidos avances en modelos de IA generativa, Parisi y Zamponi se preguntaron si las habilidades relativamente avanzadas de razonamiento matemático de Claude podrían aportar algo útil para el atasco de la conjetura del jamming. Inicialmente, la pareja le pidió a Claude que replicara los cálculos numéricos del grupo, y luego desafiaron a la IA a intentar encontrar una demostración de que los dos parámetros siempre sumaban uno.
“Esperábamos que esto revelara una nueva comprensión de las ecuaciones”, explicó Zamponi.
En resumen, la demostración “contenía errores y requirió varias rondas de verificación y revisión por parte de los autores.” Sin embargo, los investigadores pudieron basarse en las premisas básicas de las sugerencias de Claude para llegar a una prueba más sólida.
En ese equilibrio se juega buena parte del futuro de la IA aplicada a la ciencia: no como sustituto del investigador, sino como una herramienta capaz de ampliar el campo de exploración. Lo ocurrido con este problema sugiere que, en algunos casos, la pregunta correcta importa tanto como la respuesta.
