Un estudio del MIT eleva del 2% al 35% los problemas teóricos científicos que resuelve la IA
Hecho Qué ha ocurrido
Un estudio de Neil Thompson, Gabriel Manso y Claudio Mayrink Verdun, del MIT, evaluó modelos de OpenAI con problemas de artículos publicados entre diciembre de 2025 y mayo de 2026. Entre mediados de 2024 y mediados de 2026, la tasa de acierto en problemas teóricos de probabilidad, economía, física y cosmología pasó de alrededor del 2% a cerca del 35%. Las soluciones aparecieron en artículos posteriores al corte de entrenamiento y se bloqueó el acceso a internet durante las pruebas.
Resumen generado mediante IA a partir de Wired en Español. Naturaleza de la información: hecho documentado.
Análisis Por qué importa
Muestra que la IA avanza también en disciplinas científicas teóricas fuera de las matemáticas, lo que puede acortar los ciclos de investigación en sectores intensivos en conocimiento.
- Quién se ve afectado
- Investigadores y centros de I+D en economía, física y estadística, y empresas que dependen del modelado teórico.
- Qué puede cambiar
- Si el patrón se confirma, parte del trabajo teórico podría delegarse en modelos, con el reto de verificar las soluciones y no aceptar solo la respuesta final.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Réplicas independientes de los resultados, métodos de verificación de las soluciones y si estos sistemas llegan a realizar experimentos reales, como plantean los nuevos laboratorios de IA para la ciencia.
Enviar esta noticia por correo
Fuente original: Wired en Español. La referencia es siempre el artículo original.
Ver fuente original ↗LLMIA científica MITOpenAI físicaIA científicamatemáticasMITOpenAI
Forma parte de la historia Estudio del MIT mide avance de la IA en problemas científicos teóricos (2 noticias, estado: en evolución).
Tu opinión
0 comentarios
Relacionadas
Los mejores modelos de IA pasan del 2% al 35% en problemas teóricos, según el MIT
Un estudio de Neil Thompson, Gabriel Manso y Claudio Mayrink Verdun, del MIT, evaluó modelos de OpenAI (o1, o3, GPT-5 y versiones posteriores) con problemas de…
Por qué importaMuestra una mejora rápida de la IA en razonamiento científico que podría trasladarse a otras áreas de investigación. Para las organizaciones con I+D…
Google presenta Antigravity para acelerar la búsqueda de péptidos antimicrobianos
Google DeepMind describe cómo biólogos usaron su plataforma agéntica Antigravity para identificar un candidato a péptido antimicrobiano con actividad predicha…
Por qué importaSi los resultados se confirman, el trabajo de cribado de bases de datos biológicas podría reducirse de días a sesiones de trabajo guiadas por IA…
Un agente de IA resuelve 49 de 50 problemas de física teórica no publicados
Un equipo de 35 investigadores, con participación de ICTS, Harvard, KU Leuven y Google DeepMind, presentó TheoPhysEval, un benchmark de 50 problemas de física…
Por qué importaSi los resultados se confirman, los cálculos de nivel de investigación que antes requerían expertos y varios días podrían delegarse en agentes a bajo…
NVIDIA se suma a la iniciativa europea AI in Science con modelos abiertos, cómputo y formación
En la AI in Science Summit de Dublín, la Comisión Europea lanzó la iniciativa AI in Science Enablers, vinculada a RAISE. NVIDIA anuncia su aportación: más de…
Por qué importaPara instituciones de investigación y startups científicas españolas o latinoamericanas, puede abrir acceso gratuito o subvencionado a cómputo y…