Investigadores prueban si la IA puede redescubrir la relatividad de Einstein
Hecho Qué ha ocurrido
Científicos, incluido Demis Hassabis de Google DeepMind, proponen entrenar LLM solo con datos previos a 1911 para ver si pueden reproducir la relatividad general. Varios equipos (Google DeepMind, MIT, investigadores independientes) han construido modelos 'vintage' entrenados con datos históricos limitados en 2025-2026. Los resultados muestran que los modelos fallan en hacer saltos de razonamiento abductivo como los de Einstein, aunque OpenAI logró en mayo refutar una conjetura de 80 años de Erdős. Los investigadores también hallaron dificultades técnicas para filtrar datos posteriores a la fecha de corte.
Resumen generado mediante IA a partir de Nature · Machine learning (original en inglés). Naturaleza de la información: análisis u opinión.
Análisis Por qué importa
El experimento revela límites fundamentales de los LLM actuales para generar descubrimientos científicos genuinamente creativos, más allá de correlacionar datos existentes.
- Quién se ve afectado
- Laboratorios de investigación en IA, científicos, empresas que evalúan IA para I+D e innovación disruptiva.
- Qué puede cambiar
- Sugiere que la IA actual es más útil para el trabajo rutinario de ciencia que para saltos conceptuales tipo paradigma, lo que modera expectativas sobre AGI a corto plazo.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Vigilar nuevos intentos de modelos 'vintage', avances en razonamiento abductivo y casos como el de OpenAI con la conjetura de Erdős que sugieran capacidades emergentes.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Nature · Machine learning (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗LLMrazonamiento Google DeepMindOpenAITruthful AIMIT AGI Einstein Google DeepMind razonamiento científico relatividad
Relacionadas
Un exinvestigador de DeepMind argumenta que los LLM carecen de razonamiento genuino, a diferencia de AlphaGo
Un exinvestigador de Google DeepMind que trabajó en AlphaGo publica un ensayo argumentando que los grandes modelos de lenguaje (LLM) actuales no razonan de…
Por qué importaLa pieza cuestiona la fiabilidad de los LLM en aplicaciones de alto riesgo como medicina, ingeniería o investigación científica, donde no basta con…
Google DeepMind actualiza Gemini 3 Deep Think para investigación científica y ingeniería
Google DeepMind ha lanzado una versión mejorada de Gemini 3 Deep Think, su modo de razonamiento especializado, ahora disponible para suscriptores de Google AI…
Por qué importaLa disponibilidad de Deep Think vía API abre acceso a capacidades de razonamiento avanzado para equipos de I+D más allá de usuarios individuales…
Modelos de IA mejoran ligeramente en matemáticas, pero siguen reprobando
El benchmark ORCA de Omni Calculator evaluó nuevamente modelos de IA en 500 problemas matemáticos prácticos. Gemini 3 Flash alcanzó 72,8% de precisión (ganando…
Por qué importaLas limitaciones matemáticas de los LLM son críticas para aplicaciones empresariales que requieren precisión en cálculos, análisis financiero o…
DeepMind publica Gopher y RETRO: avances en modelos de lenguaje y seguridad
DeepMind ha publicado tres papers sobre modelos de lenguaje: uno detallado sobre Gopher, un modelo de 280 mil millones de parámetros; otro que presenta una…
Por qué importaEstos trabajos establecen un estándar importante en la evaluación responsable de LLMs grandes, documentando tanto capacidades como riesgos. La…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.