Ir al contenido
IA para hoy
Investigación Investigación Del archivo 5/5 · Fuente primaria

FunSearch: Google DeepMind descubre nuevas soluciones en matemática con LLMs

Fotografía de archivo que ilustra: FunSearch: Google DeepMind descubre nuevas soluciones en matemática con LLMs
Foto: MART PRODUCTION · Licencia Pexels · Pexels

Hecho Qué ha ocurrido

Google DeepMind presenta FunSearch, un método que combina un LLM con un evaluador automático para buscar soluciones verificables en forma de código, evitando alucinaciones. FunSearch ha hecho el primer descubrimiento de LLMs en problemas abiertos desafiantes: encontró los mayores conjuntos de puntos (cap sets) en 20 años para el problema del cap set, y generó algoritmos más eficientes para el problema de bin packing usado en centros de datos. El método fue publicado en Nature.

Resumen generado mediante IA a partir de Google DeepMind (original en inglés). Naturaleza de la información: hecho documentado.

Análisis Por qué importa

Demuestra que LLMs pueden generar descubrimientos verificables y nuevas matemáticas, no solo creatividad sin rigor. Abre la puerta a que sistemas IA resuelvan problemas científicos abiertos de verdadero valor académico y práctico, con explicabilidad: no es una caja negra, sino programas comprensibles que revelan cómo llega a la solución.

Quién se ve afectado
Investigadores en matemática, ciencias de la computación teórica, optimización y centros de datos; también equipos que optimizan algoritmos en logística, asignación de recursos e infraestructura cloud.
Qué puede cambiar
Permite que LLMs trasciendan el rol de asistente creativo para convertirse en herramientas de descubrimiento científico verificable. Acelera la resolución de problemas combinatorios complejos (extremal combinatorics, teoría de la comunicación) donde los métodos computacionales tradicionales se vuelven inmanejables.

Análisis generado a partir de la información disponible; no procede de la fuente.

Ilustración generada con IA sobre: FunSearch: Google DeepMind descubre nuevas soluciones en matemática con LLMs
Ilustración generada con IA por IA para hoy

Predicción Qué observar a continuación

Adopción de FunSearch en equipos de investigación académica y empresarial en los próximos 6-12 meses; extensión a otros dominios de problemas combinatorios; mejora en eficiencia de centros de datos mediante los nuevos algoritmos de bin packing; refinamiento del método y publicación de arquitecturas competidoras de otras laboratorios.

Recomendación Qué debería hacer una empresa

Equipos de investigación en matemática aplicada, optimización y operaciones deberían evaluar FunSearch para problemas abiertos en sus dominios durante los próximos 6 meses. Operadores de centros de datos y empresas de logística deben monitorear la disponibilidad de los algoritmos de bin packing mejorados en los próximos 12-18 meses.

Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.

Compartir WhatsApp LinkedIn X Bluesky Telegram
Enviar esta noticia por correo

Se envía esta noticia con su análisis. La dirección se usa solo para ese envío y no se guarda.

Fuente original: Google DeepMind (fuente primaria). La referencia es siempre el artículo original.

Ver fuente original ↗

LLMPaLM 2búsqueda evolutivageneración de códigooptimización algorítmica Google DeepMind bin packing combinatoria descubrimiento matemático FunSearch LLMs verificables

Relacionadas

Investigación

Google DeepMind desarrolla método automático para detectar comportamientos dañinos en LLMs

Google DeepMind ha publicado un paper que demuestra cómo utilizar modelos de lenguaje para generar automáticamente inputs que eliciten texto dañino en otros…

Por qué importaLa seguridad de modelos de lenguaje es crítica antes del despliegue en producción; automatizar la detección de fallos reduce costos de testing y…

Impacto alto Fiabilidad fuente primaria Relevancia 8/10 Google DeepMind
Investigación

Google DeepMind descubre nuevas singularidades en ecuaciones de dinámica de fluidos con IA

Google DeepMind ha publicado un nuevo método que descubre familias enteras de singularidades inestables en ecuaciones complejas de dinámica de fluidos (Euler…

Por qué importaEste avance demuestra cómo la IA puede acelerar investigación matemática rigurosa en problemas fundamentales de física e ingeniería que limitaban la…

Impacto alto Fiabilidad fuente primaria Relevancia 8/10 Google DeepMind
Investigación

Gemini Deep Think resuelve problemas de investigación en matemática, física e informática

Google DeepMind ha presentado avances de Gemini Deep Think en investigación científica de nivel profesional. El sistema, que en julio de 2025 logró medalla de…

Por qué importaDemuestra que IA de razonamiento profundo puede actuar como colaborador científico autónomo en investigación de frontera, no solo en problemas…

Impacto alto Fiabilidad confirmado por varias fuentes Relevancia 9/10 Google DeepMind

Co-Scientist de Google DeepMind conecta laboratorios de MIT y Boston Children's Hospital en investigación de ELA

Investigadores de MIT (Ritu Raman) y Boston Children's Hospital (Ryan Flynn) usaron la herramienta Co-Scientist de Google DeepMind para explorar nuevos…

Por qué importaIlustra cómo herramientas de IA científica pueden acelerar la fase de generación de hipótesis y facilitar colaboraciones interdisciplinares que de…

Impacto bajo Fiabilidad una fuente fiable Google DeepMind

Tu opinión

0 comentarios

Escribe un comentario

Sin registro. La primera vez te pediremos confirmar el correo y el comentario pasará por moderación; después se publican al momento si cumplen las normas y firmas con el mismo nombre. Se guarda un resumen de tu IP para evitar abusos.