FunSearch: Google DeepMind descubre nuevas soluciones en matemática con LLMs

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.
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.
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: 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
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…
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…
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…
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…
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.



