El otoño pasado, Carina Hong, estudiante de doctorado en la Universidad de Stanford, pasaba los fines de semana en una cafetería Verve Coffee Roasters cercana al campus, donde se sumergía en artículos de investigación matemática. En una de las mesas compartidas, empezó a charlar con Shubho Sengupta, investigador de inteligencia artificial en Meta, que trabajaba en grandes modelos de lenguaje para pruebas de software. La conversación se extendió durante horas. Hablaron sobre la conexión entre sus áreas de estudio y la posibilidad de crear una inteligencia artificial capaz de resolver los problemas matemáticos más complejos del mundo y, además, de descubrir otros nuevos.
Poco después, Hong dejó Stanford para fundar Axiom Math, una startup en etapa inicial que busca crear un "matemático de IA": un modelo capaz de resolver problemas matemáticos complejos, generar pruebas detalladas de cada paso hasta la respuesta y verificar su propio trabajo. La idea consiste en traducir las matemáticas escritas en inglés, provenientes de libros de texto, artículos archivados y revistas, en un programa de software que permita a la inteligencia artificial crear nuevos problemas, cuyas soluciones puedan probarse y verificarse formalmente. Aspira a que el modelo sea capaz de producir conocimiento completamente nuevo al proponer conjeturas, es decir, teorías que parecen ciertas, pero que todavía no fueron demostradas matemáticamente.
"Las matemáticas son el entorno ideal para desarrollar superinteligencia", declaró Hong a Forbes. Su startup, valuada en US$ 300 millones, ya recaudó US$ 64 millones en una ronda de financiación inicial liderada por B Capital, con participación de firmas de capital de riesgo como Greycroft, Madrona y Menlo Ventures.
En menos de un año, Hong sumó a varios expertos con trayectoria en tecnología a su joven startup, muchos de ellos provenientes del laboratorio de investigación en inteligencia artificial Fundamental AI Research (FAIR) de Meta. Entre los 10 empleados que trabajan a tiempo completo en Axiom Math están Francois Charton, quien investigó el uso de grandes modelos de lenguaje aplicados a las matemáticas y la física teórica en Meta, y el año pasado resolvió un problema matemático que llevaba 100 años sin respuesta; Aram Markosyan, científico especializado en inteligencia artificial que lideró investigaciones sobre seguridad y equidad en Meta; y Hugh Leather, ex investigador en IA de la misma compañía, pionero en aplicar el aprendizaje profundo a la generación de código.
Estos movimientos llegaron luego de que Meta ofreciera paquetes salariales de US$ 100 millones para atraer a los mejores talentos en inteligencia artificial de OpenAI y otros laboratorios avanzados. Sin embargo, y a pesar de ese esfuerzo por contratar figuras clave, la empresa sigue perdiendo investigadores fundamentales en el área, según informó Forbes.
Para muchos investigadores, el objetivo de Axiom Math de aplicar inteligencia artificial al descubrimiento matemático fue determinante. En la oficina de la startup en Palo Alto, las salas de reuniones llevan el nombre de figuras como Carl Friedrich Gauss y Ada Lovelace, un detalle que refuerza esa visión. "Para mí, fue la posibilidad de aplicar IA a las matemáticas en una empresa que se lo tomaba en serio y no lo consideraba una actividad secundaria", dijo Charton.
Hong, de 24 años, tiene una trayectoria académica destacada. Nació en Cantón, China, y desde chica se interesó por las matemáticas. Estudió matemáticas y física en el MIT, donde escribió nueve artículos de investigación y cursó 20 materias de matemáticas avanzadas. En 2023, recibió el Premio Frank y Brennie Morgan, el reconocimiento más importante que se otorga a una estudiante de grado por su trabajo en teoría de números y probabilidad. Luego, como becaria Rhodes en la Universidad de Oxford, obtuvo una maestría en neurociencia computacional.
Aunque Axiom avanzó rápido, Hong enfrenta una competencia fuerte. Gigantes de la inteligencia artificial como OpenAI y Google DeepMind ganaron recientemente medallas de oro en la Olimpiada Internacional de Matemáticas, una de las competencias más reconocidas del mundo, luego de que sus modelos resolvieran cinco de seis problemas extremadamente difíciles. Sin embargo, Hong advirtió que ese tipo de pruebas pueden manipularse y no representan el nivel de exigencia propio de la investigación matemática.
Por ahora, Axiom trabaja en entrenar modelos capaces de identificar nuevos problemas matemáticos y resolverlos con precisión. Pero sus investigadores esperan que los avances también puedan aplicarse a otros campos, como el análisis de números financieros, el diseño de aviones, la arquitectura de chips e incluso el comercio cuantitativo. "Resolver problemas matemáticos complejos fue clave en muchas invenciones humanas", señaló Yan-David Erlich, socio de B Capital. "Poder crear nuevos problemas que modelen la realidad y luego resolverlos es crucial para el avance del conocimiento humano".
Nota publicada en Forbes US.
