Dos de los laboratorios de inteligencia artificial más influyentes del mundo afirman haber desarrollado modelos capaces de refutar la Hipótesis del Tiempo Exponencial (ETH, por sus siglas en inglés), uno de los fundamentos más sólidos de la informática teórica moderna. Si las pruebas se sostienen bajo escrutinio académico, el impacto se extendería mucho más allá de las matemáticas: tocaría directamente los cimientos de la criptografía, la seguridad de datos y la arquitectura de sistemas computacionales a escala global.

Qué es la ETH y por qué importa en la práctica

La Hipótesis del Tiempo Exponencial forma parte del problema no resuelto más importante de la informática: P vs NP. En términos operativos, la pregunta es si los problemas cuya solución puede verificarse rápidamente —como completar un Sudoku o validar una firma digital— también pueden resolverse rápidamente. La ETH, formulada en 1999 por los científicos Russell Impagliazzo y Ramamohan Paturi de la Universidad de California en San Diego, establece que los algoritmos más eficientes para resolver ciertos rompecabezas lógicos complejos requieren tiempo exponencial: es decir, el tiempo de cómputo crece de forma desproporcionada con el tamaño del problema.

Esta hipótesis es la razón por la que los sistemas criptográficos actuales funcionan: si descifrar una clave requiere tiempo exponencial, los datos están protegidos en la práctica. Una refutación confirmada cambiaría esa premisa de manera estructural.

El debate científico que rodea las afirmaciones

La reacción de la comunidad académica ha sido cautelosa. El matemático Levent Alpöge, vinculado a Anthropic, señaló que al menos uno de los laboratorios se apoyó en trabajos previos sin el reconocimiento adecuado. El profesor Ryan Williams del MIT —una de las autoridades mundiales en complejidad computacional— describió el método de entrega de pruebas como un "ataque DDoS a los matemáticos", en referencia al volumen y la velocidad con que se publicó el material en GitHub sin los canales de revisión tradicionales. Aun así, Williams aceptó colaborar en la interpretación de los resultados.

Este proceso ha generado un debate paralelo sobre las normas de contribución de la inteligencia artificial a la ciencia: quién valida, cómo se atribuye el crédito y qué estándares de publicación aplican cuando el autor es un sistema automatizado. Tres grupos de trabajo —matemáticos, científicos en computación y físicos— se han organizado de forma independiente para evaluar las pruebas y definir protocolos de revisión.

Implicaciones si la refutación se confirma

Si los modelos de IA efectivamente resuelven problemas de satisfacibilidad en tiempo sub-exponencial —más rápido de lo que la ETH considera posible—, el camino hacia una demostración de que P = NP se volvería técnicamente plausible por primera vez en décadas. El propio Williams afirmó que "cada científico de la computación debería considerar más seriamente la plausibilidad de que P = NP".

Las consecuencias prácticas son de largo alcance. Los algoritmos de cifrado que protegen transacciones financieras, comunicaciones corporativas y datos sensibles están diseñados bajo el supuesto de que P ≠ NP. Una ruptura de ese supuesto no significaría el colapso inmediato de la seguridad digital, pero sí obligaría a replantear la arquitectura de protección de datos con una urgencia que hoy no existe en la mayoría de las organizaciones.

Por ahora, la comunidad científica espera la publicación formal de las pruebas completas. Lo que ya es un hecho es que la inteligencia artificial ha entrado al territorio de la matemática de frontera —y que las reglas de ese territorio aún están por definirse.