Mientras la inteligencia artificial genera resultados matemáticos a un ritmo sin precedentes, la calidad de esas soluciones se ha convertido en una variable crítica. Empresas tecnológicas han publicado manuscritos que afirman resolver problemas complejos, pero la comunidad científica ha cuestionado su rigor, abriendo un debate sobre si las matemáticas pueden volverse víctimas del mismo deterioro de calidad que ha afectado a otros dominios donde la IA genera contenido masivo sin supervisión estructurada.

En ese contexto, una startup valuada en 1,600 millones de dólares está construyendo lo que describe como una base matemática verificable sobre la cual los sistemas de IA puedan desarrollar software confiable y, eventualmente, impulsar descubrimientos científicos. Su apuesta central: formalizar el Stacks Project, uno de los compendios matemáticos más extensos jamás elaborados, iniciado en 2005 como recurso de código abierto con contribuciones de matemáticos de todo el mundo, que abarca desde álgebra básica hasta geometría avanzada y teoría de números.

De 7,654 páginas a 16 millones de líneas de código verificado

El proceso consiste en traducir las aproximadamente 7,654 páginas del Stacks Project en cerca de 16 millones de líneas de código mediante una flota de agentes de IA que trabajan en paralelo. Los matemáticos reescriben las demostraciones en un lenguaje de programación específico, y un asistente de demostración revisa cada línea. Solo las demostraciones que superan esa revisión se consideran lógicamente válidas.

Este método, conocido como verificación formal, no es nuevo en ingeniería: se aplica para confirmar la funcionalidad de diseños de chips y ha detectado errores en software crítico de servicios gubernamentales. Lo que resulta inédito es su aplicación a escala sobre un cuerpo matemático de esta complejidad e interconexión.

El reto técnico: interdependencia de teoremas

La estructura del Stacks Project representa un desafío particular: cada resultado depende de los anteriores, lo que significa que cualquier error en la cadena puede invalidar miles de líneas de código subsecuentes. Mantener la integridad de todas esas conexiones a lo largo de 16 millones de líneas fue el principal obstáculo técnico que el equipo debió resolver antes de que el proyecto fuera viable.

Para abordarlo, se implementó una arquitectura de agentes flexible que permite trabajo paralelo con identificación autónoma de tareas, reduciendo los cuellos de botella propios de los enfoques secuenciales tradicionales en verificación matemática.

Implicaciones para el desarrollo de software y la IA

La relevancia estratégica de este esfuerzo trasciende las matemáticas puras. A medida que los sistemas de IA se integran en procesos de desarrollo de software, infraestructura crítica y toma de decisiones científicas, la confiabilidad de las bases matemáticas sobre las que operan se convierte en un factor de riesgo operativo. Una base formal verificada reduce la probabilidad de que errores matemáticos no detectados se propaguen a sistemas productivos.

En marzo de este año, la empresa aseguró una ronda Serie A de 200 millones de dólares liderada por una firma de capital de riesgo de primer nivel, señal de que el mercado reconoce el valor económico de garantizar la integridad matemática en un entorno donde la IA genera conocimiento a velocidad industrial pero sin mecanismos sistemáticos de validación.