IA en la Olimpiada de Matemáticas: Una Nueva Era en la Resolución de Problemas Matemáticos La OIM ha sido durante mucho tiempo la competencia de matemáticas más dura del mundo para los mejores estudiantes. Ahora, también se está convirtiendo en un referente para el razonamiento de la IA.👇

Este año marcó un hito: Los modelos de IA de Google DeepMind y OpenAI alcanzaron un rendimiento de medalla de oro en problemas de IMO, el mismo nivel que los mejores concursantes humanos. Un verdadero salto en la capacidad de la IA para razonar a través de matemáticas abstractas.

Cronología de eventos: > Viernes: Se filtró la noticia sobre el rendimiento de medalla de oro de DeepMind > Sábado 1am: OpenAI anunció los resultados antes de la confirmación oficial > Lunes: DeepMind confirmó oficialmente el estatus de medalla de oro con soluciones elegantes completamente verificadas por los oficiales de la IMO. Sus soluciones eran más elegantes y rigurosamente comprobadas.

Cambio tecnológico de 2024 a 2025 El año pasado: los modelos de IA como AlphaGeometry necesitaban traducción de dominio (Lean, etc.) + 2-3 días de cómputo. Este año: los modelos de Gemini y OpenAI resolvieron problemas de extremo a extremo en lenguaje natural, dentro del límite de 4,5 horas de la OMI.

Diferencias de estilo Respuestas de OpenAI: > Lógicamente sólidas, pero desordenadas > Carecían de estructura, abusaban de términos como "prohibido" > Más de 400 líneas para algunos problemas > No legibles para humanos Pruebas de Gemini: > Elegantes y claras, los evaluadores de IMO dijeron que eran "fáciles de seguir" > Podrían pasar como escritas por humanos

El problema 2 (Geometría) mostró la brecha: OpenAI utilizó geometría de coordenadas de fuerza bruta → prueba correcta pero torpe de 442 líneas Gemini de DeepMind utilizó la persecución de ángulos y el teorema de Sylvester → solución concisa y perspicaz que reflejaba a un humano experto.

Por qué Gemini tuvo éxito > Pensamiento paralelo: Explorando múltiples caminos de solución simultáneamente > Nuevas técnicas de aprendizaje por refuerzo que mejoran el razonamiento de varios pasos > Acceso a soluciones matemáticas cuidadosamente seleccionadas y consejos estratégicos

¿El enfoque de OpenAI? RL de propósito general + escalado de computación en el momento de la prueba.

Lo que esto significa Resolver problemas de la OMI es impresionante, pero las matemáticas reales son más profundas: > Razonamiento abstracto > Creación de conceptos > Investiga la intuición Todavía no hemos llegado a ese punto, pero este es un verdadero paso adelante.

Para impulsar realmente las capacidades matemáticas de IA, necesitaremos: > Funciones de recompensa granulares > Pipelines especializados de RL > O tal vez... Una técnica comodín que nadie vio venir

A medida que la IA avanza en matemáticas, ciencia e investigación, la necesidad de computación explota. Por eso, el acceso a una infraestructura de GPU asequible y escalable es fundamental. Hagamos que ese futuro sea accesible para todos.

Consulta el blog completo aquí:

Nuestro podcast completo con Latent Space aquí: