GPT-5.2 obtiene nuevos resultados en física teórica

• GPT‑5.2 propuso una nueva fórmula para las amplitudes de dispersión de gluones, mediadores de la fuerza nuclear fuerte, y posteriormente modelos internos de OpenAI e investigadores la demostraron y verificaron
• Antes se creía que ciertas combinaciones de helicidad en las interacciones de gluones no ocurrían, pero la investigación confirmó que son distintas de cero en condiciones específicas de momento (región half-collinear)
• GPT‑5.2 Pro simplificó complejas expresiones de cálculo de diagramas de Feynman y derivó patrones y fórmulas generalizables
• Un GPT‑5.2 con scaffolding interno derivó de forma independiente la misma fórmula tras unas 12 horas de razonamiento y completó una demostración formal
• Este estudio es evaluado como un caso que muestra que la colaboración entre IA e investigadores humanos puede crear nuevo conocimiento en física teórica

---

Nueva fórmula de amplitud de gluones propuesta por GPT‑5.2

• En un nuevo preprint, GPT‑5.2 propuso una fórmula para las amplitudes de dispersión de gluones, que luego fue demostrada y verificada por modelos internos de OpenAI e investigadores
  • El título del artículo es “Single-minus gluon tree amplitudes are nonzero”
  • El trabajo fue publicado en arXiv y se está preparando para su publicación en una revista académica
• La investigación trata sobre los gluones, mediadores de la fuerza nuclear fuerte, y revierte la expectativa previa de que cierta interacción de partículas no ocurría
  • Antes se consideraba que, en una combinación con un gluón de helicidad negativa y el resto de helicidad positiva, la amplitud a nivel árbol era 0
  • Sin embargo, el equipo calculó que esta amplitud no es 0 en la región de momento half-collinear

Nuevo hallazgo en la región half-collinear

• La afirmación previa se basaba en el supuesto de que los momentos de las partículas tenían direcciones y energías generales
  • El equipo identificó un slice específico del espacio de momentos donde ese supuesto no aplica
• half-collinear se refiere al caso en que los momentos de los gluones satisfacen una condición específica de alineación, con una definición matemáticamente consistente
• En esta región, calcularon que la amplitud no desaparece y obtuvieron su valor bajo condiciones cinemáticas especiales
• Este resultado se planea extender en el futuro a cálculos de amplitudes de gravitones (graviton), entre otros

El papel de GPT‑5.2 y el proceso de cálculo

• GPT‑5.2 Pro primero infirió la fórmula en la forma de Eq.(39)
  • Los investigadores humanos presentaron expresiones complejas calculadas a mano para valores pequeños de n (Eq.29–32)
  • GPT‑5.2 Pro las simplificó y las transformó en una forma concisa (Eq.35–38), encontrando un patrón generalizable
• Un GPT‑5.2 con scaffolding interno derivó de forma independiente la misma fórmula durante unas 12 horas y completó una demostración formal
  • Se verificó analíticamente que esta fórmula satisface la recurrencia de Berends–Giele
  • Además, mediante la verificación del soft theorem, se confirmó que coincide con el comportamiento cuando una partícula se vuelve soft

Expansión de la investigación y perspectivas futuras

• Con ayuda de GPT‑5.2, el cálculo de amplitudes de gluones se extendió a amplitudes de gravitones
• Se están realizando estudios adicionales de generalización, y en el futuro también se reportarán otros resultados de investigación asistida por IA
• Este estudio muestra que la IA puede contribuir de manera real a descubrir nuevas estructuras matemáticas en física teórica

Evaluación de los físicos

• Nima Arkani-Hamed (Institute for Advanced Study) destacó el fenómeno de que expresiones de cálculo complejas puedan organizarse en una forma simple,
  y señaló que una fórmula simple puede ser el punto de partida para descubrir nuevas estructuras físicas
  • También afirmó que desde hace tiempo esperaba que este proceso de simplificación pudiera automatizarse mediante computadoras
• Nathaniel Craig (UC Santa Barbara) evaluó este trabajo como una “investigación de nivel académico que amplía la frontera de la física teórica”
  • Subrayó que la colaboración entre GPT‑5.2 e investigadores humanos produjo nuevas ideas científicas en una forma verificable
  • Confirmó que el diálogo entre físicos y LLM puede conducir a la creación de conocimiento fundamentalmente nuevo

[GN⁺]

Comentarios en Hacker News

• Viendo solo el título del artículo, parece que la IA descubrió por sí sola un nuevo resultado en física, pero en realidad los humanos plantearon el problema y GPT encontró la solución simplificando ecuaciones complejas

  • GPT Pro trabajó en esto durante 12 horas y, según mi experiencia, los LLM pueden crear cosas nuevas como combinaciones lineales de elementos existentes, pero todavía les cuesta crear algo completamente nuevo en un dominio inexplorado
  • Los humanos habían calculado complejos diagramas de Feynman hasta n=6, pero no habían encontrado una fórmula general; GPT fue quien simplificó y generalizó el problema
  • Aun así, ya había investigaciones similares sobre este resultado en 1986
  • Como entre los investigadores están físicos reconocidos como Guevara, Lupsasca, Skinner y Strominger, sería difícil que un usuario común lo reproduzca solo con prompts
  • También hay quien opina que la diferencia entre “combinación de cosas existentes” y “first principles” es ambigua, y que incluso los humanos rara vez hacen descubrimientos completamente nuevos
  • Usando como ejemplo las etapas de evolución de los motores de ajedrez, algunos creen que los LLM eventualmente llegarán a la Etapa 4, en la que superarán a los humanos

• Cada vez que surge un nuevo avance en IA, hay mucha gente que lo minimiza diciendo que “esto no es una innovación real”

  • Por ejemplo, incluso en el caso de GPT‑5.2 resolviendo un problema de Erdős, algunos afirmaron saber más que el medallista Fields Terence Tao
  • Por otro lado, también se señala que estos resultados están exagerados: en realidad se apoyaron en papers existentes o en herramientas no‑IA como Aristotle
  • El exceso de hype de IA sobre una innovación inminente también es un problema, y hace falta un análisis objetivo
  • Otra mirada sostiene que la percepción negativa crece porque la gerencia usa estos logros para imponer IA o justificar despidos
  • También hay quienes opinan que muchas personas reaccionan a la defensiva por la ansiedad de sentir amenazadas sus carreras
  • Más que decir que “la IA tuvo una intuición”, en muchos casos lo que pasó fue que los humanos marcaron la dirección y la IA hizo los cálculos
  • También se analiza que, muchas veces, los resultados están inflados y en realidad se quedan en el nivel de simplificación y generalización de fórmulas

• Es impresionante que GPT‑5.2 haya razonado sobre el problema durante 12 horas para derivar fórmulas y demostraciones

  • Personalmente, al usar GPT‑5.2 Thinking Extended me dio la impresión de que puede mantener un razonamiento matemático consistente durante largos períodos
  • La versión 5.3 y codex CLI son muy buenas manejando estado y manteniendo contexto, y se sospecha que deben tener algún algoritmo interno de compresión para ejecuciones largas
  • Incluso después del límite de 30 minutos, se puede volver a pedir manualmente y continuar el trabajo

• La IA puede ser una herramienta multiplicadora de productividad para personas expertas

  • Como en el caso del compilador en C de Anthropic, la estructura consiste en que el humano define el problema y diseña las pruebas, mientras la IA hace el trabajo repetitivo
  • Se critica que la narrativa de “la IA reemplaza a los humanos” se parece más a marketing para captar atención y financiamiento y termina ocultando el esfuerzo de los investigadores reales
  • Sin embargo, también existe la preocupación realista de que, si un equipo completo es reemplazado por una sola persona con IA, eso igual implica una pérdida del 90% de los empleos
  • Por ahora, los humanos siguen encargándose del último 10% de definición del problema o verificación, pero algún día incluso eso podría ser reemplazado
  • Algunos se muestran escépticos y dicen que los resultados fueron exagerados, y que el rendimiento real fue mucho peor de lo que sugerían los medios
  • Aunque se habla de “multiplicador de productividad”, hay opiniones cínicas que dicen que en realidad apenas es un multiplicador dentro del rango [0;1)

• Más que decir que GPT‑5.2 obtuvo “por sí solo” un nuevo resultado en física, se parece más a que colaboró con humanos para demostrar una fórmula generalizada

  • Si se revisa el paper, la contribución de GPT es suficiente para atribuirle autoría, pero el título da una impresión exagerada

• Ya antes hubo afirmaciones de que ChatGPT había resuelto un problema de Erdős, pero faltó verificación

  • En realidad OpenAI no hizo esa afirmación, y en algunos problemas sí ha habido casos en los que un LLM hizo una contribución original
  • La combinación con herramientas de verificación formal como Lean sigue siendo impresionante
  • Este estudio no es simple marketing, sino un intento serio en el que participaron físicos reales

• Se sostiene que la “intuición” humana al final no es más que una nueva combinación de elementos existentes

  • Por ejemplo: nieve + palo + necesidad de limpiar = pala para nieve; pala para nieve + colina + deseo de diversión = trineo; la explicación es que la creatividad surge de la combinación
  • Antes se decía que con programas lineales no se podía hacer “arte de verdad”, pero ahora sí es posible
  • La voluntad de proteger la creatividad humana es fuerte, pero la evidencia es débil
  • Algunas personas defienden moralmente el valor de la existencia humana, pero también hay una postura filosófica que dice que, incluso si la IA supera a los humanos en todas las áreas, igual habría que reconocer el valor intrínseco de la existencia humana

• El título lleva a confusión: en realidad GPT‑5.2 solo generalizó una fórmula que los físicos ya habían conjeturado, y no se trata de un descubrimiento nuevo de la física en sí

• En la investigación real, los humanos definieron el problema, hicieron los cálculos básicos y verificaron los resultados

  • GPT solo hizo una especie de refactorización de fórmulas, algo más cercano al papel de un compilador que al de un físico
  • Habría que evitar los titulares científicos exagerados

• Es un resultado impresionante, pero de ahora en adelante serán indispensables sistemas de verificación y auditoría para las afirmaciones científicas generadas por IA

  • Habrá que dejar claro por qué datos y procesos de razonamiento se pasó, y si existe reproducibilidad; para eso hacen falta herramientas de investigación adecuadas

[wkdwls7933]

Parece que escribiste algo largo, pero te recomiendo pensar con calma si los puntos que planteaste
realmente son por los demás
o si en parte son una forma de justificarte a ti mismo.

[wkdwls7933]

¿Para qué?