El profesor de estadística de la Universidad de Pensilvania, John Doe, ha utilizado el nuevo modelo GPT‑5.6 Sol Pro de OpenAI para refutar una conjetura central del método de Benjamini‑Hochberg en tan solo 90 minutos. La conjetura, que había resistido a los esfuerzos de la comunidad estadística durante 30 años, se basaba en la complejidad de controlar la tasa de descubrimientos falsos (FDR) en pruebas múltiples.

La conjetura en cuestión afirmaba que bajo ciertas condiciones de dependencia entre pruebas, el algoritmo clásico de Benjamini‑Hochberg no garantizaría un control estricto del FDR. Los estadísticos habían desarrollado cientos de trabajos teóricos y simulaciones, pero ninguno había logrado una demostración concluyente. Mientras tanto, el GPT‑5.5, la versión anterior, había intentado resolver el problema durante 20 horas sin éxito.

El modelo GPT‑5.6 Sol Pro combina técnicas de aprendizaje profundo con una arquitectura de razonamiento simbólico que permite a la IA “pensar” sobre relaciones matemáticas de manera más estructurada. Al introducir la conjetura y los supuestos de dependencia, el modelo generó una cadena de inferencias que culminó en una contra hurtura, demostrando que la conjetura era falsa bajo condiciones previamente no examinadas. La solución combina el método de Bonferroni modificado con un enfoque de control de errores de tipo I que no había sido propuesto antes.

Este resultado plantea una pregunta fundamental: ¿puede la inteligencia artificial crear conocimiento genuino o simplemente recombina información existente? La respuesta no es trivial. Por un lado, la IA está demostrando la capacidad de generar ideas novedosas que los humanos tardan años en descubrir. Por otro, estos hallazgos son el producto de una búsqueda exhaustiva a través de grandes bases de datos de literatura y un algoritmo que puede sintetizar información de forma rápida.

Para la comunidad académica, el progreso tiene implicaciones profundas. En primer lugar, la velocidad de descubrimiento se ha acelerado de décadas a minutos, lo que puedeSpace la investigación en campos donde el tiempo es crítico, como la epidemiología o la ingeniería de datos. En segundo lugar, el nuevo enfoque de GPT‑5.6 sugiere que las herramientas de IA podrían convertirse en co-investigadores, aportando hipótesis y soluciones que los humanos pueden validar y refinar.

Sin embargo, esta revolución no está exenta de desafíos. La reproducibilidad de los resultados generados por IA puede ser un problema si los procesos de razonamiento no son transparentes. Además, la comunidad debe establecer estándares éticos para la aceptación de hallazgos que provienen de sistemas que no pueden ser interrogados con la misma profundidad que un profesor humano.

En el contexto de la IA generativa, el caso de GPT‑5.6 resalta la necesidad de una colaboración estrecha entre estadísticos, informáticos y expertos en IA. La validación de nuevas teorías requerirá un enfoque interdisciplinar donde la IA actúa como un catalizador, pero la interpretación y la verificación siguen siendo responsabilidad humana.

En conclusión, la refutación de una conjetura estadística de 30 años en 90 minutos gracias a GPT‑5.6 Sol Pro no solo marca un hito en la teoría estadística, sino que también reconfigura la relación entre la ciencia y la inteligencia artificial. Si bien la velocidad de descubrimiento se acelera, también debe acompañarse de marcos de responsabilidad y transparencia para asegurar que el conocimiento generado sea robusto y útil para la sociedad.