
La semana en que los imposibles dejaron de serlo
Hubo una semana, a finales de abril de 2026, en que cayeron sin desfile varios muros que llevaban tiempo de pie. Un joven de veintitrés años le pidió ayuda a un chatbot con un problema de teoría de números de sesenta años de antigüedad y obtuvo una respuesta verdadera. Un algoritmo más viejo que las misiones a la Luna fue superado por un programa que diseña otros programas. Un laboratorio de Cambridge le enseñó a una máquina a hacer el método científico por su cuenta. Una niña que habría crecido sorda escucha por primera vez la voz de su madre. Un ensayo clínico que estuvo a punto de cerrarse volvió a empezar. Ninguna de estas cosas, por sí sola, alarmaría a nadie. Tomadas en conjunto, son una especie de informe semanal sobre cómo se ve hoy la reparación.
Un joven sin formación matemática avanzada abrió un chatbot e hizo una pregunta. Se llama Liam Price, tiene veintitrés años y el chatbot era el GPT-5.4 Pro de OpenAI. La pregunta tenía que ver con el Problema 1196 de Erdős, una conjetura de hace sesenta años de Erdős, Sárközy y Szemerédi sobre los conjuntos primitivos — conjuntos de números enteros en los que ningún número divide a otro. Después de unos ochenta minutos de razonamiento interno, el modelo entregó una demostración. No la resolvió por fuerza bruta. Introdujo una construcción de cadenas de Markov con pesos de von Mangoldt — una herramienta que vive en una esquina vecina de la teoría de números y que, como dijo Jared Lichtman, de Oxford, ningún humano había pensado en cruzar la calle a buscar. Lichtman la llamó «el primer resultado de IA al nivel del Libro de Erdős». Una pequeña nota al margen: un investigador en IA le había regalado a Price una suscripción a ChatGPT y llamaba a lo que estaba haciendo «vibe-mathing». El vibe-mathing tiene ya una cita académica.
Durante cincuenta y seis años, la respuesta a una pregunta concreta sobre la multiplicación de matrices fue la de Strassen. Volker Strassen había mostrado en 1969 que se podían multiplicar matrices de 2×2 con siete multiplicaciones escalares en lugar de ocho, y el fantasma recursivo de ese resultado fijó el techo de eficiencia de todos los chips de aprendizaje automático que se han fabricado desde entonces. Este mes el muro se movió. AlphaEvolve, de Google DeepMind — un agente impulsado por Gemini que escribe y prueba sus propios algoritmos en bucle — encontró la manera de multiplicar matrices complejas de 4×4 con cuarenta y ocho multiplicaciones escalares en vez de cuarenta y nueve. Una multiplicación. La clase de mejora que suena a nada hasta que uno recuerda que cada entrenamiento, cada inferencia, cada modelo que cualquiera está usando se apoya encima de ella. Al mismo agente lo pusieron a trabajar en más de cincuenta problemas abiertos de análisis, geometría y combinatoria, y mejoró la mejor respuesta conocida en el veinte por ciento de los casos. Es, en una frase que a Lewis Thomas le habría gustado, una clase de célula que acaba de aprender un truco nuevo de reparación.
Tres millones de dólares y seis meses, contra dos mil cien millones de dólares y una década. Esa es la comparación que le gusta hacer a Lila Sciences sobre su programa de terapia con células CAR-T, y vale la pena detenerse en ella porque los números no parecen una errata. Lila es una empresa de Flagship Pioneering — la misma firma que construyó Moderna — y la dirige Geoffrey von Maltzahn. Su premisa es que el cuello de botella de la ciencia moderna no son las ideas sino los ciclos, y que una IA que ejecuta el método científico de manera autónoma, las veinticuatro horas, en química, materiales y biología, hará que el conocimiento se acumule con el interés compuesto del que hablaba Charlie Munger. Acaban de cerrar una Serie A de doscientos treinta y cinco millones de dólares, encima de los doscientos millones iniciales. Su programa de mRNA reporta una expresión que dura quince días, donde los enfoques convencionales llegan a uno y medio. Trescientas mil variantes de diseño contra trece. Llevamos años discutiendo si la IA ayudaría a la ciencia. La pregunta hoy es qué hacer con un colega que nunca duerme.
Cincuenta bebés al año. El tipo de cifra que no se gana una rueda de prensa propia. Nacen en Estados Unidos con una mutación particular en un gen llamado OTOF, y hasta este mes habrían crecido sordos o casi. El veintitrés de abril, la Food and Drug Administration aprobó Otarmeni — el lunsotogene parvec-cwha, de Regeneron — la primera terapia génica de la historia para una forma de pérdida auditiva genética. La molécula es un virus adenoasociado dual que lleva una copia sana del gen OTOF. El procedimiento es una pequeña cirugía, parecida a la de los implantes cocleares, pero no deja nada dentro del oído. Lo poco común de esta aprobación es la velocidad: sesenta y un días desde la presentación de la Solicitud de Licencia Biológica hasta el visto bueno, bajo un programa nuevo llamado Commissioner's National Priority Voucher. El medicamento se ofrecerá sin costo a las familias elegibles. Los bebés, claro, no se enteran de nada de esto. Simplemente descubrirán, en algún momento de su primer año, que pueden oír la voz de su madre.
La historia se cierra con un ensayo que estuvo a punto de morir. En octubre de 2025, la FDA suspendió por motivos clínicos el programa MAGNITUDE, de Intellia Therapeutics — el ensayo de fase 3 in vivo con CRISPR para la amiloidosis por transtiretina, esa enfermedad lenta y mortal en la que una proteína mal plegada se le va apilando al corazón y a los nervios. Un paciente había desarrollado elevaciones de enzimas hepáticas grado cuatro. La mayoría de las empresas, la mayoría de los medicamentos, no regresan de una suspensión así. La agencia levantó la suspensión del brazo de polineuropatía en enero, y la del brazo cardíaco en marzo, con un esquema reforzado de monitoreo de seguridad. Los datos de fase 1 a largo plazo siguen mostrando reducciones profundas y duraderas de la proteína culpable a partir de una sola dosis. Hemos visto este patrón antes en biología — un sistema que sale de la pista, una corrección razonable, un regreso al camino. La terapia todavía puede fracasar. Lo que importa hoy es que se le permite seguir intentándolo.