IA ; Avances en Connes’s rigidity conjecture — Conjetura de rigidez de Connes.

 Connes’s rigidity conjecture — conjetura de rigidez de Connes.

Aquí el resultado es muy potente porque no trata de geometría ni de códigos, sino de algo más abstracto: si un grupo puede ser reconstruido a partir del “objeto analítico” que genera.

La idea central:

La IA habría construido grupos distintos que, vistos desde sus álgebras de von Neumann, parecen exactamente el mismo grupo. Eso refuta la esperanza de Connes de que cierta clase de grupos rígidos estuviera determinada por su álgebra.

1. Qué decía la conjetura

Para cada grupo discreto $𝐺$, se puede construir su álgebra de von Neumann de grupo, escrita:

$$𝐿(𝐺)$$

Sin entrar demasiado en tecnicismos, $𝐿(𝐺)$ es como una “sombra analítica” del grupo: en vez de mirar directamente los elementos y multiplicaciones de $𝐺$, se mira el álgebra de operadores que el grupo genera actuando sobre un espacio de Hilbert.

La conjetura de Connes decía, aproximadamente:

Si $𝐺$ y $𝐻$ son grupos ICC con propiedad $𝑇$, y sus álgebras de von Neumann son isomorfas, entonces los grupos originales también deberían ser isomorfos.

En fórmula:

$$𝐿(𝐺)\cong 𝐿(𝐻)\Rightarrow 𝐺\cong 𝐻$$

para grupos ICC con propiedad $𝑇$. El manuscrito de OpenAI sitúa esta conjetura en trabajos de Connes de 1980, 1982 y en su monografía de 1994.

2. Qué significa ICC y propiedad $𝑇$

ICC significa que todo elemento no trivial tiene una clase de conjugación infinita. Esta condición garantiza que $𝐿(𝐺)$ sea un factor de tipo $𝐼{𝐼}_1$, una clase central en álgebras de von Neumann.

Propiedad $𝑇$, de Kazhdan, es una propiedad de rigidez. Intuitivamente, un grupo con propiedad $𝑇$ no admite casi-simetrías blandas: si una representación tiene vectores casi invariantes, entonces tiene vectores verdaderamente invariantes.

Por eso la conjetura parecía razonable:

si un grupo es muy rígido, quizá su álgebra de von Neumann debería conservar suficiente información para reconstruirlo.

La IA habría demostrado que no.

3. Qué construyó la IA

El resultado principal afirma que existen grupos:

$$\mathrm{\Lambda },{\mathrm{\Gamma }}_0,{\mathrm{\Gamma }}_1,{\mathrm{\Gamma }}_2,\dots$$

tales que:

$$𝐿({\mathrm{\Gamma }}_{𝑛})\cong 𝐿(\mathrm{\Lambda })$$

para todo $𝑛$, pero los grupos ${\mathrm{\Gamma }}_{𝑛}$ son no isomorfos entre sí. Además, todos son finitamente generados, ICC y tienen propiedad $𝑇$.

Esto no solo refuta la conjetura original. También responde negativamente a una pregunta relacionada de Sorin Popa: si el functor $𝐺\mapsto 𝐿(𝐺)$ podía tener fibras finitas dentro de esta clase rígida. El paper afirma que la fibra puede ser infinita numerable, y que con ello se alcanza el límite de numerabilidad conocido por Popa.

En lenguaje simple:

no hay solo dos grupos distintos con la misma “sombra analítica”; hay infinitos.

4. La idea clave: el álgebra recuerda la acción medible, no toda la ley de grupo

Este es el corazón conceptual.

Para un producto semidirecto:

$$𝐴⋊𝐾$$

donde $𝐴$ es abeliano y $𝐾$ actúa sobre $𝐴$, la transformada de Fourier permite escribir:

$$𝐿(𝐴⋊𝐾)\cong {𝐿}^{\mathrm{\infty }}(\widehat{𝐴},{𝜇}_{\widehat{𝐴}})⋊𝐾$$

La parte decisiva es esta:

el crossed product recuerda el espacio de probabilidad $\widehat{𝐴}$, su medida de Haar y la acción medible de $𝐾$, pero no necesariamente recuerda la ley de grupo compacta de $\widehat{𝐴}$.

El propio manuscrito lo formula así: el crossed product recuerda el espacio de Haar y la acción de $𝐾$, pero no tiene por qué recordar la ley de grupo compacta subyacente.

Ese es el truco profundo:

construir dos grupos compactos distintos sobre el mismo espacio medible, con la misma acción de $𝐾$, de modo que sus álgebras de von Neumann coincidan, aunque los grupos discretos duales sean diferentes.

5. La analogía sencilla: mismo tablero, distinta suma

Imagina un conjunto de cuatro puntos. Puedes darle dos estructuras de grupo diferentes:

Una es el grupo de Klein:

$$\mathbb{𝑍}\mathrm{/}2\mathbb{𝑍}\times \mathbb{𝑍}\mathrm{/}2\mathbb{𝑍}$$

Otra es:

$$\mathbb{𝑍}\mathrm{/}4\mathbb{𝑍}$$

Como espacio con cuatro puntos y medida uniforme, ambos son iguales. Pero como grupos, no son iguales: uno tiene todos sus elementos de orden 2; el otro tiene un elemento de orden 4.

La IA generaliza esa idea de forma infinita y compatible con una acción rígida de $𝐾$. El paper usa exactamente esta intuición: la suma coordenada da el grupo de Klein, mientras que una suma con “acarreo binario” produce $\mathbb{𝑍}\mathrm{/}4\mathbb{𝑍}$, ambos sobre el mismo espacio uniforme.

6. El “binary carry”: el acarreo binario

La construcción usa una estructura sobre característica 2. Toma:

$$𝑉={\mathbb{𝐹}}_2[𝑡{]}^4$$

y construye un módulo cuadrático:

$$𝐵={\mathrm{span}}_{{\mathbb{𝐹}}_2}\{𝑣\otimes 𝑣:𝑣\in 𝑉\}$$

Luego forma el módulo partido:

$$𝐷=𝑉\oplus 𝐵$$

Este $𝐷$ tiene exponente 2: todos sus elementos se comportan como elementos de orden 2.

Pero la IA introduce una segunda ley de grupo sobre el mismo espacio de coordenadas $𝑋\times 𝑌$. En lugar de sumar simplemente:

$$(\mathrm{\ell },𝑞)+({\mathrm{\ell }}^{\mathrm{\prime }},{𝑞}^{\mathrm{\prime }})$$

introduce una corrección:

$$(\mathrm{\ell },𝑞)?({\mathrm{\ell }}^{\mathrm{\prime }},{𝑞}^{\mathrm{\prime }})=(\mathrm{\ell }+{\mathrm{\ell }}^{\mathrm{\prime }},𝑞+{𝑞}^{\mathrm{\prime }}+{𝑟}_{\mathrm{\ell },{\mathrm{\ell }}^{\mathrm{\prime }}})$$

Ese término extra ${𝑟}_{\mathrm{\ell },{\mathrm{\ell }}^{\mathrm{\prime }}}$ es el acarreo binario. Es el mismo fenómeno que cuando en aritmética binaria $1+1$ no da simplemente 0, sino 0 con acarreo. El walkthrough de OpenAI lo identifica como el avance conceptual: la identidad sobre las coordenadas es un isomorfismo de espacios de probabilidad equivariantes, pero no un isomorfismo de leyes de grupo; el acarreo es invisible para la acción medible y visible para el dual discreto.

Dicho en lenguaje RMS:

el sistema observable es el mismo, pero el mecanismo interno de composición es diferente.

7. Por qué los grupos tienen la misma álgebra

Se construyen dos productos semidirectos:

$$\mathrm{\Lambda }=𝐷⋊𝐾$$

y

$${\mathrm{\Gamma }}_0=𝐸⋊𝐾$$

donde $𝐸$ es el dual discreto de la versión con acarreo.

Como los espacios compactos duales tienen la misma medida de Haar y la misma acción medible de $𝐾$, sus crossed products coinciden. Por Fourier:

$$𝐿({\mathrm{\Gamma }}_0)\cong 𝐿(\mathrm{\Lambda })$$

El punto decisivo es que el isomorfismo medible no tiene que respetar la ley de grupo compacta. Para el álgebra de von Neumann basta con que preserve la medida y la acción.

8. Por qué los grupos no son isomorfos

Aunque las álgebras coinciden, los grupos tienen una diferencia algebraica real.

En ${\mathrm{\Gamma }}_0$, por culpa del acarreo binario, aparece un elemento de orden 4.

En $\mathrm{\Lambda }$, no puede aparecer ese tipo de torsión: $𝐷$ tiene exponente 2 y el grupo $𝐾$ se construye torsion-free, es decir, sin torsión. El manuscrito señala que esa diferencia de torsión distingue los dos grupos.

Por tanto:

$$𝐿({\mathrm{\Gamma }}_0)\cong 𝐿(\mathrm{\Lambda })$$

pero:

$${\mathrm{\Gamma }}_0\cong ̸\mathrm{\Lambda }$$

Eso ya refuta la conjetura de Connes.

9. Por qué hace falta elegir muy bien $𝐾$

La parte delicada era no perder las hipótesis de la conjetura: ICC y propiedad $𝑇$.

La IA escoge un grupo actuante $𝐾$ muy especial:

$$𝐾=\ker (𝑆{𝐿}_4(\mathbb{𝑍}[𝑡])\to 𝑆{𝐿}_4({\mathbb{𝐹}}_3))$$

Este grupo es un subgrupo de índice finito de una lattice universal, tiene propiedad $𝑇$, es torsion-free y además proyecta sobre:

$$𝑆{𝐿}_4({\mathbb{𝐹}}_2[𝑡])$$

Eso permite hacer los cálculos en característica 2 —donde vive el acarreo binario— sin que el grupo actuante real tenga elementos de orden 4 que estropeen la distinción final.

Esta separación es elegantísima:

se usa característica 2 para fabricar el acarreo, pero se usa un grupo torsion-free para que el orden 4 sea una huella visible del nuevo grupo, no algo ya presente en el actuante.

10. La dificultad final: conservar propiedad $𝑇$

No basta con que $𝐾$ tenga propiedad $𝑇$. Si haces una extensión por un grupo abeliano infinito, puedes perder propiedad $𝑇$. El walkthrough dice explícitamente que este era el punto donde fallaban intentos tipo wreath product.

La prueba necesita demostrar una propiedad $𝑇$ relativa para los pares:

$$(𝐷⋊𝐾,𝐷)$$

y

$$(𝐸⋊𝐾,𝐸)$$

Esto se hace con un criterio espectral sobre el dual compacto: cualquier medida de probabilidad $𝐾$-invariante debe detectar masa fuera del carácter trivial. En términos intuitivos, la acción de $𝐾$ es tan expansiva/mezcladora que no permite casi-invariancias escondidas en la parte abeliana.

Así se conserva la rigidez necesaria para estar dentro de la clase original de Connes.

11. Cómo obtiene infinitos grupos, no solo dos

La IA no se queda en ${\mathrm{\Gamma }}_0$. Desplaza el acarreo $𝑛$ posiciones en los coeficientes. Esto produce una familia:

$${𝐶}_{𝑛},{𝐸}_{𝑛}=\widehat{{𝐶}_{𝑛}},{\mathrm{\Gamma }}_{𝑛}={𝐸}_{𝑛}⋊𝐾$$

Todos tienen la misma acción medible y, por tanto, la misma álgebra de von Neumann:

$$𝐿({\mathrm{\Gamma }}_{𝑛})\cong 𝐿(\mathrm{\Lambda })$$

Pero cada ${\mathrm{\Gamma }}_{𝑛}$ conserva una huella algebraica distinta: un cociente característico ligado a la torsión tiene un tamaño que recupera $𝑛$, concretamente $2^{4𝑛}$. Por eso ${\mathrm{\Gamma }}_{𝑛}\cong {\mathrm{\Gamma }}_{𝑚}$ implica $𝑛=𝑚$.

Resultado:

infinitos grupos no isomorfos, todos con la misma álgebra de von Neumann.

12. Qué significa que lo haya hecho la IA

Según OpenAI, este resultado forma parte de los diez avances obtenidos por una versión interna de Astra; los argumentos fueron después preparados en manuscritos y formalizados en certificados Lean. La página oficial enumera explícitamente este resultado como una refutación de la conjetura de rigidez de Connes, y el repositorio incluye un certificado ConnesRigidity.lean.

Como siempre, hay que distinguir dos niveles:

Nivel 1: resultado formal publicado por OpenAI.
OpenAI afirma que hay manuscrito y certificado Lean.

Nivel 2: recepción matemática comunitaria.
Un resultado así necesitará lectura, verificación y contextualización por especialistas en álgebras de von Neumann y teoría de grupos.

Pero conceptualmente, el tipo de descubrimiento es muy fuerte: no es fuerza bruta, sino encontrar una grieta entre dos niveles de descripción.

13. Lectura RMS / pensamiento complejo

Este caso es probablemente uno de los más “Morin/RMS” de toda la lista.

Recursos: grupos ICC, propiedad $𝑇$, álgebras de von Neumann, productos semidirectos, dualidad de Pontryagin, módulos sobre ${\mathbb{𝐹}}_2[𝑡]$, acarreo binario.

Mecanismos: transformar grupos en crossed products, separar ley de grupo y espacio medible, introducir un cociclo de acarreo, preservar la acción de $𝐾$, conservar propiedad $𝑇$, distinguir por torsión.

Sistema: una arquitectura donde dos grupos algebraicamente distintos producen el mismo objeto analítico porque el álgebra recuerda la dinámica medible, no toda la estructura algebraica interna.

La enseñanza sistémica:

dos sistemas pueden ser indistinguibles desde una capa de observación y, sin embargo, ser distintos en su mecanismo profundo.

Eso conecta directamente con RMS: no basta con mirar outputs, factores, métricas o formas externas. Hay que preguntar qué nivel del sistema estamos observando y qué nivel queda oculto.

Síntesis final

La IA habría refutado la conjetura de rigidez de Connes construyendo grupos ICC con propiedad $𝑇$ que no son isomorfos, pero tienen la misma álgebra de von Neumann. La clave fue descubrir que el álgebra de un producto semidirecto recuerda el espacio de probabilidad y la acción medible, pero no necesariamente la ley compacta de grupo. La IA explotó esa grieta mediante una construcción de acarreo binario: mismo espacio, misma medida, misma acción, pero distinta estructura algebraica. Así obtuvo no solo dos contraejemplos, sino una familia infinita de grupos no isomorfos con el mismo factor de von Neumann.

siguientes

7. Arithmetic circuit complexity
Complejidad algebraica. Pregunta de fondo: ¿cuántos recursos necesita un circuito aritmético para calcular el permanente? Es el análogo algebraico de grandes problemas tipo P vs NP. OpenAI declara nuevas cotas inferiores, incluyendo una cota de fórmulas aritméticas del orden ${𝑛}^4\mathrm{/}\log 𝑛$.

8. Quantum parallel repetition
Teoría de juegos cuánticos y complejidad. La pregunta: si repites muchas veces un juego cuántico, ¿la probabilidad de ganar cae exponencialmente como en el caso clásico? OpenAI afirma un teorema de repetición paralela exponencial para juegos cuánticos bipartitos finitos.

9. Closest Vector Problem
Problema central en retículos/lattices: dado un retículo y un punto, encontrar el vector del retículo más cercano. Es importante en criptografía postcuántica. OpenAI afirma dureza de aproximación con factor polinómico para CVP euclídeo.

10. Multicolor Ramsey numbers
Combinatoria extrema. Pregunta: ¿cuántos vértices necesitas para garantizar un triángulo monocromático si coloreas las aristas con muchos colores? OpenAI afirma una cota inferior superexponencial para números de Ramsey multicolor de triángulos.

11. Compactness and degeneracy conjectures en teoría extremal de grafos
También combinatoria extrema. Aquí la IA habría construido grafos bipartitos que refutan dos conjeturas: la de compactness de Erdős–Simonovits y una conjetura de degeneracy de Erdős.

Clave común de todos

La pauta que se repite es muy RMS:

La IA no resuelve solo calculando más; resuelve cambiando la arquitectura del problema.

En sphere packing cambia geometría por Fourier.
En códigos cambia separación discreta por programación lineal/esférica.
En grupos no sóficos cambia aproximabilidad finita por expansores y rigidez.
En Connes cambia identidad algebraica por construcción de grupos no isomorfos.
En circuitos cambia cálculo concreto por barreras estructurales.
En CVP cambia búsqueda geométrica por reducción de complejidad.
En Ramsey/grafos cambia azar/combinatoria por construcciones extremales.

Los modelos matemáticos generados por IA comienzan a generar conocimiento científico original, verificable y económicamente barato.

https://articulosclaves.blogspot.com/2026/08/los-modelos-matematicos-generados-por.html