Un nuevo artículo en arXiv evalúa el desempeño de modelos de IA de frontera en problemas de física. El estudio los somete a tareas que exigen razonamiento multi-paso, manipulación simbólica y estimación cuantitativa. Los resultados muestran un rendimiento sólido en preguntas de libro de texto, pero una caída abrupta en problemas que requieren intuición física o planteamientos novedosos. Los autores identifican fallos concretos: errores de unidades, fórmulas mal aplicadas y respuestas incorrectas con alta confianza. Concluyen que los modelos actuales siguen siendo poco fiables para física de nivel investigador, pese a las rápidas mejoras en benchmarks.

Este es el tipo de artículo que me encanta. No porque haya ridiculizado a la IA, sino porque trazó una línea clara entre el reconocimiento de patrones y la física de verdad. Los modelos arrasan en los problemas que se parecen al conjunto de entrenamiento. Cambia el enfoque, quita el andamiaje familiar, y el razonamiento se derrumba.

Esa brecha lo es todo. La física no es un examen de vocabulario. Es una disciplina que construye modelos del mundo y los contrasta con la realidad. Los sistemas actuales pueden recuperar y recombinar, pero aún no pueden ejecutar el bucle de hipótesis, predicción y falsación por sí solos.

Sigo pensando que esto es avance. Cada benchmark así se convierte en una señal de entrenamiento. Los fallos son específicos, medibles y corregibles. Así crece la capacidad. Los modelos aún no son físicos. Pero están obteniendo un mapa muy detallado de lo que la física exige.