Two Minute Papers, el canal de YouTube que explica artículos de investigación para el gran público, se ha hecho eco de AlphaProof Code de DeepMind, y el artículo que hay detrás merece la atención. La afirmación principal es que unos agentes de IA demostraron propiedades de seguridad clave del protocolo de Signal no sobre un modelo simplificado, sino sobre el código máquina que se ejecuta de verdad en los teléfonos. Para quien confía en Signal, WhatsApp o Google Messages, ese es el nivel en el que suelen esconderse los fallos reales.
El artículo es más preciso que la cobertura. El objetivo fue libsignal, la implementación de referencia, escrita en Rust y compilada con el compilador estándar a código máquina AArch64, que se cargó en Lean junto con un modelo formal del procesador. Los agentes produjeron unos 6,5 millones de líneas de demostración verificada por máquina, apoyadas en unas 26.000 líneas de especificación de confianza y semántica del procesador. Las demostraciones cubren el handshake poscuántico PQXDH y el Triple Ratchet, y establecen secreto hacia adelante, autenticación, seguridad tras un compromiso y secreto del handshake. El blog de DeepMind dice que el trabajo llevó cuatro semanas, con personas revisando cada especificación y en torno al 1% del código que los agentes marcaron.
El diseño es lo que hace creíble la afirmación. Los agentes que demuestran se tratan como no fiables. Un agente guardián acepta una demostración solo si el núcleo de Lean la comprueba y un comparador confirma que demuestra exactamente una copia reservada de la especificación aprobada, de modo que un agente no puede rebajar el objetivo en silencio. Como comparación, el artículo recuerda que verificar el micronúcleo seL4 llevó veinte años-persona y el compilador CompCert seis, ambos escritos pensando en la verificación.
El mismo patrón llega a herramientas corrientes para desarrolladores. Nuestro análisis de Lean LSP MCP trata un servidor que da a un agente el estado de la demostración y los errores de Lean para que escriba demostraciones que el verificador acepte, y aquí los agentes funcionaban con Gemini 4 Carbon. La lección para quien use IA en código importante es poner entre el modelo y el resultado un verificador con el que no se pueda discutir.
Los límites están escritos en el propio artículo. Los resultados confían en el núcleo de Lean, en la seguridad de las primitivas criptográficas subyacentes y en el comportamiento de algunas rutinas a las que llama el código. Una demostración solo cubre lo que dice la especificación, así que un hueco en esas 26.000 líneas de confianza sería un hueco en la garantía. Los artefactos están abiertos para que otros los revisen, y ese escrutinio independiente aún no se ha producido.