La inteligencia artificial y el futuro de las matemáticas

Transcripción

¿Es el fin de las matemáticas tal como las conocemos? Bienvenidos a Quanta Pod. Hoy, 5 de octubre de 2026, exploramos uno de los acontecimientos más transformadores en el mundo académico reciente, publicado por Quanta Magazine. Analizaremos cómo los modelos de inteligencia artificial han comenzado a demostrar conjeturas matemáticas históricas, generando profundos debates sobre la autoría, los estándares científicos y el futuro mismo de la profesión matemática. Desde anuncios que conmocionaron a la comunidad hasta reacciones encontradas en aulas universitarias, examinaremos qué significa este cambio de paradigma para los matemáticos humanos en todo el planeta. ¿Es la inteligencia artificial el fin de las matemáticas tal como las conocemos? En los últimos tiempos, el avance de la inteligencia artificial ha dejado de ser una promesa lejana para convertirse en una fuerza transformadora que sacude los cimientos mismos de la ciencia formal . Durante el verano de dos mil veintiséis, los modelos de inteligencia artificial comenzaron a ofrecer pruebas de conjeturas matemáticas con décadas de antigüedad a un ritmo vertiginoso. Por ello, lo ocurrido el ocho de septiembre no debió tomar a nadie por sorpresa. Sin embargo, para muchos se sintió como un acontecimiento repentino y casi violento. OpenAI anunció que sus modelos habían resuelto uno de los problemas más famosos de las matemáticas, desatando de inmediato una intensa controversia sobre la autoría y los estándares científicos. Las repercusiones de este hito sugieren que las matemáticas nunca volverán a ser las mismas. El investigador Scott Aaronson, de la Universidad de Texas en Austin, escribió en su blog que en los años que le quedan no espera volver a demostrar un teorema porque realmente sea necesario para ello, proclamando que los matemáticos humanos han sido destronados como las principales entidades demostradoras de teoremas en el planeta . Aunque algunos mensajes en la red expresaron optimismo, muchos otros reflejaron una mezcla de dolor, confusión y miedo. Dos días después del anuncio, en un aula de la Universidad de California en Berkeley repleta de estudiantes, postdoctorados y profesores, el matemático Ken Ono ofreció una conferencia invitado por la start-up de inteligencia artificial Axiom Math. Ono advirtió a los presentes que se están graduando hacia una profesión que podría no existir tal como la conocen o que será radicalmente diferente, por lo que debían prepararse. La audiencia respondió con evidente frustración y enojo. Hubo susurros y miradas cruzadas; Ono no pudo avanzar una sola diapositiva sin enfrentarse a una nueva oleada de preguntas. Un estudiante confesó no saber cuál se supone que debe ser la conclusión, mientras otro cuestionaba cómo la empresa asumiría la responsabilidad ante el trato vergonzoso que las compañías tecnológicas le están dando a las matemáticas. Cuando Ono respondió que los matemáticos harían su mejor esfuerzo para evitar el futuro sombrío que la audiencia visualizaba, otro asistente replicó con las manos temblorosas preguntando qué significa realmente hacer el mejor esfuerzo. La charla, que con el turno de preguntas debía durar cincuenta minutos, se extendió por más de dos horas, y muchos estudiantes se quedaron después para desahogarse y consolarse mutuamente. Para muchos observadores, las razones de estas reacciones emocionales son evidentes: los jóvenes matemáticos reconocen que su disciplina debe cambiar o arriesgarse a la extinción. Lo sorprendente es que, al llevar el debate fuera del ámbito académico, muchas personas ajenas a la investigación no logran comprender cuál es el verdadero problema. Para el público general, la perspectiva de descubrimientos asombrosos a la vuelta de la esquina parece el objetivo lógico. Estas conversaciones exponen un problema de larga data: una gran parte de la sociedad no sabe qué son realmente las matemáticas ni por qué los matemáticos dedican su vida a ellas. Ahora, la comunidad matemática se ve en la necesidad de responder a esa pregunta y explicárselo al resto del mundo con urgencia, y esa respuesta determinará el rumbo de los acontecimientos futuros. Para comprender la magnitud de este dilema, es útil recordar la naturaleza dual de las matemáticas puras, la disciplina que estudia los conceptos por su propio valor y sin buscar aplicaciones prácticas inmediatas. Este campo habita en un territorio intermedio entre las ciencias y las artes, valorando la lógica y la certeza, pero cimentado en nociones más sutiles como la belleza, la intuición y la profundidad. Como señala el estudiante de doctorado Marcel Goh, las matemáticas son la disciplina más científica dentro de las humanidades o la más humanística dentro de las ciencias, dependiendo de a quién se le pregunte. Aunque gran parte de su producción carece de utilidad económica directa, sus abstracciones demuestran una vez más una eficacia insólita en su aplicación a la física y otros campos. En la investigación matemática pura, el trayecto importa más que el destino. Los problemas se plantean no porque sus respuestas vayan a ser prácticas o importantes, sino porque representan viajes intelectuales interesantes. La esperanza es que, al luchar por resolver un problema, los investigadores desarrollen herramientas novedosas, descubran conexiones imprevistas, exploren direcciones originales y respondan preguntas que jamás habrían imaginado plantearse. El objetivo tradicional nunca consistió meramente en acumular teoremas, sino en perpetuar una tradición que beneficia a la sociedad mediante el razonamiento profundo y la expansión del conocimiento. La irrupción de la inteligencia artificial rompe esta dinámica al saltar directamente al resultado final. En la actualidad, las pruebas generadas por las máquinas son casi imposibles de leer para los humanos. Omiten detalles fundamentales, desperdician páginas enteras en conceptos irrelevantes y no demuestran cómo el nuevo trabajo se conecta con la literatura matemática existente. Los matemáticos saben que las pruebas son lógicamente correctas porque son verificadas por sistemas automatizados, pero no tienen la menor idea de por qué funcionan. Lo que falta es la comprensión, la moneda de curso legal en el intercambio matemático. Es como si alguien fuera teletransportado a la cima de una montaña altísima y, rodeado de niebla, no supiera dónde está, cómo conecta esa montaña con otras, ni dispusiera de herramientas para explorar o guiar a otros. Si hubiera escalado la montaña por su cuenta, habría experimentado la adaptación del cuerpo a la altura, inventado herramientas para sortear acantilados, y quizás se habría cruzado con otros exploradores en el camino. Los matemáticos siempre han sabido que la comprensión vale más que una respuesta aislada. La razón por la cual una máquina de respuestas genera tanta amenaza radica en la evolución cultural de la disciplina. Durante siglos, demostrar teoremas y comprender esas demostraciones han avanzado de la mano. Si alguien resuelve un problema central y difícil, esa solución se considera un reflejo de perspicacia y creatividad profundas. En consecuencia, la cultura matemática se ha estructurado casi por completo en torno a la resolución de problemas. Los estudiantes de posgrado se inician en problemas complejos, buscan publicar sus trabajos, consiguen empleos y obtienen reconocimiento basándose en los teoremas que demuestran. Los incentivos actuales simplemente no están diseñados para un mundo donde resolver problemas resulta fácil pero comprender sus respuestas sigue siendo extremadamente difícil. Tasmin Chu, estudiante de doctorado en el Instituto Tecnológico de California, resume que este escenario lleva el sistema al límite absoluto y lo destruye. En los últimos meses, tanto investigadores sénior como estudiantes han advertido sobre las consecuencias de esta transformación. Empresas como OpenAI y Anthropic compiten directamente con los matemáticos, contratando a muchos de ellos para demostrar teoremas con rapidez, pero dedicando un esfuerzo mínimo a redactar artículos claros que expliquen esos resultados o los sitúen en su contexto adecuado. Gran parte de la comunidad matemática ignora lo que estas compañías han demostrado, en parte porque OpenAI ha decidido mantener en secreto más de cien resultados importantes, generando un grave perjuicio para la ciencia abierta y desalentando a los investigadores a trabajar en preguntas que podrían haber quedado obsoletas. La única motivación visible responde al valor para los accionistas, ignorando y buscando suplantar el propósito central de la empresa matemática. El temor al plagio algorítmico ha llevado a muchos matemáticos a dejar de publicar conjeturas abiertas al final de sus artículos por miedo a que sean rastreadas por bots y alimentadas a sistemas de inteligencia artificial, mientras que otros apresuran la publicación de trabajos prematuros para evitar ser adelantados. Las revistas y el servidor de preprints arXiv se han visto inundados de pruebas generadas o asistidas por inteligencia artificial que nadie puede digerir ni comprobar adecuadamente, obligando a los investigadores a realizar la ingrata tarea de reescribirlas para que resulten útiles a la comunidad. Ante este volumen abrumador, arXiv ha comenzado a limitar a los autores a un máximo de dos envíos mensuales. Las señales de colapso institucional se multiplican en diversos frentes. Cuando el editor de una revista especializada se comunicó con los autores de diez artículos destinados al rechazo por falta de rigor, la mayoría no respondió o fue incapaz de responder preguntas básicas sobre el trabajo que supuestamente habían firmado. Paralelamente, plataformas en línea como MathOverflow, un foro donde estudiantes y expertos intercambian conocimientos desde hace años, experimentan una caída masiva en su actividad debido a que los estudiantes consultan sus dudas directamente con modelos de inteligencia artificial en privado, evitando compartir ideas en espacios expuestos a los bots. Esta pérdida de colaboración abierta e independiente de intereses corporativos pone en riesgo la esencia misma de la cultura matemática. Daniel Litt, de la Universidad de Toronto, señala que el equilibrio existente se ha roto y la disciplina se ve obligada a encontrar uno nuevo. Las perspectivas sobre el futuro de las matemáticas varían según la respuesta colectiva de la comunidad. En un escenario pesimista, si no se adaptan los métodos de formación, las futuras generaciones de matemáticos se limitarán a presionar botones sin comprender los resultados, lo que podría conducir a la desaparición de la práctica matemática en cincuenta años. Matilde Marcolli advierte en un ensayo que si el campo se enfoca exclusivamente en la resolución de conjeturas como único objetivo y recompensa, la profesión podría extinguirse rápidamente, no por el fin de las matemáticas, sino por el fin de la imaginación humana. Sin embargo, existe una alternativa más optimista que implica rediseñar los incentivos para separar la resolución de problemas del empleo y el reconocimiento. Pavel Etingof, del Instituto Tecnológico de Massachusetts, sugiere que los matemáticos dedicarán menos esfuerzo mecánico a buscar pruebas y se concentrarán en interpretar, comprender y aprender de los resultados proporcionados por la inteligencia artificial, generando un volumen masivo de nueva matemática para analizar. Este trabajo requerirá estudiar las demostraciones automáticas del mismo modo que los estudiantes aprenden de los libros de texto, con la esperanza de que las exposiciones algorítmicas alcancen una mayor elegancia formal en el futuro. Los futuros matemáticos tendrán la tarea esencial de reescribir las pruebas generadas por máquinas, encontrar argumentos más claros, formular teorías y construir marcos conceptuales que den sentido al conocimiento. Como señaló el teórico literario Roland Barthes respecto a la creación de significado, es el lector y no el autor quien ejerce el control definitivo sobre la obra. Etingof subraya que si la inteligencia artificial demuestra teoremas pero ningún humano los comprende, dichos resultados no formarán parte de la cultura matemática, ya que esta es intrínsecamente humana y requiere de la comprensión para cobrar vida intelectual. El interrogante principal es si las nuevas generaciones tendrán el deseo o la capacidad de asumir ese rol de intérpretes. Las universidades ya están replanteándose la formación de los estudiantes, los criterios de aceptación de artículos y los procesos de contratación académica. Sin embargo, persisten dudas legítimas sobre si los jóvenes se sentirán atraídos por una disciplina reducida a la interpretación, donde se pierde la autoría creativa y la satisfacción intelectual de descubrir verdades por cuenta propia. Estudiantes como Marcel Goh expresan su profunda depresión ante una cultura científica corrompida por la dependencia tecnológica, comparando la situación con la tentación de poder ilimitado en la literatura fantástica. Un número creciente de investigadores comienza a adoptar una postura consciente de resistencia, limitando el uso de la inteligencia artificial en su trabajo creativo por considerar que delegar la cognición en una máquina despoja a la disciplina de su recompensa intrínseca. A pesar de estas tensiones, brotan iniciativas esperanzadoras dentro de la comunidad, como la fundación de la Asociación para Human Mathematics impulsada por Tasmin Chu y otros investigadores, creada para desarrollar políticas y herramientas que permitan gestionar esta crisis sin precedentes. Aunque la inercia institucional es fuerte, las matemáticas tienen la oportunidad de salir fortalecidas si logran priorizar habilidades tradicionalmente secundarias, como la comunicación, la visión amplia y el pensamiento profundo. Si la comunidad logra adaptarse, el futuro podrá albergar una comunidad vibrante de investigadores dedicados a comprender verdaderamente la complejidad del conocimiento matemático. Cierre Hemos explorado cómo la inteligencia artificial ha comenzado a resolver célebres conjeturas matemáticas, desatando profundos debates sobre la autoría, los estándares y el futuro de la disciplina . Puedes consultar los enlaces a las fuentes originales en las notas de este episodio para profundizar en esta investigación. Gracias por acompañarnos en este recorrido científico. Hasta la próxima edición en Quanta Pod.