Resumen del contenido principal
El premio “Ciencia Futura 2026” en la categoría de “Matemáticas y Ciencias de la Computación” fue otorgado al profesor Yuan Xinyi de la Universidad de Pekín, en reconocimiento a sus contribuciones fundamentales en el campo de la geometría aritmética. En una entrevista, compartió sus opiniones sobre el auge de las matemáticas en China, la relación entre las matemáticas y la industria, el impacto de la IA en la investigación matemática, la mejora del entorno para la investigación científica entre los jóvenes y cómo estos pueden utilizar la IA.
Desglose detallado de los puntos
1. ¿Por qué los extranjeros dicen que China “está tomando el control” de las matemáticas? – El salto en el sistema de formación y la posición internacional
El profesor Yuan señaló que cuando los matemáticos internacionales afirman que “China está tomando el control de las matemáticas”, esto se debe a un cambio cualitativo en las matemáticas chinas ocurrido en los últimos 20 años. No ha sido algo repentino, sino el resultado del trabajo de varias generaciones:
- La generación anterior: Tras la reforma y apertura, muchos académicos chinos se fueron al extranjero para estudiar y luego regresaron a China para ayudar a establecer sistemas de formación, diseñar programas de estudio y guiar a estudiantes.
- Nuestra generación ha beneficiado: Las personas nacidas en la década de 1980 (como el profesor Yuan) crecieron dentro de este sistema, y muchas de las nacidas en la década de 1990 regresaron al país para dedicarse completamente a la investigación.
- Apoyo económico: La mejora de la economía nacional ha proporcionado más recursos para la investigación científica.
Actualmente, China supera a Japón y Rusia en términos de datos matemáticos, solo por detrás de Estados Unidos y Europa. El hecho de que dos de los cuatro ganadores del Premio Fields sean chinos es la mejor prueba de ello.
2. Las matemáticas no son una disciplina “inútil”: Una habilidad esencial demandada por la industria
Muchos piensan que las conjeturas matemáticas son inútiles, pero el profesor Yuan mencionó el ejemplo de la geometría de Riemann: en un principio era abstracta y poco comprensible para todos, pero décadas después ayudó a Einstein a desarrollar la teoría de la relatividad general. Hoy en día, la industria (fondos cuantitativos, IA, chips) necesita talento matemático debido a dos habilidades clave que se desarrollan con este estudio:
- Rigurosidad lógica: Poder analizar problemas de manera exhaustiva y evitar errores básicos.
- Capacidad de abstracción: Convertir problemas reales complejos (como la optimización en el diseño de chips) en modelos matemáticos para facilitar su resolución.
El cambio en los requisitos de admisión a la facultad de matemáticas de la Universidad de Pekín desde 2010 demuestra que los estudiantes están dispuestos a estudiar estas materias y saben que tener un conocimiento matemático es muy valorado en el ámbito laboral.
3. La IA puede ayudar a los matemáticos, pero aún no puede ser el “protagonista”: Tiene ventajas claras, pero le falta originalidad
La IA ha avanzado rápidamente en el campo de las matemáticas, pero el profesor Yuan señala que aún no ha generado resultados realmente originales. Sus ventajas incluyen:
- Amplio conocimiento: Puede integrar ideas de diferentes campos (por ejemplo, los expertos en combinatoria no necesitan conocer la teoría de números, pero la IA sí puede hacerlo).
- Poder de cálculo: Puede probar muchas posibilidades y generar ejemplos o contraejemplos (como los contraejemplos tridimensionales para la conjetura de Jacobi).
Sin embargo, también tiene limitaciones: no puede determinar por sí misma si un problema es importante ni plantear preguntas significativas; todos sus resultados requieren guía humana.
4. La presión sobre los jóvenes matemáticos: El sistema de “ascenso o salida” está mal implementado
El profesor Yuan señaló que el mayor desafío en el entorno de investigación científica nacional es la gran presión que sufren los jóvenes investigadores. El problema radica en la adaptación incorrecta del sistema estadounidense de “ascenso o salida”:
- Modelo estadounidense: Una evaluación determina si alguien asciende; si lo logra, puede dedicarse a la investigación de por vida.
- Adaptación en China: Se realizan múltiples evaluaciones, con una tasa de ascenso baja. Durante el proceso de contratación se priorizan los datos de los artículos científicos, lo que lleva a la eliminación de muchos investigadores después de seis años.
Esto genera ansiedad entre los jóvenes académicos, impidiéndoles dedicarse a investigaciones a largo plazo y arriesgadas.
5. Los jóvenes y la IA: primero desarrollar habilidades básicas, luego utilizarla
El profesor Yuan ofrece consejos prácticos para quienes recién comienzan en esta carrera:
- Depender menos al principio: Intenten completar su primer artículo de forma independiente para mejorar sus habilidades de investigación (por ejemplo, aprender cómo identificar problemas y cómo derivar conclusiones).
- Usarla posteriormente: Una vez que dominen los métodos básicos, utilicen la IA para buscar información y organizar sus ideas; esto aumentará su eficiencia.
No deben depender completamente de la IA desde el principio, ya que eso les impedirá aprovechar las oportunidades esenciales para aprender los fundamentos.
Estos análisis convierten el contenido técnico en lenguaje sencillo y comprensible para el público general, preservando al mismo tiempo la información clave y evitando la utilización de términos especializados.