¿Por qué los matemáticos más destacados se sienten aterrorizados cuando el AI comienza a resolver problemas matemáticos en segundos?
Hola a todos, soy vuestro periodista financiero y economista. Hoy no vamos a hablar sobre los informes financieros de una nueva empresa ni sobre las fluctuaciones del mercado bursátil, sino sobre una profunda crisis que se está desarrollando entre el “cerebro” y el “chip”.
Recientemente, ha ocurrido algo importante en el mundo de las matemáticas: 25 ganadores del Premio Fields (el Nobel de matemáticas), incluyendo a Terence Tao y Peter Scholze, han publicado una declaración titulada “El grave desequilibrio de la inteligencia artificial en las matemáticas”.
En pocas palabras, el AI está cada vez más avanzado y es capaz de resolver problemas que muchos matemáticos humanos no pueden resolver. Pero lo que preocupa a estos expertos no es que el AI se haya vuelto más fuerte, sino que el modo en que el AI resuelve problemas está destruyendo los valores más esenciales de la disciplina matemática.
Para que todos puedan entender la lógica detrás de esto, he desglosado la declaración en cinco puntos y los he explicado de manera sencilla.
---
1. El conflicto fundamental: El AI “obtiene calificaciones” mientras los matemáticos “buscan el conocimiento”
Primero, debemos aclarar la raíz de este conflicto.
La lógica de las empresas de AI es la siguiente:
Para demostrar que nuestro modelo es inteligente, lo mejor es hacer que resuelva problemas matemáticos que antes nadie había podido resolver. Si lo consigue, es correcto; si no, es incorrecto. Este es un test de referencia muy claro. Es como un examen: cuanto más alta es la puntuación, más fuerte es el modelo.
La lógica de los matemáticos es la siguiente:
Las matemáticas no son sobre obtener la respuesta final (como “1+1=2” o la solución a una ecuación). Las matemáticas son sobre comprender el mundo.
Un problema matemático importante es como un faro en el mar: su valor no radica en si está encendido o no, sino en la dirección que indica. Cuando los matemáticos resuelven un problema, lo que realmente ganan no es la respuesta, sino los nuevos métodos, perspectivas y conceptos que descubren en el proceso.
¿Dónde está el desequilibrio?
Las empresas de AI consideran la velocidad de resolución de problemas y la cantidad de problemas resueltos como indicadores clave de rendimiento (KPI). Pero los matemáticos creen que resolver problemas es solo un medio; la comprensión es el objetivo.
Es como si las empresas de AI estuvieran imprimiendo respuestas frenéticamente, mientras que los matemáticos investigan por qué esa respuesta existe y a dónde nos puede llevar. Cuando el AI convierte el “resolver problemas” en el objetivo final, se desvía de la esencia misma de las matemáticas.
---
2. La trampa de la velocidad: Producir respuestas en masa, pero matar el pensamiento
En la declaración hay una metáfora muy clara: **“Producir en masa conclusiones verdaderas o falsas puede no estar fomentando el surgimiento de nuevos pensamientos, sino que podría destruir el terreno fértil para ellos.”
¿Por qué se dice esto?
En la investigación matemática tradicional, resolver un problema complejo a menudo lleva años o incluso décadas. Durante este proceso, los matemáticos experimentan muchos intentos fallidos, debates y modificaciones. Estos procesos lentos son precisamente el caldo de cultivo para el surgimiento de nuevos pensamientos.
- Antes: Un matemático plantea una conjetura y otro matemático dedica tres años a probarla, descubriendo tres nuevas herramientas en el proceso. Estas herramientas luego se utilizan para resolver problemas en otros campos.
- Ahora: El AI puede proporcionar la prueba en cuestión de horas. Aunque el resultado es correcto, puede haberlo obtenido simplemente a través de un camino de cálculo complejo, sin desarrollar métodos nuevos y elegantes.
Si el AI produce respuestas a gran velocidad, la comunidad matemática se verá sumergida en una inflación de respuestas.
Todos tienen las respuestas, pero nadie profundiza en los principios subyacentes. Es como cuando la gente utiliza buscadores de información: saben “qué es”, pero rara vez se preguntan “por qué”. Si la investigación matemática se convierte en un juego de “buscar respuestas”, las perspectivas profundas que requieren un pensamiento crítico desaparecerán debido a la falta de espacio para ese tipo de reflexión.
---
3. El caos académico: La ambigüedad de la propiedad intelectual y la crisis del plagio
Este es un problema muy real y difícil de resolver: ¿Quién es el autor de un artículo matemático generado por el AI?
La declaración señala que muchos resultados generados por el AI se anuncian apresuradamente, sin seguir un proceso de escritura académica estándar. Esto conlleva dos consecuencias graves:
1. Falta de referencia y transmisión del conocimiento: Las matemáticas se basan en el trabajo de otros. Cada nuevo artículo cita a los anteriores, creando una red de conocimiento. El contenido generado por el AI a menudo carece de este contexto académico y puede presentar resultados sin reconocer el trabajo de los investigadores que lo precedieron, rompiendo así la cadena de transmisión del conocimiento.
2. Propiedad intelectual y plagio: Si el AI genera una prueba basada en las ideas no publicadas o en notas de un matemático, ¿a quién se le atribuye el resultado? ¿A la empresa de AI? ¿Al matemático? ¿O al AI mismo?
Peor aún, si el contenido generado por el AI parece original pero en realidad es una mezcla o una modificación de estudios existentes, se trata de plagio. Dada la velocidad con la que el AI trabaja, es muy difícil para los humanos verificar la fuente de cada paso, lo que pone en peligro el sistema de integridad académica.
---
4. La crisis educativa: ¿Cómo pueden crecer los estudiantes si las respuestas están al alcance de la mano?
Esta es probablemente la parte con el impacto más directo en el público en general.
El propósito de la educación matemática nunca ha sido solo enseñar a los estudiantes a resolver problemas.
Los profesores les asignan problemas difíciles no para ver qué número escriben al final, sino para entrenar su pensamiento lógico, paciencia y la capacidad de encontrar soluciones en situaciones difíciles.
- El proceso de reflexión de los estudiantes cuando se bloquean,
- Los debates en grupos,
- El dolor y la alegría del proceso de revisar y modificar pruebas,
todo esto forma la esencia de la cultura matemática.
La amenaza del AI es la siguiente:
Si cuando los estudiantes se enfrentan a un problema, su primera reacción no es “cómo debo pensar”, sino “deja que el AI lo resuelva”, entonces están omitiendo el paso más crucial del esfuerzo y la reflexión.
Es como aprender a conducir: si desde el principio usas la conducción autónoma, nunca aprenderás a observar el tráfico, a manejar el volante o a prever los peligros.
La declaración advierte que si el AI genera directamente las respuestas, los humanos podrían dejar de pasar por el proceso de entrenamiento necesario para desarrollar una comprensión profunda y plantear nuevas preguntas. A largo plazo, lo que cultivaremos podrían ser solo personas que saben cómo hacer preguntas, no personas que pueden resolver problemas*. Los recursos más valiosos en la carrera matemática —los estudiantes y sus pensamientos— podrían degenerar debido a la falta de ese entrenamiento necesario**.
---
5. Preocupaciones más profundas: Esto no es solo un problema de las matemáticas, sino de todo el “trabajo intelectual”
Finalmente, estos 25 matemáticos han ampliado su perspectiva. Dicen: “Estamos presenciando una amenaza general para el trabajo intelectual”.
Esto significa que las matemáticas son solo un ejemplo.
En campos como la escritura, la programación, el diseño, el derecho y la medicina, el entrenamiento profesional de los últimos años no ha sido solo para producir productos finales (artículos, código, soluciones), sino también para desarrollar juicio, sentido estético y la capacidad de plantear nuevas preguntas.
- Los escritores escriben para expresar emociones y explorar la naturaleza humana; el AI puede generar texto fluido, pero ¿puede reemplazar esa comprensión profunda de la vida?
- Los programadores escriben código para resolver problemas complejos de sistemas; el AI puede generar fragmentos de código, pero ¿puede reemplazar la comprensión integral del sistema por parte del arquitecto?
El AI se basa en el vasto conocimiento acumulado por los humanos y es cada vez más capaz de generar resultados directamente. Esto conlleva un desequilibrio fundamental:
Lo que la sociedad esperaba obtener de estos trabajos es “sabiduría” e “innovación”, pero el AI está reemplazándolo con “eficiencia” y “resultados”.
Si la sociedad solo valora los resultados (como si el código funciona o si el artículo está bien escrito), ignorando el proceso (la profundidad del pensamiento y la fuente de la innovación), el valor profesional humano se verá reducido.
---
Conclusión y perspectivas: ¿Qué debemos hacer?
Esta declaración no está en contra del AI. Por el contrario, los matemáticos reconocen que el AI tiene el potencial de acelerar la investigación y ayudar a descubrir nuevos patrones. Lo que piden no es apagar al AI, sino alinear los objetivos.
Quieren que las empresas de AI, la comunidad matemática y la sociedad reflexionen juntos sobre una pregunta:
Cuando las máquinas se vuelvan cada vez más capaces de proporcionar respuestas, ¿qué es lo que realmente queremos obtener de las matemáticas (y de todo el trabajo intelectual)?
- Si lo que buscamos es eficiencia, el AI es una herramienta perfecta.
- Si lo que buscamos es comprensión, innovación y la transmisión del conocimiento humano, entonces necesitamos rediseñar los procesos de trabajo para asegurarnos de que los humanos siempre estén en el centro del pensamiento, y no sean inundados por las respuestas del AI.
Una lección para todos:
En esta era del AI, saber las respuestas se está volviendo cada vez más barato, mientras que saber “por qué” y “cómo pensar” se está volviendo cada vez más costoso.
Ya sea que trabajes en matemáticas o en la investigación científica, esta lógica es aplicable. No te confieses solo a que el AI te dé las respuestas; mantén el hábito de pensar profundamente, cuestionar y explorar. Porque ese tipo de pensamiento lento, que no puede ser generado rápidamente por el AI, es nuestra última línea de defensa.