La IA de OpenAI habría resuelto uno de los grandes problemas sin resolver de las matemáticas – el mundo académico reacciona con asombro y escepticismo

Cuando la máquina aprende a pensar matemáticamente

Hay hitos en la historia de la tecnología que cambian cómo vemos lo que es posible. Vencer a un campeón mundial de ajedrez fue uno de ellos. Plegar proteínas fue otro. Ahora parece que estamos ante un nuevo salto: un modelo de IA que no solo calcula rápido, sino que realmente resuelve matemáticas en un nivel que hasta ahora requería los cerebros humanos más agudos del planeta.

Según TechCrunch, el modelo interno de OpenAI ha resuelto el Problema del Milenio de Navier-Stokes – una de las siete cuestiones clásicas abiertas por las que el Clay Mathematics Institute ofreció un millón de dólares en premio en el año 2000. Navier-Stokes trata de describir matemáticamente cómo se mueven los líquidos y los gases, un problema con conexiones profundas que abarca desde la ingeniería aeronáutica hasta los pronósticos meteorológicos. Si es cierto que ha sido resuelto, se trata de un acontecimiento de dignidad histórica.

Pero OpenAI no se detuvo allí. El mismo modelo habría resuelto más de cien problemas adicionales sin resolver en diversas disciplinas matemáticas. Es una afirmación que con razón genera tanto asombro como escepticismo en la comunidad académica.

El consejo de Princeton: ¿puente u cortina de humo?

Para gestionar la conmoción que ha seguido, OpenAI ha establecido un órgano asesor independiente en el prestigioso Institute for Advanced Study de Princeton – el Advisory Group on Mathematics and Artificial Intelligence. El consejo debe evaluar la importancia de nuevos resultados matemáticos y coordinar cómo se publican.

Es un gesto simpático en apariencia. Pero como reporta TechCrunch, es importante notar lo que el consejo no es: sus miembros trabajan sin remuneración y carecen de poder de decisión sobre la investigación de OpenAI. La empresa deja clara que el grupo no debe tener influencia alguna en dirigir o frenar las operaciones internas. Esto suscita una pregunta natural: ¿se trata aquí de una colaboración genuina con la comunidad académica, o principalmente de una medida de comunicación?

Ganadores de la Medalla Fields en rebelión

El contexto es importante. El establecimiento del consejo ocurre sobre el trasfondo de una tensión creciente. A principios de septiembre, 25 ganadores de la Medalla Fields – el equivalente más cercano de la matemática al Premio Nobel – firmaron una carta abierta en la que advierten que los laboratorios de IA, en su carrera por resolver problemas abiertos conocidos, amenazan el trabajo intelectual y la cultura de investigación de los matemáticos.

Es una preocupación legítima. Las matemáticas no son solo un conjunto de acertijos sin resolver que esperan el algoritmo correcto. Es un diálogo vivo que se desarrolla a lo largo de generaciones, donde el proceso – cómo se piensa, cómo se comunica una demostración, cómo la comunidad examina y valida – es tan valioso como la respuesta. Si un sistema de IA publica soluciones más rápido de lo que la comunidad académica puede asimilarlas, corremos el riesgo de obtener respuestas sin comprensión.

Al mismo tiempo, sería erróneo leer esto únicamente como una amenaza. Las matemáticas siempre han evolucionado con nuevas herramientas – desde tablas de logaritmos hasta computadoras. La cuestión no es si la IA cambia las matemáticas, sino cómo nos aseguramos de que el cambio sea constructivo.

Se ha cruzado un umbral intelectual

Como desarrollador de sistemas, he seguido de cerca la evolución de los grandes modelos de lenguaje. Lo que más me impresiona de esta noticia no es que un modelo haya resuelto un problema difícil – es que haya resuelto cientos. Esto sugiere que no estamos viendo un único avance afortunado, sino un cambio más sistemático en cómo los modelos de IA manejan el razonamiento abstracto y formal.

Esa es la diferencia entre un modelo que adivina correctamente y un modelo que comprende la estructura de un problema. Aún no sabemos exactamente dónde se sitúa el modelo de OpenAI en esa escala – requiere examen independiente, lo que hace que el consejo de Princeton sea potencialmente importante, si se le otorgan facultades reales.

Lo que podemos afirmar con certeza es que el umbral de lo que la IA puede hacer intelectualmente acaba de elevarse considerablemente. Y eso debería comprometer a todos quienes trabajan en o se ven afectados por la investigación, la ciencia y la producción de conocimiento.