El 11 de septiembre de 2026, el sitio web mathandai.org publicó una declaración conjunta sin precedentes bajo un título contundente: A Severe Misalignment of AI in Mathematics (Un grave desalineamiento de la IA en las matemáticas). El documento reunía las firmas de solo 25 personalidades iniciales, pero cada una de ellas ostenta la Medalla Fields, el máximo galardón de la disciplina. Desde Pierre Deligne (premiado en 1978) y Terence Tao (galardonado en 2006) hasta Yu Deng, laureado en este 2026, casi medio siglo de liderazgo matemático adoptó una postura colectiva unánime. Mientras las empresas de Silicon Valley celebran la resolución de complejos retos matemáticos como hitos de ingeniería, quienes mejor comprenden la esencia de la ciencia detectan una profunda crisis.
El detonante reside en un giro metodológico en la investigación y desarrollo de la inteligencia artificial. Para demostrar la capacidad de razonamiento de los grandes modelos de lenguaje, los laboratorios punteros han convertido los problemas de la Olimpiada Internacional de Matemáticas (IMO) y conjeturas abiertas en bancos de pruebas de rendimiento. En la lógica de Silicon Valley, el enfoque parece intachable: las matemáticas son puras; una demostración es correcta o incorrecta, libre de las ambigüedades del lenguaje natural. Utilizar las matemáticas como benchmark se ha consolidado como la prueba definitiva de potencia computacional.
Sin embargo, a ojos de los matemáticos, esta carrera representa una peligrosa distorsión. El texto de la declaración lo define con precisión: «resolver problemas es solo una herramienta y un medio representativo para alcanzar el objetivo primordial de la comprensión conceptual y la intuición profunda (solving problems is only a tool and proxy for achieving the primary goal of conceptual understanding and insight)». Esta afirmación desvela un choque de valores irreconciliable. Para las corporaciones tecnológicas, la meta es arrojar el resultado que certifique el acierto. Para la comunidad matemática, la meta es entender por qué ese resultado es cierto y articular esa verdad dentro del edificio conceptual de la humanidad.
Puntos de referencia e infraestructura
Para calibrar el calado de este conflicto es indispensable atender a la historia de las matemáticas. Las grandes conjeturas nunca han sido meras cerraduras a la espera de una combinación numérica. La declaración recalca que estos problemas emblemáticos actúan como «puntos de referencia y faros (landmarks and lighthouses)» en la geografía del saber, sirviendo para medir los avances de la mente humana en el terreno de la abstracción.
Resolver un problema histórico suponía la confirmación inequívoca de un salto conceptual. Implicaba que alguien había trazado un camino transitable a través de territorio desconocido. Si una máquina produce un resultado basándose en cálculos probabilísticos pero es incapaz de desvelar la estructura conceptual o geométrica del trayecto, ese resultado carece de valor formativo para la disciplina. El verdadero progreso del conocimiento radica en la infraestructura construida a lo largo de la búsqueda; el veredicto final de «Verdadero» es solo una consecuencia secundaria.
La demostración de un teorema es apenas el punto de partida de la producción del saber. Tras su publicación, la comunidad emprende un largo periplo de conferencias, seminarios y debates destinados a destilar las ideas centrales y despojarlas de su complejidad formal inicial. Mediante este riguroso proceso de simplificación, razonamientos que en su origen solo estaban al alcance de mentes privilegiadas acaban convertidos en manuales accesibles para estudiantes universitarios. Algunas de estas intuiciones acaban convirtiéndose, décadas o siglos más tarde, en herramientas cotidianas de la civilización.
Esta es la cadena insustituible de la transmisión humana. La declaración lanza una advertencia explícita: «sin matemáticos dispuestos a asumir su desarrollo e integración en el canon matemático, las ideas concebidas por la IA nunca cobrarán vida plena y se perderá la crucial cadena de transmisión humana entre investigadores (without the willing mathematicians who must take care of their development and integration into the mathematical canon, AI-conceived ideas would never become fully alive and the crucial human transmission chain between mathematicians would be lost)».
| Dimensión | Objetivos de ingeniería de las empresas de IA | Aspiraciones centrales de la comunidad matemática |
|---|---|---|
| Objetivo primordial | Resolver problemas de dificultad específica para elevar las puntuaciones de referencia | Adquirir comprensión conceptual e intuición profunda; trazar nuevas coordenadas de conocimiento |
| Método de evaluación | Tasa de acierto en bancos de pruebas automatizados, validación formal por sistemas | Revisión por pares, disección y debate en conferencias, síntesis en manuales docentes |
| Naturaleza del resultado | Declaraciones aisladas de «verdadero/falso» producidas a escala masiva y alta velocidad | Teorías asimilables por el intelecto humano y capaces de transmitirse a futuras generaciones |
| Paradigma de trabajo | Consumo como datos de entrenamiento; enfoque exclusivo en el resultado de extremo a extremo | Atribución rigurosa, delimitación de nuevos métodos e ideas, citación exhaustiva del trabajo previo |
Este cuadro comparativo evidencia la raíz del dilema: un desajuste catastrófico entre la velocidad de generación maquínica y la capacidad de asimilación humana. Cuando los clústeres de cómputo producen respuestas en masa sin digerir, el relevo generacional de la academia pierde su espacio vital.
La velocidad arrolla el crédito académico
La amenaza más acuciante afecta de lleno a las normas de conducta académica. En el afán por acaparar titulares durante las presentaciones de producto, las soluciones generadas por sistemas de IA se publicitan a menudo como hitos revolucionarios sin el debido rigor. «Con frecuencia estas soluciones se anuncian apresuradamente, sin margen para una redacción formal adecuada, la delimitación de nuevos métodos e ideas y la citación de trabajos previos relevantes», denuncia el documento. En cualquier disciplina creativa donde las ideas se construyen unas sobre otras, el ansia de primicia «plantea graves problemas de atribución y plagio (raises severe attribution and plagiarism questions)».
En su blog personal, Terence Tao detalló el contexto de la iniciativa. El manifiesto se gestó tras una intensa semana de consultas internas. Dada la gravedad de la situación, los firmantes optaron por prescindir de un proceso de consulta pública más pausado. La urgencia estaba justificada: en pos del impacto mediático y comercial, las grandes tecnológicas están volcando sobre la academia derivaciones preliminares sin estructurar.
Tal como recalca la declaración, «la producción masiva a ritmo cada vez más acelerado de afirmaciones ‘verdadero/falso’ podría destruir un suelo fértil en lugar de insuflar vida a nuevas ideas (the mass production at faster and faster pace of ‘true/false’ statements could destroy fertile ground instead of breathing life into new ideas)». El sistema de confianza de la ciencia descansa en la citación y en la trazabilidad de las ideas. Cuando las máquinas emiten conclusiones a la velocidad de la luz, la capacidad de revisión humana colapsa. Quienes dedican su vida a tejer la trama intelectual corren el riesgo de quedar sepultados bajo una marea de respuestas generadas por algoritmos.
Figura: Anverso de la Medalla Fields. Fuente: Wikimedia Commons
¿Ruinas o un nuevo filón?
La respuesta del ecosistema técnico al posicionamiento de los matemáticos puso de manifiesto sensibilidades encontradas. En Hacker News, el hilo alcanzó 497 puntos y 566 comentarios, consagrándose como el debate más concurrido de la jornada. La conversación trascendió el análisis computacional para adentrarse en el futuro de la producción del conocimiento. En contraste, en el foro de programación de sistemas Lobsters, el texto apenas cosechó 28 puntos, reflejando un interés sensiblemente inferior.
En los comentarios de Hacker News surgieron réplicas históricas elocuentes. Un comentario destacado recordó que cuando el matemático japonés Shinichi Mochizuki presentó su pretendida demostración de la conjetura abc, legó al mundo una formulación prácticamente ininteligible. Sin embargo, aquello no paralizó la disciplina; dio pie a congresos monográficos, artículos interpretativos y acaloradas discusiones de pasillo. Esa confrontación y ese trabajo hermenéutico son precisamente la razón de ser de la comunidad científica. Que una IA devuelva demostraciones indescifrables no sella la defunción de las matemáticas; puede suponer una veta de mineral en bruto que obligue a la humanidad a perfeccionar nuevas técnicas de fundición.
Otros participantes, en cambio, invocaron precedentes más sombríos. Desde que Deep Blue doblegó a Garry Kasparov en 1997, los motores de ajedrez han superado holgadamente a los humanos durante más de tres décadas. Hoy en día, los grandes maestros dependen en gran medida del patrocinio y las retransmisiones digitales. Ciertos ingenieros temen que, si los algoritmos monopolizan la deducción y la verificación formal, la investigación matemática corra una suerte parecida. Las cátedras e institutos de investigación podrían sufrir drásticos recortes, al igual que ocurrió con ciertos departamentos de arqueología clásica, marginados por carecer de rendimiento económico tangible.
Emergió asimismo un dilema filosófico inquietante: si un modelo de lenguaje demuestra un teorema capital pero ningún ser humano es capaz de comprender su derivación, el logro equivaldría al árbol que cae en un bosque solitario, privado de eco y de significado cognoscitivo.
Los redactores del manifiesto comprenden que el avance tecnológico es imparable y asumen un porvenir incierto: «que estos cambios acaben beneficiando a la disciplina o ejerzan un efecto destructivo dependerá en gran medida de las decisiones que tomen los seres humanos que controlan esta nueva tecnología (whether these changes ultimately benefit the field or have a destructive effect will in large part be determined by the decisions of the humans in control of this new technology)».
Figura: Terence Tao en una charla informal en el IPAM en 2026. Fuente: Wikimedia Commons
Sin comprensión, la victoria carece de sentido
Reducir la resolución de grandes retos matemáticos a un mero indicador de rendimiento para modelos de IA constituye una victoria de la ingeniería, pero un desvío peligroso en la evolución científica. Aunque las empresas tecnológicas compitan por la supremacía de cómputo, las matemáticas deben salvaguardar la arteria viva de la transmisión cultural de la humanidad. Resolver problemas ha sido siempre el medio; la comprensión racional del ser humano sigue siendo el verdadero destino.
Confundir el instrumento con el fin y obsesionarse con el movimiento de marcadores numéricos terminará por esquilmar el terreno que nutre a la ciencia. El edificio de las matemáticas se ha mantenido en pie durante milenios porque cada sillar conceptual puede ser tocado, asimilado y reconstruido por la inteligencia de las generaciones venideras. Si se suplanta la deducción humana por el dictado ciego del cálculo algorítmico, los cimientos de la disciplina se desvanecerán en la nada.
Enlaces de referencia:
- Declaración oficial en mathandai.org
- Blog personal de Terence Tao
- Hilo de debate en Hacker News
- Hilo de debate en Lobsters
