¡CRISIS EN LAS MATEMÁTICAS! La IA ya resuelve problemas de siglos pero no sabe qué día es hoy

OpenAI publicó recientemente un conjunto de soluciones a problemas matemáticos de larga data que, según Robert Hart, reportero de inteligencia artificial de The Verge basado en Londres, «cayó como una bomba» en el mundo académico. Hart, quien conversó con algunos de los matemáticos más reconocidos de la actualidad para el podcast Decoder del medio, describe una comunidad que atraviesa algo cercano a una crisis existencial sobre el futuro mismo de la disciplina.

El detonante, explicó Hart, es una transición de capacidades que se aceleró en los últimos seis a doce meses: la inteligencia artificial pasó de ser notablemente mala en matemáticas a mostrar un desempeño que muchos califican de nivel profesional, en un lapso muy corto. Hart lo compara con lo que ya vivió la ingeniería de software, aunque en matemáticas ese salto ocurrió de forma mucho más comprimida.

El extraño caso de las matemáticas que sí y las que no

Lo curioso, apunta Hart, es que estos sistemas siguen siendo profundamente malos en tareas que cualquier persona consideraría elementales. Todavía tienen problemas con aritmética simple, con los días de la semana y con decir la hora: la periodista Elissa Welle documentó en The Verge que ChatGPT sigue sin poder decir qué hora es. Hart incluso compartió una anécdota personal: su pareja notó que un modelo insistía en que era miércoles cuando no lo era.

El caso más conocido de esta paradoja es el de contar las letras erres en la palabra «strawberry», un ejercicio que hace apenas un año los modelos no podían resolver y que hoy, según pudo verificar Hart, ya logran. Aun así, bromea con la posibilidad de que esa respuesta esté simplemente programada a la fuerza dentro de los modelos, más que resuelta mediante razonamiento genuino.

Según Hart, la explicación de esta brecha está en que gran parte de las matemáticas académicas avanzadas no dependen de contar o calcular, sino de razonar: establecer conexiones entre áreas distintas y aplicar métodos conocidos de maneras nuevas, algo en lo que los modelos recientes han mejorado de forma notable. De hecho, señala que las matemáticas no son una disciplina unitaria, de la misma forma que la biología abarca desde la observación de animales hasta la bioquímica celular: la IA domina algunos tramos de ese espectro y falla estrepitosamente en otros. Algunos matemáticos consultados por Hart mencionaron la topología como un área donde la IA todavía tendría dificultades, aunque el propio periodista aclaró que no pudo verificar esa afirmación por estar fuera de su área de experiencia.

Las preguntas incómodas para la disciplina

Más allá del desempeño técnico, Hart plantea las preguntas que realmente inquietan a la comunidad matemática: si la IA puede resolver problemas de este calibre, ¿tiene sentido seguir financiando becas y programas universitarios enteros dedicados a formar nuevas generaciones de matemáticos, si los modelos de frontera terminan respondiendo las preguntas pendientes por su cuenta? También surge la duda de si todo este interés mediático en torno a las matemáticas es, en el fondo, solo una estrategia de mercadotecnia de los laboratorios de IA, a quienes —sugiere la conversación— podría no importarles demasiado el destino de una de las disciplinas académicas más antiguas que existen.

Hart no ofrece una respuesta definitiva. Lo que documenta es una comunidad dividida entre el asombro por lo que estos sistemas ya logran y la incertidumbre sobre qué rol le queda al matemático humano cuando parte de su trabajo de investigación puede replicarse, o al menos acelerarse, con una herramienta que todavía confunde el miércoles con cualquier otro día.

Qué significa esto para México

Aunque la discusión que reporta Hart ocurre en círculos académicos internacionales, las preguntas que plantea aplican igual a cualquier sistema educativo, incluido el mexicano: qué sentido tienen los programas universitarios de matemáticas y las becas de investigación si una herramienta de IA puede resolver en minutos problemas que antes tomaban años de trabajo colaborativo entre especialistas. Para estudiantes, profesores e investigadores mexicanos que siguen de cerca el desarrollo de la IA, vale la pena tomar con cautela tanto el entusiasmo como la alarma: como señala el propio Hart, estos modelos son extremadamente buenos en ciertas franjas de las matemáticas y notablemente malos en otras, así que la conversación está lejos de ser blanco o negro. Por ahora, no hay ningún anuncio de que estas herramientas o sus resultados se apliquen de forma distinta en México, así que lo más prudente es seguir el debate académico a medida que avanza.