“A veces la gente tiene una idea equivocada de las matemáticas y piensa que serán superadas por las computadoras”, dijo el matemático Alain Connes en el año 2000. Explicaba así por qué un equipo de prestigiosos matemáticos ofrecía un millón de dólares en recompensas por la solución de siete problemas matemáticos irresolubles. Estos problemas del Premio del Milenio, afirmó el Dr. Connes, “son totalmente inaccesibles para las computadoras”.
Pero las computadoras mejoraron. A principios de septiembre, OpenAI , una empresa estadounidense, anunció que uno de sus modelos internos de IA había resuelto un problema del Premio del Milenio: el problema de existencia y suavidad de Navier-Stokes, relacionado con el movimiento de fluidos. Fue el segundo de todos los problemas resueltos y el primero en ser resuelto por una máquina. Los matemáticos llevaban al menos un siglo intentando resolverlo. La IA lo resolvió en 88 horas.
Luego llegó lo que Álvaro Lozano-Robledo, matemático de la Universidad de Connecticut, ha calificado como «posiblemente el día más importante en la historia de las matemáticas hasta la fecha». El 6 de octubre, OpenAI publicó una avalancha de 719 artículos que detallaban soluciones que el mismo modelo había encontrado para al menos otros 372 problemas abiertos de larga data. Ningún campo de investigación había experimentado jamás un acontecimiento similar.
Muchos matemáticos no celebran. «La conmoción es inmensa», escribió Hugo Duminil-Copin, matemático de la Universidad de Ginebra, ganador de la Medalla Fields (el premio más prestigioso de las matemáticas) en 2022. «Estoy paralizado». En una declaración publicada poco después del anuncio de Navier-Stokes —y respaldada desde entonces por más de 8000 investigadores—, el Dr. Duminil-Copin y otros 27 galardonados con la Medalla Fields describieron la situación como una «grave desalineación de la IA en las matemáticas». Les preocupan los riesgos que plantean las soluciones desvinculadas de la comprensión humana. Si no se controla, afirma Martin Hairer, de la EPFL en Lausana (Suiza), otro firmante, la IA «esterilizaría el campo».
Que los avances matemáticos de la IA hayan provocado tales reacciones resulta, a primera vista, extraño. Contar con respuestas a preguntas de larga data representa un progreso para la humanidad. Los matemáticos también tienen un interés personal en evitar que sus carreras se vean afectadas. Sin embargo, su postura no se basa únicamente en argumentos particulares, y ofrece un anticipo del revuelo que pronto podría estallar en muchos campos científicos.
Los matemáticos que se oponen argumentan que centrarse en las soluciones descuida la importancia de su búsqueda. Abordar problemas abiertos impulsa la invención de nuevas herramientas y técnicas, algunas de las cuales podrían resultar útiles más allá de su propósito inicial. Por ejemplo, los números imaginarios, que al elevarlos al cuadrado tienen valores menores que cero, fueron descritos por los matemáticos del siglo XVI como tan sutiles como inútiles. Actualmente, son la base de la ingeniería eléctrica, la física cuántica y muchos otros campos.
Los cientos de nuevos artículos de OpenAI no han aportado, según afirman los matemáticos, ideas sorprendentes ni nuevas líneas de investigación. La IA no explica bien cómo llega a sus resultados, afirma Luis Martínez-Zoroa, matemático de la Universidad CUNEF de Madrid y experto en el problema de Navier-Stokes. Describe el artículo de 166 páginas de la IA , que explica su funcionamiento, como «una especie de Frankenstein de distintas partes de la investigación», que resulta de todo menos claro.
Las matemáticas no son el único campo que se enfrenta a una disrupción. Un análisis de 41,3 millones de artículos de diversas disciplinas de las ciencias naturales, publicado en Nature en enero, reveló que los investigadores están adoptando la IA a un ritmo acelerado. La IA ya ha cambiado drásticamente la forma en que trabajan los físicos teóricos, según David Tong, de la Universidad de Cambridge. «En términos de cálculos, es obvio que se recurre a un máster en Derecho », afirma. «Eso no era así hace tres meses». El 25 de septiembre, Anthropic, otra empresa de IA , anunció que su modelo, Claude, había ampliado la frontera en el cálculo de las interacciones entre ciertos conjuntos de partículas.
Los científicos que adoptan la IA parecen estar teniendo éxito: el estudio de Nature demostró que quienes utilizan esta tecnología publican más y reciben más citas. Sin embargo, si bien es una ventaja para los investigadores, el uso de la IA redujo el abanico de temas estudiados en casi un 5 % y disminuyó la interacción entre los científicos en un 22 %. James Evans, investigador de IA en la Universidad de Chicago y uno de los autores del estudio, describe esto como un «cierre» de campos de investigación. Esto coincide con los resultados de una encuesta reciente realizada por Google a más de 600 científicos. Casi la mitad de los encuestados afirmó que la IA los impulsa hacia proyectos más seguros y graduales que garantizan la publicación de resultados en poco tiempo. Solo el 28 % consideró que la IA les permitía dedicarse a trabajos más especulativos. El progreso científico requiere ambos enfoques, pero a menudo es la investigación más arriesgada la que conduce a los avances más profundos.
Según Hector Zenil, científico informático del King’s College de Londres, surgen otros riesgos a medida que la IA desempeña un papel cada vez más importante en la ciencia. En un artículo publicado en febrero en Frontiers in Artificial Intelligence , los doctores Zenil y Evans vislumbran un futuro en el que los modelos de IA (con cierta robótica incluida) cierran el ciclo científico, lo que significa que se vuelven capaces de tomar mediciones de forma autónoma, formular hipótesis, ponerlas a prueba en el laboratorio y evaluar sus resultados antes de comenzar el proceso de nuevo. Los investigadores advierten que esto podría llevar a la ciencia a un terreno desconocido donde la ciencia impulsada por máquinas deje de ser comprensible para los humanos.
En un mundo así, aún podría ser posible comprobar que los resultados de las máquinas son correctos, e incluso aprovecharlos. En uno o dos casos, por ejemplo, los investigadores ya han logrado desarrollar soluciones a partir de los resultados matemáticos de OpenAI . Sin embargo, esto supondría una forma radicalmente nueva de investigar. Según el Dr. Zenil, los científicos podrían convertirse algún día en algo parecido a los arqueólogos, siguiendo los descubrimientos de la IA e intentando descifrar cómo se lograron. El Dr. Tong, optimista respecto a que la IA será una fuerza positiva, advierte, no obstante, que «no estoy seguro de que estemos realmente preparados para lo que se avecina en seis meses o un año». La física teórica es una disciplina estrechamente relacionada con las matemáticas, por lo que es la más propicia para una disrupción similar.
Los matemáticos aún no se han quedado sin trabajo. La opacidad misma de los resultados de OpenAI promete mucho trabajo verificando los métodos de la IA e identificando qué enfoques resultan más fructíferos. Es más, dicen los matemáticos, por muy buena que sea la IA para resolver problemas, todavía tiene dificultades con el trabajo creativo; si una IA podría haber inventado los números imaginarios, por ejemplo, sigue sin estar claro. Sin embargo, como está descubriendo el Dr. Connes, los científicos subestiman el potencial de la tecnología bajo su propio riesgo.