La ofensiva matemática de la IA lleva la ciencia a un territorio inexplorado

Por The Economist — Portada

Contenido solo para suscriptores La ofensiva matemática de la IA lleva la ciencia a un territorio inexplorado

Tecnología

Los científicos alertan de que la investigación impulsada por máquinas podría dejar de ser comprensible para los humanos

The Economist

14/10/2026 06:00 Síguenos en Google 0:00 Audio generado por IA 0:00 0.5x 0.8x 1x 1.2x 1.5x SUSCRÍBETE PARA ESCUCHAR

A veces la gente tiene una idea equivocada de las matemáticas y piensa que serán superadas por los ordenadores, dijo el matemático Alain Connes en el año 2000. Explicaba así por qué un equipo de matemáticos de prestigio ofrecía recompensas de un millón de dólares por la solución a siete enigmas matemáticos irresolubles. Estos Problemas del Milenio, según Connes, son totalmente inaccesibles para los ordenadores.

Pero los ordenadores mejoraron. A principios de septiembre, OpenAI afirmó que uno de sus modelos internos de IA había resuelto uno de los Problemas del Milenio: el problema de existencia y suavidad de Navier-Stokes, que está relacionado con el movimiento de los fluidos. Era solo el segundo de estos problemas en resolverse y el primero en caer ante una máquina. Los matemáticos llevaban al menos un siglo enfrentándose a este problema. 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 en los que detallaba las soluciones que el mismo modelo había encontrado a por lo menos otros 372 problemas abiertos de larga duración. Ningún campo de investigación había vivido nunca un acontecimiento similar.

Muchos matemáticos no están  de celebración. «La conmoción es enorme», escribió Hugo Duminil-Copin, matemático de la Universidad de Ginebra, que ganó la Medalla Fields (el premio más prestigioso de las matemáticas) en el 2022. «Estoy paralizado». En un comunicado publicado poco después del anuncio sobre Navier-Stokes —y que ya cuenta con el respaldo de más de 8.000 investigadores—, Duminil-Copin y otros 27 medallistas Fields describieron la situación como una «grave desalineación de la IA en el ámbito matemático». Les preocupa el riesgo que suponen las soluciones desligadas de la comprensión humana. Si no se pone freno a esta tendencia, advierte Hairer, de la EPFL de Lausana, otro de los firmantes, la IA «esterilizaría el campo».

Los matemáticos advierten que centrarse solo en las soluciones descuida la importancia de la búsqueda

Que los avances matemáticos de la IA hayan provocado tales reacciones resulta, a primera vista, curioso. Obtener respuestas a preguntas planteadas desde hace tiempo supone un avance para la humanidad. Además, los matemáticos tienen un interés personal en evitar cambios que perjudiquen sus carreras. Sin embargo, su postura no es simple autodefensa, y anticipa la polémica que podría estallar pronto en muchos ámbitos científicos.

Los matemáticos que se oponen argumentan que centrarse solo en las soluciones descuida la importancia de la búsqueda de las mismas. Abordar problemas abiertos impulsa la invención de nuevas herramientas y técnicas, algunas de las cuales pueden acabar resultando útiles más allá de su propósito inicial. Por ejemplo, los números imaginarios, que al elevarse al cuadrado tienen valores menores que cero, fueron descritos por los matemáticos del siglo XVI como “tan sutiles como inútiles”. Hoy en día son la base de la ingeniería eléctrica, la física cuántica y mucho más.

Los cientos de nuevos artículos de OpenAI no han logrado aportar ideas sorprendentes ni abrir nuevas líneas de investigación, según denuncian los matemáticos. La IA no es especialmente buena explicando cómo llega a sus resultados, afirma Luis Martínez-Zoroa, matemático en la Universidad CUNEF de Madrid y uno de los principales expertos en el problema de Navier-Stokes. Describe el artículo de 166 páginas de la IA, en el que expone su metodología, como “una especie de Frankenstein hecho con partes de distintas investigaciones” que resulta todo menos claro.

Las matemáticas no son el único campo que está experimentando una disrupción. Un análisis de 41,3 millones de artículos de disciplinas de las ciencias naturales, publicado en Nature en enero, reveló que los investigadores están adoptando la inteligencia artificial a un ritmo cada vez mayor. Según Tong, de la Universidad de Cambridge, la inteligencia artificial ya ha cambiado radicalmente la forma de trabajar de los físicos teóricos. «A la hora de calcular, lo natural ahora es recurrir a un Gran Modelo de Lenguaje (LLM)», afirma. «Eso no era así hace apenas tres meses.» El 25 de septiembre, Anthropic, otra empresa de inteligencia artificial, anunció que su modelo, Claude, había marcado un avance en el cálculo de las interacciones entre ciertos conjuntos de partículas.

Los científicos que adoptan la inteligencia artificial parecen estar encontrando el éxito: el estudio de Nature   muestra que quienes utilizan esta tecnología publican más y atraen más citas. Sin embargo, aunque supone una ventaja para los investigadores a nivel individual, el uso de la inteligencia artificial ha reducido en casi un 5% la variedad de temas investigados y ha disminuido en un 22% la interacción entre científicos con el trabajo de sus colegas. Evans, investigador especializado en inteligencia artificial en la Universidad de Chicago y uno de los autores del estudio, describe este fenómeno como “el cierre” de los campos de investigación.

Esto coincide con las conclusiones de una encuesta reciente realizada por Google a más de 600 científicos. Casi la mitad de los encuestados afirmó que la inteligencia artificial les orienta hacia proyectos más seguros y graduales, que garantizan la obtención de resultados publicables en poco tiempo. Solo el 28% consideraba que la inteligencia artificial les permitía abordar trabajos más arriesgados y especulativos. El progreso científico requiere ambos enfoques, pero a menudo es la investigación más arriesgada la que lleva a los avances más importantes.

Lee también

Meta presenta Muse Wonder, su inteligencia artificial más avanzada para superar a OpenAI y Anthropic

Ana Laura Palacios

Nadella reclama que los modelos de IA dispongan de “un freno de emergencia”

Francesc Bracero

Otros riesgos surgen a medida que la inteligencia artificial adquiere un papel cada vez más relevante en la ciencia, afirma Héctor Zenil, informático del King’s College de Londres. En un artículo publicado en Frontiers in Artificial Intelligence el pasado mes de febrero, Zenil y Evans describen un futuro en el que los modelos de IA —con la incorporación de la robótica— cierran el círculo científico, es decir, llegan a ser capaces de tomar mediciones de forma autónoma, formular hipótesis, probarlas en el laboratorio y evaluar sus conclusiones antes de reiniciar el proceso. Los investigadores advierten de que esto podría llevar a la ciencia a un terreno desconocido, en el que la investigación impulsada por máquinas deje de ser comprensible para los humanos.

Todavía podría ser posible, en un mundo así, comprobar que los resultados de las máquinas son correctos e incluso aprovecharlos. Por ejemplo, en uno o dos casos, algunos investigadores ya han conseguido avanzar a partir de los resultados en matemáticas de OpenAI. Aun así, esto supondría una forma radicalmente nueva de investigar. Es posible, según Zenil, que los científicos acaben siendo como arqueólogos, profundizando en los hallazgos de la inteligencia artificial e intentando descubrir cómo se han logrado. Tong, que se muestra optimista y cree que la inteligencia artificial será una fuerza positiva, advierte no obstante: “No estoy seguro de que estemos realmente preparados para lo que se avecina en seis meses o un año”. La física teórica es pariente muy cercana de las matemáticas, por lo que es la más expuesta de las ciencias a una disrupción similar.

Sin embargo, los matemáticos todavía no se han quedado sin trabajo. La propia opacidad de los resultados de OpenAI promete mucho trabajo a la hora de verificar los métodos de la inteligencia artificial e identificar cuáles son los enfoques más fructíferos. Además, según explican los matemáticos, aunque la IA sea buena resolviendo problemas, sigue teniendo dificultades con el trabajo creativo; por ejemplo, aún no está claro si una IA podría haber inventado los números imaginarios. Sin embargo, como está descubriendo el doctor Connes, los científicos que subestiman el potencial de esta tecnología lo hacen bajo su propia responsabilidad.

© 2026 The Economist Newspaper Limited. Todos los derechos reservados.

Mostrar comentarios

Fonte: Portada