Un grupo de 25 ganadores de la medalla Fields firmó una declaración en la que advierte sobre los riesgos que el avance de la inteligencia artificial (IA) podría representar para las matemáticas y otras áreas del conocimiento. Los expertos señalan que la capacidad de producir resultados a una velocidad cada vez mayor no implica necesariamente una mejor comprensión de los problemas ni del mundo que los rodea.
La advertencia surge en medio del rápido desarrollo de las capacidades matemáticas de los grandes modelos de lenguaje, que ya pueden enfrentarse a problemas de investigación de enorme complejidad. Un ejemplo de ello ocurrió el 8 de septiembre de 2026, cuando OpenAI anunció una posible solución al problema de Navier-Stokes, uno de los siete Problemas del Milenio. Según la compañía, en el proceso participaron cerca de 10.000 agentes de inteligencia artificial durante unas 88 horas, tras lo cual el resultado fue formalizado y verificado mediante Lean.
Este avance plantea una pregunta que va más allá de la capacidad de las máquinas para encontrar respuestas: ¿qué ocurriría si la IA logra resolver problemas, pero hace innecesario el proceso intelectual mediante el cual los humanos los comprendían y descubrían? Para los matemáticos que respaldan la declaración, el debate ya no se limita a una posibilidad lejana, sino que plantea interrogantes sobre el futuro de la investigación y la manera en que se construye el conocimiento.
Matemáticos avisan la “falta de transparencia”
Sin embargo, frente a este panorama, la Real Sociedad Matemática Española (RSME) destacó la “preocupación urgente” ante la “falta de transparencia” del modelo de IA utilizado por OpenAI en la resolución del problema Navier-Stokes, “al tratarse de una herramienta interna y no accesible de manera pública”.
La institución expresó esta postura en una declaración reseñada por Europa Press, en la que reconoce la propuesta de solución al problema de Navier-Stokes presentada recientemente por OpenAI como “un hito de indudable relevancia para la comunidad matemática internacional”. Según el documento, este avance también evidencia un nuevo modelo de investigación basado en la colaboración entre los seres humanos y los sistemas de inteligencia artificial.
Sin embargo, precisa que este avance “no surge en el vacío”, sino que “se apoya en una larga trayectoria de trabajo colectivo desarrollada durante décadas por matemáticos de todo el mundo”, entre los que destacan las aportaciones previas de Diego Córdoba, Luis Martínez-Zoroa y Fan Zheng, así como los avances recientes de Levent Alpöge y Tristan Buckmaster.
Sin restar mérito a la rapidez con la que se ha obtenido este resultado, la RSME considera “indispensable” reflexionar sobre las implicaciones profundas de este nuevo paradigma. Así, destaca que la investigación matemática “va mucho más allá de la mera resolución de problemas o de la producción masiva de respuestas o enunciados cuya verdad debe ser verificada”.
“Históricamente, nuestra disciplina ha construido un cuerpo abstracto de métodos e ideas cuya finalidad última es la comprensión conceptual. Los grandes problemas abiertos han funcionado siempre como faros orientadores; su resolución no solo aporta una respuesta, sino que pone en marcha un proceso humano y colectivo de debates y discusiones que termina validando ese conocimiento e incorporándolo, cuando sea necesario, a la matemática que se enseña en la escuela y en la universidad”, recoge la declaración hecha por la agencia.
En particular, la RSME considera “esencial” distinguir entre la obtención de una respuesta correcta y la construcción de una demostración matemática “rigurosa, comprensible y verificable” por la comunidad científica.
En este punto, defiende que una afirmación sobre la resolución de un problema abierto “no puede descansar únicamente en la confianza depositada en un sistema de IA, por avanzado que sea, ni en la plausibilidad de los argumentos que produzca”.
Para la organización, “la validación independiente, la identificación de las ideas esenciales y la posibilidad de explicar y reproducir los pasos de una demostración constituyen requisitos irrenunciables del conocimiento matemático”: “La IA puede contribuir de manera extraordinaria a estos procesos, pero no debe sustituirlos”.
Riesgo de la IA en la investigación
La RSME alerta de que existe “un riesgo real” de que el impulso de las empresas tecnológicas por utilizar las matemáticas como un simple banco de pruebas (benchmark) “desvirtúe el sentido esencial de la investigación”.
En este aspecto, observa una “seria desalineación” entre los fines comerciales de los desarrolladores de IA y las metas científicas y formativas de la comunidad matemática. “La producción acelerada de respuestas directas amenaza con interrumpir la cadena de transmisión humana y el desarrollo de habilidades analíticas que tradicionalmente se cultivan durante años de formación investigadora”, advierte.
La RSME considera especialmente necesario proteger las oportunidades de formación y desarrollo profesional de las nuevas generaciones de matemáticos. En su opinión, el aprendizaje de la investigación “requiere tiempo, esfuerzo, contacto con investigadores experimentados y la oportunidad de enfrentarse a problemas cuya dificultad no se mide únicamente por la posibilidad de obtener una respuesta”.
“Cualquier transformación tecnológica de la actividad matemática debe preservar estos espacios de aprendizaje y evitar que el acceso desigual a herramientas avanzadas amplíe las brechas existentes entre investigadores, instituciones y países”, apunta la entidad, que subraya el valor “de una formación sólida en matemáticas”, según lo compartido por Europa Press.