En 2024, The New York Times publicó el artículo “La IA puede escribir poesía, pero tiene dificultades con las matemáticas”. Mientras ChatGPT era capaz de producir sofisticados textos, tropezaba con operaciones aritméticas básicas, como calcular un porcentaje. Bastaron dos años para que la realidad diera un giro radical.
Recientemente, OpenAI anunció que sus agentes de inteligencia artificial habían encontrado soluciones a cientos de problemas matemáticos. Entre sus hazañas, la solución al célebre problema de Navier-Stokes, uno de los siete Problemas del Milenio. Un enigma que desafió a generaciones y que la IA afirma haber resuelto en 88 horas.
El anuncio desató polémica. Matemáticos de primer nivel, incluidos ganadores de la Medalla Fields –el equivalente al Nobel de las matemáticas–, advirtieron que esta avalancha de soluciones amenaza el proceso de búsqueda que hace posibles los grandes descubrimientos. La preocupación es legítima. Pero frenar el progreso sería tan absurdo como pedirle a la IA que dejara de descubrir antibióticos para preservar el lento oficio de la investigación bioquímica.
La paradoja es fascinante: nunca habíamos tenido tantas respuestas y, sin embargo, comprendemos cada vez menos. En matemáticas las respuestas nunca fueron lo más importante. Su verdadero valor reside en las ideas, los métodos y los descubrimientos que surgen mientras las buscamos.
Terence Tao, uno de los matemáticos más brillantes de nuestro tiempo, sostiene que estamos ante el fin de una era. Propone avanzar hacia unas “Matemáticas 2.0”, donde el desafío ya no será simplemente encontrar soluciones, sino comprenderlas, verificarlas y distinguir cuáles amplían verdaderamente nuestro conocimiento.
El propio Tao propone una metáfora. El automóvil multiplicó nuestra velocidad y transformó las ciudades; pero una ciudad diseñada exclusivamente para vías rápidas sería inhabitable. Necesitamos también calles peatonales, espacios de encuentro y caminos lentos.
La universidad enfrenta una disyuntiva semejante. Debe aprovechar las autopistas de la IA sin abandonar la ruta lenta de la reflexión, la duda y el descubrimiento. Porque si las máquinas pueden resolver problemas en minutos, el mayor desafío humano será pensar en los problemas que vale la pena resolver.