Llevo días viendo pasar esta noticia por los agregadores y creo que no le están dando el peso que merece. Terence Tao —para quienes no lo cachan, probablemente el matemático vivo más importante del planeta— publicó junto a otros 24 medallistas Fields una declaración que básicamente dice: las empresas de IA están usando las matemáticas como trofeo, y eso está dañando a la disciplina.
El documento vive en mathandai.org y la tesis central es simple de enunciar, pero pesada. Los LLM de hoy ya resuelven problemas abiertos importantes en varias áreas de las matemáticas. Suena a victoria, ¿no? El problema es por qué lo hacen: las empresas de IA los usan como benchmark. Cazar conjeturas famosas —tipo la Navier-Stokes que anduvo en todas las portadas esta semana— para generar titulares y demostrar superioridad de modelo. Y las matemáticas no funcionan así.
El problema no es la IA, es la prisa
La declaración lo explica mejor que yo: resolver un problema famoso históricamente fue la señal de que aparecieron ideas y métodos nuevos. Esa solución después pasa por un proceso largo y doloroso: charlas, discusiones, simplificaciones, hasta que la comunidad entiende qué se descubrió de verdad y lo integra al canon. Un problema resuelto sin writeup, sin aislar los métodos, sin citar el trabajo previo relevante, es un trofeo en una vitrina, no conocimiento. Y genera problemas serios de atribución y plagio, que en un campo académico son graves.
Además está el tema de la producción masiva de teoremas true/false a velocidad industrial. Si nadie tiene tiempo ni manos para digerir todo eso, el resultado es un montón de resultados «demostrados» que nadie entiende ni va a entender. La desalineación acá no es del modelo: es entre el objetivo de las empresas (benchmarks, titulares, valuations) y el objetivo de la ciencia, que es entender.
Mi opinión, después de años viendo esto en software
Trabajo en sistemas y llevo tiempo viendo exactamente el mismo patrón en la ingeniería de software: generar código a lo loco, sin entenderlo, y después pagar la deuda técnica con intereses. Las matemáticas son simplemente el caso más visible porque sus «entregables» son teoremas que o son correctos o no, y un humano tiene que sentarse a verificarlos de todas formas.
Lo que más me gusta de esta declaración es que no es anti-IA. Los firmantes reconocen explícitamente que la IA puede acelerar el estudio matemático genuino. Un comentarista en el blog de Tao lo resumió perfecto: si OpenAI hubiera gastado una fracción del costo de resolver Navier-Stokes en organizar y publicar los resultados como artefactos estudiables, la comunidad no estaría tan molesta. El tema es que elegir organizar no vende, elegir cazar sí.
Esto le va a pasar a todas las disciplinas intelectuales, no solo a las matemáticas. Cachai el patrón: cuando la métrica que mide tu trabajo se vuelve el objetivo, dejas de hacer el trabajo y empiezas a hacer la métrica. Es la ley de Goodhart aplicada a la ciencia, con presupuestos de compute de cientos de millones detrás.
Que 25 ganadores de la medalla Fields —entre ellos varios de los matemáticos más citados vivos— coordinen algo así en una sola semana es una señal de que la cosa los tiene realmente preocupados. Yo lo tomaría en serio: cuando los mejores de un campo te dicen «estás midiendo mal», lo más probable es que estés midiendo mal.
Fuente de inspiración: Declaration — Math and AI (A Severe Misalignment of AI in Mathematics, Terence Tao)
