La IA resolvió un problema matemático de 40 años en 2 meses. ¿Qué sigue para las matemáticas?

El problema que resistió a la humanidad durante cuatro décadas no cedía ante el genio. Cedió ante una herramienta.

En la parte superior de un artículo preliminar en arXiv el mes pasado se encontraba un polinomio de grado 23 con coeficientes que se extendían hasta 14 dígitos — un monstruo numérico que los matemáticos habían intentado y fallado en construir durante 40 años. Dos meses después, existía. El problema, conocido como M23, se ubica dentro de la teoría de Galois inversa, una de las ramas más abstractas de las matemáticas puras. Había sido catalogado como uno de los 26 problemas abiertos más tercos de su subcampo. Veinticinco de esos problemas ya han sido resueltos. M23 resistió más tiempo, hasta que un equipo liderado por el profesor Kyu-Hwan Lee, de la Universidad de Connecticut, lo sometió a un sistema de inteligencia artificial en un taller del Instituto Americano de Matemáticas a finales de mayo.

Lo que hace que el resultado inquietante no es simplemente que fue resuelto. Es cómo fue resuelto, y lo que el método implica para cada institución que mide la grandeza matemática.

Un milagro, formalmente clasificado

La palabra “milagrosamente” aparece dos veces en el artículo. En un campo que trata tal lenguaje como mala práctica profesional, su uso es en sí mismo un dato. Lee le dijo a Chosun Ilbo que el término refleja la genuina perplejidad de los investigadores humanos: la IA produjo resultados que eran correctos pero opacos, de la manera en que la famosa jugada 37 de AlphaGo dejó atónitos a los jugadores profesionales de Go antes de que las matemáticas de la posición fueran comprendidas.

“La IA avanzó y los humanos tuvieron que seguir detrás para entender”, dijo Lee. Esa secuencia — descubrimiento de la máquina, comprensión humana — es la inversión de todo sobre lo que la tradición matemática ha sido construida.

La división del trabajo en el proyecto M23 era clara enough para describirse pero imposible de cuantificar. La IA manejó el cálculo por fuerza bruta, la generación de código y la validación de hipótesis que habría consumido meses o años de trabajo humano. Lee estimó que un estudiante de doctorado podría gastar tres años en un problema que la misma IA resolvió en tres días. Los humanos establecían la dirección, evaluaban la plausibilidad y, eventualmente, construían la comprensión que convierte una respuesta computada en un resultado matemático.

Lee comparó la colaboración con una orquesta: no se puede separar justamente la contribución del director de la del violinista y asignar una proporción. Pero la metáfora también oculta una asimetría incómoda. El violinista puede ser reemplazado. El director no.

La Medalla Fields enfrenta una crisis de identidad

La implicación más consecuentede el resultado M23 no es matemática sino institucional. La Medalla Fields, otorgada cada cuatro años a matemáticos menores de 40 años, es el más alto honor de la disciplina. Reconoce la intuición individual, la originalidad y la lucha intelectual sostenida. Todos esos valores se desestabilizan cuando la labor central de la investigación matemática — cálculo, verificación, exploración de espacios de soluciones — puede externalizarse a una máquina que opera en una escala de tiempo incomprensible para un investigador humano.

Lee citó una predicción que circula entre algunos matemáticos: la Medalla Fields de 2030 podría ser la última. El razonamiento es tajante. Si la colaboración con IA se convierte en el modo por defecto de la investigación, trazar una línea significativa entre el logro humano y el descubrimiento asistido por máquina se volverá imposible. Los premios construidos sobre la premisa del brillo humano individual perderán su legitimidad o se verán forzados a redefinir lo que cuenta como “humano”.

Esto no es especulativo. El taller donde se resolvió M23 tuvo lugar en el AIM, una institución diseñada específicamente para fomentar la resolución colaborativa de problemas. El resultado surgió de un bucle humano-IA que ninguna persona individual habría podido sostener sola. El aparato de revisión por pares, el circuito de formación doctoral, el proceso de tenure — ninguno de estos fue diseñado para un mundo en el que el camino más rápido hacia un resultado pasa a través de una caja negra.

Cinco a diez años de ruido, luego una edad de oro — o una crisis

Lee pronosticó una transición turbulenta. Los jóvenes matemáticos entrenados de manera tradicional, que pasaron años aprendiendo a calcular a mano y a ver patrones a través de la intuición, encontrarán que su preparación está desalineada con la nueva realidad. El mercado para sus habilidades específicas se reducirá. La pregunta de qué entrenarles permanecerá sin respuesta durante años.

No es pesimista respecto al resultado. Describió un escenario en el que los matemáticos que traten a la IA como un “traje de Iron Man” — una capacidad externa que amplía en lugar de reemplazar el juicio humano — abordarán problemas que previamente estaban fuera de alcance. La restricción ya no es la capacidad computacional. Es la imaginación.

Pero la imaginación sin la capacidad de verificar es peligrosa. Lee enfatizó que cuanto más fuerte se vuelva la IA, más crítico se vuelve el razonamiento matemático humano como mecanismo de control. Un matemático que no puede auditar la salida de una IA no es un socio de la máquina. Es su pasajero. La élite del futuro, en su visión, serán aquellos que puedan pensar lo suficientemente rápido como para mantenerse al mando.

Quiénes ganan, quiénes pierden

Los ganadores son los matemáticos con una sólida formación fundacional que pueden operar al nivel de la estructura de las pruebas y la intuición conceptual mientras delegan el cálculo. Resolverán problemas que previamente eran inviables y construirán reputaciones sobre el juicio más que sobre la perseverancia bruta.

Los perdedores son aquellos cuyo valor proposition es el trabajo computacional — el cálculo lento, cuidadoso, humano que la IA ahora realiza en minutos. Esto incluye una porción significativa de la formación de posgrado, donde se espera que los estudiantes pasen años dominando técnicas que pronto serán automatizadas. Un problema que definía la trayectoria de tres años de un estudiante de doctorado ahora puede completarse en un fin de semana.

Las instituciones más expuestas son aquellas construidas alrededor de métricas de logro exclusivamente humanas: la Medalla Fields, los Problemas del Milenio del Instituto Clay de Matemáticas, los comités de tenure que ponderan cantidad y velocidad de publicaciones. Ninguno de estos marcos tiene categorías para “asistencia supervisada por máquina”.

La pregunta más profunda: qué es una prueba cuando ningún humano la escribió

El resultado M23 no produjo una prueba que la IA generara y los humanos sellaran con aprobación. Produjo un resultado que la IA computó y los humanos eventualmente entendieron y verificaron. La brecha entre esos dos escenarios es actualmente amplia. No permanecerá así.

A medida que los sistemas de IA absorban más de los pasos intermedios de la investigación matemática — los lemas, las comprobaciones computacionales, los cálculos exploratorios — la frontera entre el conocimiento generado por humanos y el asistido por máquina se difuminará. La pregunta que eventualmente se impondrá es si una prueba que ninguna mente humana individual puede rastrear completamente sigue siendo una prueba en el sentido clásico. Las matemáticas siempre han aceptado la verificación asistida por computadora, como en el Teorema de los Cuatro Colores. Pero ese fue un caso de humanos delegando la tediosa verificación. M23 apunta hacia un futuro diferente: humanos delegando el propio descubrimiento.

La evaluación de Lee vale la pena tomárseriamente porque él ha vivido la transición. Un matemático puro formado en la Universidad Nacional de Seúl especializado en álgebra y teoría de números, ha visto el línea temporal del campo comprimirse de años a meses en menos de seis meses. Su advertencia no es anti-IA. Es pro-juicio. Los matemáticos que prosperen no serán aquellos que compitan con máquinas en cálculo. Serán los que puedan hacer las preguntas correctas y reconocer cuándo la máquina ha respondido incorrectamente.

El problema de 40 años que cayó en dos meses no es solo un resultado. Es una señal. La señal dice que el centro de gravedad en las matemáticas se está desplazando, y las instituciones que lo miden aún no lo han notado.