[responsivevoice_button buttontext="Escuchar la noticia" voice="Spanish

Latin American Female"]

Por Miranda Escolar

La creciente expansión de la inteligencia artificial en ámbitos científicos ha abierto un nuevo debate en la comunidad académica: ¿podrían las máquinas llegar a sustituir a los matemáticos en el descubrimiento de nuevas teorías y demostraciones?

Matemáticas

Un grupo de investigadores vinculados a Columbia University ha tratado de responder a esta cuestión mediante un experimento que pone a prueba los límites actuales de los modelos de inteligencia artificial en el campo de las matemáticas avanzadas.

‘First Proof ‘, un nuevo artículo que describe el experimento, se publicó en la plataforma de acceso abierto arXiv.

El estudio fue impulsado por el matemático Andrew Blumberg, profesor de matemáticas y ciencias de la computación en la universidad neoyorquina, quien junto con un equipo de especialistas decidió evaluar hasta qué punto los modelos de lenguaje de gran escala —las tecnologías que sustentan muchos sistemas actuales de inteligencia artificial— son capaces de resolver problemas matemáticos inéditos. El objetivo del proyecto era comprobar si estas herramientas pueden contribuir al avance del conocimiento científico o si, por el contrario, sus capacidades se limitan a reproducir patrones aprendidos a partir de datos existentes.

Para ello, los investigadores diseñaron un experimento poco habitual. En lugar de plantear a las máquinas problemas matemáticos conocidos o ejercicios académicos convencionales, elaboraron diez cuestiones de investigación para las que aún no existían soluciones publicadas. Las respuestas correctas fueron deliberadamente mantenidas fuera de internet hasta finalizar la prueba, con el fin de evitar que pudieran formar parte de los datos de entrenamiento utilizados por los modelos de inteligencia artificial. De este modo, los científicos buscaban determinar si las máquinas podían realmente generar conocimiento nuevo.

Los resultados del experimento revelaron un panorama complejo. Según explicó Blumberg, los modelos de inteligencia artificial lograron resolver completamente dos de los diez problemas planteados, lo que sugiere que estas herramientas pueden aportar soluciones válidas en determinados contextos matemáticos. Sin embargo, su rendimiento fue irregular en el resto de los ejercicios, lo que evidencia las limitaciones actuales de la tecnología.

En algunos casos, los sistemas de inteligencia artificial lograron identificar fórmulas correctas o aproximaciones prometedoras a los problemas propuestos. No obstante, las demostraciones matemáticas generadas por las máquinas contenían errores parciales, lagunas lógicas o referencias a artículos científicos inexistentes, un fenómeno conocido como “alucinación” en los sistemas de inteligencia artificial generativa. Estas imprecisiones indican que, aunque las herramientas pueden ofrecer ideas útiles, aún requieren la supervisión de expertos humanos para validar los resultados.

Los investigadores observaron además que los modelos tendían a resolver con mayor éxito aquellos problemas que se parecían a otros previamente abordados en la literatura científica. Esto se debe a que los sistemas de inteligencia artificial aprenden a partir de grandes bases de datos textuales y matemáticas, lo que les permite reproducir patrones o métodos conocidos, pero dificulta su capacidad para generar conceptos completamente nuevos.

Esta diferencia resulta especialmente relevante si se compara el trabajo matemático con otras disciplinas como la programación informática. En el desarrollo de software, una solución eficaz puede basarse en métodos ya existentes o adaptaciones de soluciones previas. En cambio, la investigación matemática se centra en descubrir ideas originales y resolver problemas que nunca antes han sido abordados, un proceso que requiere creatividad conceptual y nuevas formas de pensamiento.

A pesar de estas limitaciones, los investigadores consideran que la inteligencia artificial podría convertirse en una herramienta valiosa para los matemáticos. En lugar de sustituir a los científicos, los sistemas podrían ayudar a explorar posibles caminos de demostración, sugerir conjeturas o analizar grandes cantidades de información matemática en busca de patrones relevantes. Este tipo de colaboración entre humanos y máquinas ya comienza a perfilarse como una nueva forma de investigación científica asistida por tecnología.

Blumberg subraya que el objetivo del experimento no era demostrar que las máquinas acabarán reemplazando a los matemáticos ni afirmar lo contrario de forma definitiva. Más bien, el propósito era comprender con mayor precisión qué pueden hacer realmente los modelos actuales de inteligencia artificial y cuáles son sus límites en el contexto del descubrimiento científico. Para el investigador, comprender estas capacidades de forma rigurosa es fundamental para evitar tanto el exceso de entusiasmo como el escepticismo infundado que a menudo rodean a la inteligencia artificial.

El estudio se enmarca en un debate más amplio sobre el papel de la inteligencia artificial en la investigación académica. A medida que estas tecnologías se desarrollan, cada vez más disciplinas —desde la biología hasta la física o la economía— exploran cómo pueden integrarse en los procesos de descubrimiento científico. En el caso de las matemáticas, donde el razonamiento lógico y la creatividad conceptual desempeñan un papel central, la colaboración entre humanos y máquinas podría abrir nuevas formas de abordar problemas complejos.

En definitiva, los resultados del experimento sugieren que, al menos por ahora, la inteligencia artificial no está en condiciones de reemplazar a los matemáticos en la generación de conocimiento original. Sin embargo, su capacidad para analizar información y proponer posibles soluciones indica que podría convertirse en un aliado cada vez más relevante en la investigación científica. En lugar de sustituir al pensamiento humano, las máquinas podrían contribuir a ampliar sus posibilidades, inaugurando una nueva etapa en la relación entre tecnología y conocimiento matemático.

Fuente: https://exitoeducativo.net/actualidad-directiva/innovacion-educativa-1/estan-en-riesgo-los-matematicos-por-culpa-de-la-ia