La inteligencia artificial ya es capaz de producir demostraciones de problemas matemáticos complejos, pero investigadores de Harvard discrepan sobre qué hace que esos resultados sean realmente valiosos. Un reportaje publicado por The Harvard Crimson el 21 de octubre reunió a 12 profesores e investigadores con opiniones distintas sobre el papel de la tecnología en la investigación y la enseñanza.
La discusión cobró fuerza después de que OpenAI anunciara, en septiembre, una posible solución para el problema de existencia y suavidad de Navier-Stokes, uno de los siete Problemas del Milenio, que ofrecen premios de US$ 1 millón. La demostración presentada por la empresa aún depende de evaluación y reconocimiento académico.
Para Ahsan Khan, investigador del Centro de Ciencias Matemáticas y Aplicaciones de Harvard, la validez de un resultado importa más que su origen. Argumenta que un descubrimiento matemático no pierde valor por haber sido producido por una máquina.
La profesora Melanie Matchett Wood presenta una preocupación diferente. Para ella, la IA debe ampliar la capacidad humana de comprender las matemáticas, no sustituir esa comprensión ni concentrar el conocimiento en sistemas que los propios investigadores no logran explicar.
Wood también integra un grupo independiente creado en septiembre para orientar a las empresas de inteligencia artificial sobre la divulgación responsable de resultados matemáticos.
Las pruebas muestran que los aciertos todavía no garantizan explicaciones claras
El debate se sustenta en una evaluación publicada el 14 de octubre por el proyecto First Proof, que sometió cinco sistemas de IA a diez problemas de matemática avanzada.
Los sistemas lograron, en conjunto, resolver correctamente los diez problemas. La configuración más eficiente, llamada ProofCouncil, acertó nueve, mientras que GPT-6 Astra, de OpenAI, resolvió siete.
Sin embargo, la calidad de las explicaciones y de las referencias bibliográficas quedó por debajo de la capacidad de encontrar soluciones. Entre las diez respuestas producidas por GPT-6 Astra, solo cuatro presentaron citas consideradas adecuadas por los evaluadores. En ProofCouncil, fueron siete.
Los resultados fueron examinados por 30 especialistas, que consideraron la corrección matemática, la claridad de la demostración y el reconocimiento de trabajos anteriores.
Esas limitaciones ayudan a explicar la postura cautelosa de parte de los investigadores. El profesor Tomer Schlank declaró a The Harvard Crimson que considera la IA más útil, por ahora, para la investigación bibliográfica y la programación. Otros académicos manifestaron preocupación por el uso de trabajos científicos en el entrenamiento de modelos sin control de los autores.
La divergencia también llegó a las aulas. En este semestre, algunas asignaturas introductorias de matemáticas de Harvard comenzaron a adoptar actividades sin tecnología, buscando preservar el desarrollo de las habilidades de los estudiantes.
En septiembre, un encuentro realizado en la universidad con 24 matemáticos también recomendó ampliar las evaluaciones presenciales, escritas y orales, sin abandonar la formación de los estudiantes para que utilicen herramientas de IA en investigaciones.
