La inteligencia artificial ya no es solamente aquella herramienta que antes se usaba para generar imágenes o programar. Los últimos avances están llegando a un terreno que durante siglos parecía reservado casi exclusivamente al razonamiento humano: las matemáticas. Y Terence Tao, uno de los matemáticos más influyentes de las últimas décadas, cree que el impacto de esta revolución puede ser mucho mayor de lo que estamos imaginando. Tao, nacido en Adelaida (Australia) y ganador de la prestigiosa Medalla Fields en 2006, considera que la comunidad matemática tiene muy poco tiempo para reaccionar ante la velocidad a la que están avanzando los modelos de IA.
En una entrevista publicada por New Scientist, advierte de que «los humanos están a punto de perder el control de la resolución de problemas». Su preocupación no está en que la inteligencia artificial vaya a destruir las matemáticas. De hecho, el propio Tao utiliza herramientas de IA. El problema es que la tecnología cambie tan rápidamente la forma de hacer matemáticas que los propios profesionales pierdan el control sobre lo que es resolver un problema.
Importancia de la IA Las matemáticas tienen una característica particular frente a otras disciplinas, y es que sus resultados deben poder demostrarse. Hace falta una demostración que permita comprobar que cada paso es correcto y que, posteriormente, pueda ser revisada y comprendida por otros especialistas. La IA está cambiando precisamente eso. A lo largo de este año, diferentes modelos han comenzado a resolver problemas matemáticos de una dificultad considerable, algunos de ellos abiertos durante años o incluso décadas.
Tao señala que determinados avances incluso han sido impulsados por aficionados que simplemente han planteado los problemas a modelos de inteligencia artificial. El resultado es bastante paradójico, ya que generar demostraciones puede dejar de ser el principal problema, pero entonces aparece otro problema mucho más difícil de gestionar. «La validación escasea», advierte Tao. Si la IA empieza a producir demostraciones a una velocidad muy superior a la capacidad de los matemáticos para revisarlas, el problema deja de ser encontrar soluciones y pasa a ser determinar cuáles son correctas, relevantes y realmente aportan conocimiento. Cuál es el problema Un resultado tiene que poder explicarse, relacionarse con otros conocimientos y ser entendido por la comunidad científica.
Aquí es donde encuentra una de las principales limitaciones de los actuales modelos de IA. Un sistema puede generar una demostración formalmente correcta, pero eso no garantiza que un matemático pueda comprender por qué funciona o qué ideas nuevas contiene. En ocasiones, explica durante páginas aspectos relativamente sencillos y concentra la parte verdaderamente interesante de la demostración en unas pocas líneas. Tao teme que acabemos acumulando enormes cantidades de conocimiento que nadie entiende realmente. «Existe el peligro de que, si toda la ciencia se automatiza, se pierda el conocimiento altamente seleccionado de la próxima generación», afirma.
La preocupación adquiere todavía más importancia con la denominada formalización matemática. Herramientas como Lean permiten convertir una demostración en código que un ordenador puede verificar paso a paso. La IA, además, puede ayudar a transformar demostraciones convencionales en este lenguaje. Esto proporciona una enorme capacidad de comprobación, pero también plantea una cuestión fundamental: si una máquina genera y verifica una demostración que ningún ser humano puede comprender, ¿hemos avanzado realmente en nuestra comprensión de las matemáticas?