La inteligencia artificial está demostrando que puede atacar problemas matemáticos de una complejidad extraordinaria. Pero mientras los laboratorios celebran esa capacidad, algunas de las figuras más importantes de la disciplina están empezando a preguntarse qué ocurre con quienes hicieron posible esos avances. Veinticinco matemáticos galardonados con la Medalla Fields, uno de los reconocimientos más prestigiosos de la disciplina, firmaron una carta abierta titulada A Grave Misalignment of AI in Mathematics. Su objetivo no es rechazar la inteligencia artificial, sino cuestionar la forma en que algunas empresas están utilizando enormes recursos computacionales para adelantarse a investigaciones todavía en desarrollo.
La polémica explotó alrededor del problema de existencia y suavidad de Navier-Stokes, uno de los siete Problemas del Milenio del Clay Mathematics Institute. © Magnific Miles de agentes contra un problema matemático El matemático Tristan Buckmaster, de la Universidad de Nueva York, y Levent Alpöge, investigador de Anthropic, llevaban meses trabajando sobre este problema y desarrollando resultados basados, a su vez, en avances previos de Diego Córdoba y Luis Martínez-Zoroa. En paralelo, OpenAI puso en marcha un enorme esfuerzo computacional para intentar resolverlo. La propia compañía reconoció que utilizó un modelo todavía no publicado y desplegó alrededor de 10.000 agentes coordinados durante 88 horas, generando aproximadamente 300.000 millones de tokens de salida. Según las cifras citadas, el coste computacional equivalente habría rondado los 22,5 millones de dólares.
OpenAI sostiene que empezó a investigar el problema tras escuchar rumores de que estaba cerca de resolverse y niega haber accedido deliberadamente al trabajo de Buckmaster antes de su publicación. Sin embargo, admite que no puede descartar completamente que parte de esa información hubiese llegado indirectamente al sistema a través del uso que el propio investigador había hecho de herramientas como Codex. La crítica no es que la IA haga matemáticas La carta de los 25 medallistas Fields pone el foco en otra cuestión. Los firmantes consideran que la presión por anunciar resultados rápidamente puede provocar problemas de atribución, falta de revisión y apropiación de ideas todavía no publicadas.
En matemáticas, una demostración no se convierte automáticamente en conocimiento útil por el simple hecho de existir. Debe ser revisada, comprendida y explicada por especialistas capaces de determinar si es correcta y por qué funciona. Si un laboratorio dispone de suficiente capacidad para desplegar miles de agentes sobre cualquier avance preliminar, existe además el riesgo de alterar los incentivos tradicionales de la investigación. Twenty-five Fields Medal winners have published a joint declaration warning about what they see as a severe misalignment between AI companies and the mathematics community. pic.twitter.com/pFwHDX4Lq2 Andrew Curran (@AndrewCurran_) September 11, 2026 El peligro de que los científicos dejen de compartir La ciencia funciona en buena medida porque los investigadores publican resultados parciales, discuten ideas y permiten que otros continúen desarrollándolas.
Pero si compartir un avance significa que una empresa con millones de dólares en capacidad computacional puede utilizarlo inmediatamente para llegar antes a la solución definitiva, algunos científicos podrían optar por ocultar sus progresos hasta tener una prueba completa. Eso podría perjudicar precisamente uno de los mecanismos que históricamente han permitido avanzar a las matemáticas. Los autores de la carta advierten además que el problema no termina en esta disciplina. Hablan de una “amenaza general al trabajo intelectual”, porque la misma dinámica podría aparecer en otras áreas científicas, creativas y académicas.
Una discusión que ya había empezado Las preocupaciones sobre la llegada de la IA a las demostraciones matemáticas no son completamente nuevas. En junio, la Declaración de Leiden ya había planteado recomendaciones para instituciones científicas y responsables políticos ante el crecimiento de las pruebas matemáticas generadas mediante grandes modelos de lenguaje. La nueva controversia eleva el nivel de la discusión porque enfrenta dos formas de producir conocimiento: el ritmo lento de la investigación académica, basado en publicación, revisión y reconocimiento, frente a laboratorios capaces de movilizar miles de agentes y enormes cantidades de cómputo en cuestión de horas. El conflicto no gira únicamente alrededor de quién puede resolver antes un problema matemático.
La pregunta de fondo es qué reglas deberían existir cuando una inteligencia artificial puede avanzar sobre el trabajo de investigadores humanos mucho más rápido de lo que estos pueden terminarlo, publicarlo y recibir reconocimiento por él. Fuente: Xataka.