Terence Tao suena la alarma en el mundo de las matemáticas: crítica severa a la sobrevaloración de la IA

Recientemente, se han sucedido noticias audaces como “La IA resolvió por sí sola un problema matemático que la humanidad no pudo resolver durante décadas”. A medida que la influencia de estos informes aumenta día a día, una figura inesperada ha alzado la voz en contra: Terence Tao. Como alguien que ha promovido activamente el uso de la IA en la investigación matemática, su advertencia tiene un peso especial. Tao no niega la utilidad de la IA en sí misma, sino que hace un llamado a dejar de mitificarla por parte de los medios y la sociedad.

Por qué se extiende la ilusión de una “Revolución Matemática con IA”

Es probable que hayas visto titulares sensacionalistas como “La IA resuelve automáticamente problemas matemáticos de 50 años de antigüedad—¿llegó la era del desempleo para los matemáticos?”. Para quienes sueñan con la aparición de una AGI, estas noticias parecen una luz de esperanza; en cambio, para investigadores que desean proteger la dignidad intelectual humana, representan una fuente de inquietud.

En realidad, el trasfondo de estos titulares sensacionalistas radica en una interpretación fragmentada de la información. Confundir casos aislados de éxito con una capacidad global, tratar resultados no verificados como hechos consumados, y acumular malentendidos así, ha dado lugar a la creencia de que la “IA es invencible en matemáticas”.

Lo que Tao expresó en la madrugada fue un intento de devolver la realidad a expectativas excesivas. En su página de GitHub, “AI contributions to Erdős problems”, explica detalladamente qué aspectos deben considerarse al evaluar las contribuciones de la IA a los problemas no resueltos de Erdős.

Las trampas en la evaluación de la IA que señala Tao

Las advertencias de Tao, en apariencia, parecen negar los logros de la IA, pero en realidad redefinen qué se entiende por “verdadero éxito”.

Se pasa por alto la variabilidad en dificultad: Los problemas de Erdős abarcan desde cuestiones extremadamente difíciles en su núcleo, hasta “problemas de cola larga” que han sido ignorados durante años. La IA es especialmente competente en estos últimos, pero juzgar solo por el número de problemas resueltos puede llevar a una evaluación errónea de su capacidad real.

La etiqueta de “no resuelto” en sí misma es incierta: Muchos problemas en las bases de datos no han sido sometidos a una revisión exhaustiva de la literatura. Aunque aparezcan como “Open”, en realidad ya podrían haber sido resueltos en trabajos previos. Es frecuente que una solución que la IA “descubre” ya exista desde hace décadas.

Solo los casos de éxito reciben atención: Solo se registran los casos en que la IA ha tenido éxito. Los intentos fallidos o investigaciones sin avances visibles quedan en la sombra. Este sesgo hace que la capacidad de la IA se sobreestime.

El enunciado del problema puede contener errores o ambigüedades: Algunas formulaciones de problemas de Erdős carecen de precisión o contienen errores, requiriendo conocimientos profundos para entenderlas correctamente. Es posible, incluso, aprovechar lagunas superficiales para afirmar que se ha “resuelto” un problema.

El valor matemático no se limita a la corrección de la respuesta: Aunque la validez de una demostración es importante, el verdadero valor en matemáticas radica en cómo conecta con teorías existentes y qué nuevas ideas aporta a otros campos. Cuando los investigadores humanos escriben artículos, incluyen contexto, motivación, referencias y limitaciones metodológicas. Como señala Tao, las demostraciones generadas por IA suelen carecer de esa profundidad contextual.

Muchos problemas no pueden ser formalizados: Resolver un problema de Erdős mediante una pequeña modificación en un método existente no genera automáticamente un artículo en una revista de alto impacto. Si la solución es solo una ligera mejora, aún menos.

Las trampas en la formalización: Formalizar una demostración generada por IA en herramientas como Lean puede parecer una forma de aumentar la fiabilidad, pero en realidad puede introducir axiomas adicionales sin que se note, interpretar mal el enunciado, o aprovechar comportamientos “ocultos” del programa. Particular atención deben tener demostraciones formalizadas que sean inusualmente #728番と# cortas o excesivamente largas.

El verdadero papel de la IA: del “trabajo manual” a la “construcción del conocimiento”

En enero de 2026, se informó que un problema de Erdős, el número 729, fue completamente resuelto por IA y verificado en Lean. Esto demuestra que, en ciertos ámbitos, la IA puede generar estructuras de demostración “factibles” y verificar formalmente.

Pero, ¿qué papel desempeña realmente la IA en la investigación matemática? Las categorías de contribución que Tao señala son variadas:

• Cuando la IA genera una solución completa.
• Cuando la IA reconoce que un problema ya está resuelto.
• Cuando ayuda en búsquedas bibliográficas.
• Cuando formaliza en Lean demostraciones humanas existentes.

De especial interés es la categoría de “revisión bibliográfica impulsada por IA”, donde la IA verifica si ya existen resultados o si la etiqueta de “no resuelto” es correcta, realizando una especie de “investigación preliminar”.

En conjunto, lo que Tao quiere enfatizar es que la IA sobresale en tareas rutinarias en matemáticas: rellenar huecos, formalizar, redactar y corregir artículos, investigar literatura. Sin embargo, las tareas que constituyen el “alma” de las matemáticas—plantear problemas profundos, crear nuevos conceptos, integrar resultados en un marco de conocimiento—siguen dependiendo en gran medida de la creatividad y comprensión humanas.

El futuro de las matemáticas: dirección humana y ejecución de IA

La advertencia de Tao en la madrugada no busca minimizar la IA, sino entender su verdadera naturaleza. La imagen del matemático del futuro puede cambiar radicalmente: ya no será un pensador solitario, sino un comandante que lidera un ejército de silicio. En vastos territorios matemáticos, el ser humano marcará el camino, la IA abrirá senderos y construirá puentes. Esta división del trabajo será la clave del próximo capítulo en la investigación matemática.

Dejemos de idealizar en exceso los logros de la IA. Pero tampoco subestimemos esta fuerza, que está transformando radicalmente la forma de buscar la verdad. El mensaje de Tao, en su sobriedad y realismo, ilumina un camino hacia nuevas posibilidades.