Lo más relevante:
- Terence Tao, profesor de la Universidad de California en Los Ángeles (UCLA) y galardonado con la Medalla Fields en 2006, emitió una advertencia pública el 8 de septiembre de 2026 a través de la red social Mathstodon, señalando que el avance acelerado de la inteligencia artificial sobrepasa el rol de mera herramienta de asistencia en la investigación académica.
- De acuerdo con el matemático, la automatización del descubrimiento amenaza la esencia de la comprensión humana y la investigación fundamental al agotar de forma sistemática el semillero de los “buenos problemas abiertos”, la fuente histórica que impulsa el desarrollo conceptual y la formulación de nuevas teorías en la ciencia.
La Inteligencia Artificial (IA) resuelve problemas matemáticos milenarios en tiempo récord
Desde mayo de 2026, los anuncios vinculados al desarrollo de la inteligencia artificial se suceden a un ritmo vertiginoso dentro del ámbito científico. La firma OpenAI abrió la secuencia al invalidar la conjetura de Erdős sobre las distancias unitarias, un dilema matemático abierto desde 1946. Pocas semanas después, la propia compañía afirmó haber resuelto uno de los siete denominados “problemas del milenio” establecidos por el Clay Mathematics Institute: la prueba sobre la existencia y regularidad de las soluciones en las ecuaciones de Navier-Stokes, fundamentales para describir la dinámica de fluidos.
De acuerdo con declaraciones de Tristan Buckmaster, matemático al frente de una de las líneas de investigación más prometedoras en la materia, el modelo de IA de OpenAI completó en un solo fin de semana el trabajo analítico que él y su colega Levent Alpöge (actualmente en Anthropic) intentaban consolidar tras meses de investigación.
Some initial thoughts, and a complicated mix of feelings.
1. Wow. I mean, Erdos problems are cool (I genuinely mean that), I didn't know about the Jacobian conjecture before it got disproved. But this newest batch from OpenAI hits home in a way the previous announcements did…
— Henry Yuen (@henryquantum) August 1, 2026
El avance de la industria no se ha detenido allí. Durante el mes de agosto de 2026, OpenAI hizo públicos diez nuevos avances de gran relevancia en las áreas de matemáticas y ciencia de la computación desarrollados mediante su modelo Astra, abarcando campos como la geometría, la criptografía y la teoría de códigos. En paralelo, Anthropic empleó su sistema Claude para formalizar la demostración del Último Teorema de Fermat en un plazo de tan solo 11 días, hito que coincide con el anuncio de su inminente salida a bolsa.
Terence Tao advierte sobre el agotamiento del ecosistema analítico en matemáticas
A través de una publicación en la plataforma Mathstodon, Terence Tao, ampliamente reconocido como uno de los matemáticos más destacados del mundo, emitió una clara advertencia respecto a la velocidad de estos hallazgos. Desde su perspectiva, el riesgo estructural no reside únicamente en la resolución de los problemas por parte de las máquinas, sino en la celeridad con la que se ejecutan antes de que la comunidad científica pueda asimilar e integrar las implicaciones metodológicas de cada avance.
Al respecto, Tao señaló:
El uso indiscriminado de herramientas poderosas de extracción de soluciones puede alcanzar el objetivo inmediato de resolver problemas, pero al costo de sostener el ecosistema para la próxima ola de avances. Ahora hemos visto que incluso el rumor de que alguien trabaja en un problema puede desencadenar una cantidad masiva de esfuerzo impulsado por la IA para solucionarlo antes de que el proyecto de investigación original tenga tiempo para alcanzar su máximo potencial.
En términos prácticos, la irrupción de estos modelos está transformando la disciplina, desplazándola de un modelo histórico basado en la “escasez de demostraciones” hacia una nueva dinámica signada por la “abundancia de pruebas”. Lo que amenaza con modificar la valoración del trabajo intelectual humano.
La comunidad científica ante un debate de identidad metodológica
Más allá de los señalamientos de Tao, el conjunto de la comunidad matemática ha comenzado a replantearse el rol de la profesión. “Si el principal objetivo de las matemáticas es probar teoremas, es fácil preguntarse: ahora que las máquinas parecen poder hacerlo casi a voluntad, ¿para qué servimos nosotros?”, reflexionó Henry Yuen, académico de la Universidad de Columbia, en declaraciones para The Telegraph.
I had to read the recent Leiden declaration on mathematics in the age of AI, and now so do you.
Thread:
1/10 pic.twitter.com/TCXMfzZjCm
— Vidit Nanda (@viditnanda) July 27, 2026
Dentro del gremio persisten dos visiones encontradas: por un lado, los analistas que conciben a la IA como un instrumento de productividad diseñado para liberar a los investigadores de tareas sistemáticas y permitirles enfocarse en la formulación de nuevas hipótesis. Por el otro, aquellos que advierten sobre un proceso de industrialización de las demostraciones. Donde la velocidad operativa termine por subordinar el valor abstracto del pensamiento humano.
