Matemáticos contra OpenAI: el boicot que sacude los cimientos de la investigación matemática
En el mundo de las ciencias formales, donde cada demostración puede tardar años en construirse y verificarse, una tormenta sin precedentes ha estallado en los últimos días. Una organización denominada Association for Human Mathematics (AHM) ha convocado un boicot contra OpenAI después de que la compañía publicara de forma masiva más de 700 manuscritos matemáticos generados por inteligencia artificial, sacudiendo los cimientos de una disciplina que siempre se consideró refugio inexpugnable del pensamiento humano. Este episodio no solo plantea preguntas sobre la fiabilidad de los sistemas de IA, sino sobre el futuro mismo de cómo la humanidad genera, valida y comparte conocimiento matemático.
El contexto: cuando la IA comenzó a hablar en el idioma de las matemáticas
Para entender la magnitud de lo ocurrido, es necesario dar un paso atrás y comprender la transformación que ha vivido la investigación matemática en los últimos años. Durante décadas, las matemáticas fueron consideradas uno de los campos más resistentes a la automatización. No se trata simplemente de calcular: la investigación matemática de frontera exige razonamiento abstracto profundo, creatividad genuina y la capacidad de construir cadenas de argumentos lógicos de una complejidad extraordinaria.
Sin embargo, a partir de mediados de la década de 2020, los grandes modelos de lenguaje comenzaron a demostrar capacidades sorprendentes en la resolución de problemas formales. OpenAI, en particular, apostó fuertemente por el dominio matemático como campo de pruebas de sus modelos más avanzados. Sistemas como o1, o3 y sus sucesores fueron diseñados con capacidades de razonamiento extendido que les permiten afrontar desde problemas de competición hasta áreas de investigación de frontera en teoría de números, combinatoria o topología. Lo que antes parecía ciencia ficción se convirtió gradualmente en una realidad técnica innegable.
El problema no era que la IA pudiera hacer matemáticas. El problema, como se haría evidente muy pronto, era qué ocurre cuando decide hacerlas todas a la vez.
El detonante: 700 manuscritos y un error que lo cambió todo
El episodio que precipitó el boicot ocurrió cuando OpenAI lanzó de forma masiva más de 700 manuscritos matemáticos en un período extraordinariamente breve. Los documentos abordaban problemas abiertos de diversas ramas de las matemáticas, en lo que parecía una estrategia deliberada de publicación en masa. La comunidad matemática reaccionó con una mezcla de asombro y alarma creciente.
El volumen de publicaciones resultó sencillamente abrumador para los revisores humanos. Verificar una sola demostración matemática compleja puede llevar semanas o meses de trabajo riguroso. Enfrentarse a cientos de ellas simultáneamente resultó imposible para los sistemas de revisión por pares que sostienen la validación del conocimiento científico. Este fenómeno, que algunos investigadores han comenzado a denominar informalmente “inundación epistémica”, no tiene precedentes en la historia de la disciplina.
Pero lo peor estaba por llegar. Apenas 24 horas después de la publicación masiva, OpenAI se vio obligada a retirar tres de los artículos por contener un error de signo que invalidaba por completo las demostraciones en cuestión. Un error de signo es, en términos matemáticos, uno de los errores más elementales que puede cometerse. La ironía resultó devastadora: sistemas presuntamente capaces de resolver problemas abiertos de frontera habían fallado en algo que cualquier estudiante de álgebra reconocería como un descuido básico. La confianza en la solidez del proceso se desmoronó con estrépito.
La advertencia de Terence Tao: el peligro de la “cosecha” masiva
Entre las voces que se han alzado en esta controversia, ninguna ha tenido mayor peso que la del profesor Terence Tao, medallista Fields y catedrático de la Universidad de California en Los Ángeles (UCLA). Considerado por muchos como uno de los matemáticos más brillantes de su generación, Tao ha advertido sobre un fenómeno que describe con una metáfora agrícola perturbadora: la “cosecha masiva” de problemas abiertos por parte de sistemas de inteligencia artificial.
El argumento de Tao merece ser comprendido en toda su profundidad. Las matemáticas avanzan, en parte, gracias a la existencia de problemas no resueltos que funcionan como estructuras organizativas del campo. Un problema abierto no es simplemente una pregunta sin respuesta: es un punto de encuentro donde convergen investigadores de todo el mundo durante décadas o incluso siglos. Alrededor de él se forman comunidades, se desarrollan técnicas nuevas, emergen subproblemas fructíferos y se construyen intuiciones que enriquecen el tejido conceptual de la disciplina.
Si una IA “resuelve” de forma masiva y apresurada decenas o cientos de estos problemas —incluso si las soluciones son técnicamente correctas—, se corre el riesgo de que ramas enteras de las matemáticas queden “agotadas” antes de que la comunidad científica haya tenido tiempo de asimilar, comprender e integrar esas soluciones. Tao señala que el resultado podría ser dejar ramas enteras del conocimiento matemático menos fértiles para la investigación humana futura: los investigadores perderían la oportunidad de desarrollar herramientas, intuiciones y conexiones conceptuales que solo emergen del proceso lento y profundo de trabajar un problema abierto a lo largo del tiempo.
Lo que hace especialmente significativa esta advertencia es que Tao no ha sido un crítico sistemático de la inteligencia artificial en matemáticas. Anteriormente había expresado un cauteloso optimismo sobre el potencial de los asistentes formales de demostración y los sistemas de IA como herramientas de apoyo para matemáticos humanos. Su posicionamiento actual no es el de un escéptico que rechaza la tecnología, sino el de un experto que señala con precisión los riesgos específicos de un uso irresponsable de capacidades reales.
La Association for Human Mathematics y las demandas del boicot
La Association for Human Mathematics (AHM) es la entidad que ha liderado el llamado al boicot. Aunque su presencia pública previa a este episodio no era ampliamente conocida en los círculos académicos principales, el impacto de su convocatoria ha resonado con fuerza en la comunidad matemática internacional. La organización articula sus demandas en torno a cuatro ejes fundamentales que merecen ser analizados con detenimiento.
En primer lugar, el rechazo a colaborar con OpenAI en proyectos de investigación matemática automatizada mientras no existan garantías sólidas de supervisión humana adecuada. No se trata de una negativa absoluta a la colaboración entre IA y matemáticos, sino de una exigencia de que esa colaboración esté estructurada de forma responsable y transparente.
En segundo lugar, la AHM hace un llamado a revistas académicas y repositorios como arXiv para que establezcan políticas claras y exigentes sobre la declaración de autoría en trabajos generados total o parcialmente por inteligencia artificial. La ausencia de estándares en este terreno crea un vacío que puede ser explotado para inundar el campo con contenido no verificado.
En tercer lugar, la organización solicita una moratoria sobre la publicación masiva e indiscriminada de manuscritos matemáticos generados por IA hasta que existan estándares de verificación adecuados que garanticen la fiabilidad de los resultados antes de que lleguen al público académico.
Finalmente, la AHM exige transparencia total de OpenAI sobre los métodos empleados, los recursos computacionales utilizados y, especialmente, el proceso de revisión aplicado —o su ausencia— antes de proceder a la publicación masiva. La pregunta implícita es perturbadora: ¿hubo algún proceso de verificación humana antes de publicar 700 manuscritos de una vez?
El problema estructural: los límites de la revisión por pares
Más allá de las acciones concretas de OpenAI, este episodio pone en evidencia una vulnerabilidad estructural profunda en la infraestructura de validación del conocimiento científico. El sistema de revisión por pares fue diseñado para un mundo en el que los trabajos son producidos por investigadores individuales o pequeños grupos a lo largo de meses o años de trabajo riguroso. Ese sistema, ya sometido a tensiones considerables por el creciente volumen de publicaciones científicas, simplemente no está equipado para procesar cientos de manuscritos técnicos complejos de forma simultánea.
La “inundación epistémica” que describíamos anteriormente no es solo un problema cuantitativo. Tiene consecuencias cualitativas graves: cuando los revisores están desbordados, la calidad de la revisión se deteriora, los errores pasan desapercibidos y la señal se pierde entre el ruido. En matemáticas, donde una sola demostración incorrecta puede construirse como base para decenas de trabajos posteriores, las consecuencias en cadena pueden ser devastadoras para la solidez del edificio del conocimiento.
Además, existe una dimensión epistemológica que va más allá de la logística de la revisión. Parte del valor de las matemáticas no reside únicamente en los resultados obtenidos, sino en el proceso humano de obtenerlos: las intuiciones desarrolladas, las conexiones inesperadas descubiertas, las técnicas forjadas en el intento de resolver un problema difícil. Una solución generada automáticamente puede proporcionar el resultado, pero no necesariamente el camino de comprensión que hace que ese resultado sea verdaderamente productivo para el avance futuro.
Un debate que apenas comienza
El boicot convocado por la AHM y las advertencias de Terence Tao no son el final de este debate, sino apenas su inicio. Las preguntas que han quedado sobre la mesa son fundamentales para el futuro de la ciencia: ¿Quién es el autor de una demostración generada por una máquina? ¿Cómo distinguimos entre el uso responsable de la IA como herramienta y su uso como sustituto del pensamiento humano? ¿Tienen las comunidades científicas el derecho y la responsabilidad de regular el ritmo al que se “resuelven” los problemas de su campo?
Lo ocurrido con OpenAI y los 700 manuscritos es un punto de inflexión. La inteligencia artificial tiene un potencial genuino para apoyar y acelerar la investigación matemática de maneras que pueden ser enormemente beneficiosas para la humanidad. Pero ese potencial solo puede realizarse de forma positiva si va acompañado de responsabilidad, transparencia y respeto por las estructuras comunitarias que hacen posible que el conocimiento sea verdaderamente conocimiento y no simplemente información.
La matemática, con su milenaria tradición de rigor y honestidad intelectual, merece nada menos que eso. Y quizás sea precisamente en este campo tan aparentemente abstracto donde se estén sentando las bases de cómo la humanidad gestionará la relación entre inteligencia natural e inteligencia artificial en todas las demás esferas del saber.
