Cuando la ciencia se pregunta si todavía es dueña de lo que sabe

Los deberes hechos

Por OlgaLú

Cuando la ciencia se pregunta si todavía es dueña de lo que sabe

Mi abuela decía que lo que no cuesta no se aprecia. Lo decía de la panela, de la tierra y de los hijos. Hoy se lo oigo decir a los matemáticos.

Un solo día

Un 6 de octubre, OpenAI publicó 722 artículos sobre 372 problemas abiertos, producidos en buena parte por un modelo de IA que aún no es público. Muchos de esos problemas llevaban décadas esperando respuesta. Esa misma semana, The Economist le dedicó su portada y dijo que el día podría pasar a la historia de las matemáticas.

¿Por qué empezar por ahí? Porque en matemáticas no hace falta laboratorio. Una demostración se revisa paso a paso y una máquina rinde mucho en ese terreno.

Pero no se queda en los números. La IA predice mejor el clima y ha propuesto millones de materiales nuevos. Ayuda a controlar experimentos de fusión nuclear. Descifró la forma de casi todas las proteínas conocidas, y por eso sus creadores recibieron el Nobel de Química en 2024. Ahora apunta a la biología: cultivos que resisten la sequía, fármacos nuevos, virus que atacan bacterias peligrosas. Hay quien dice que el ADN será un texto que se edita como cualquier otro.

Los que dijeron "esto no lo pedimos"

La reacción no fue de fiesta. Una asociación de matemáticos declaró que ellos no habían pedido ese trabajo, dijo que publicar más de setecientos archivos de golpe era una demostración de poder más que de rigor, y pidió dejar de trabajar con la empresa. Semanas antes, 25 medallistas Fields, entre ellos Terence Tao y Peter Scholze, habían firmado una declaración sobre cómo las empresas usan los problemas abiertos para mostrar músculo.

Su argumento es hermoso: en matemáticas lo valioso no es la solución, sino el esfuerzo de llegar a ella. Entregarle la respuesta a la máquina es darle al alumno los deberes hechos. Sin esfuerzo no hay aprendizaje, y sin aprendizaje no hay quien entienda.

Y tienen con qué sostenerlo. Un día después de la publicación, OpenAI retiró tres manuscritos por un error de signo que invalidaba un argumento y dos trabajos que dependían de él. De los 719 restantes, solo unos 300 estaban formalizados, es decir, traducidos a un lenguaje que permite a un computador comprobar cada paso lógico. Falta mucho por revisar.

The Economist no les da la razón del todo: dice que la ciencia no es propiedad de los científicos. Pone el ejemplo del paracetamol, que tomamos porque funciona, aunque nadie sepa explicar del todo por qué. Pero admite que el miedo tiene fundamento. Las empresas de IA no invierten en ciencia por altruismo, sino porque cada problema resuelto afina sus máquinas. Quien controle esos modelos podrá conectarlos a robots y laboratorios, y nadie podrá competir. La revista lo dice sin rodeos: si un día solo le preguntamos a la IA qué hacer, seremos sus mascotas.

Los que caminan a su lado

Sin embargo, no todos los científicos están en la trinchera. Hay quienes caminan de su mano sin soltar el criterio.

Terence Tao y Javier Gómez-Serrano trabajan con Google DeepMind y sus agentes de IA para avanzar en la investigación matemática. En un caso, la IA propuso una construcción, otro sistema la demostró y un tercero la verificó con un lenguaje formal. Pero fueron los humanos quienes guiaron y comprobaron cada paso. Gómez-Serrano lo resume así: no se trata de humanos contra máquinas, sino de lo que ambos logran juntos.

Tao también le pidió a ChatGPT que tradujera una demostración compleja a Lean, el lenguaje que verifica los pasos lógicos, y notó que ahorraba mucho tiempo, aunque se equivocaba en los puntos decisivos. La máquina escribía rápido y el matemático decidía qué valía.

Fíjate en algo curioso: Tao es uno de los 25 firmantes críticos y también uno de los que más trabaja con IA. No hay contradicción. Se puede trabajar con una herramienta y exigirle reglas al mismo tiempo.

La pregunta de fondo

Aquí la conversación se vuelve más grande que la ciencia.

En Capital Is Dead, McKenzie Wark sostiene que el poder ya no está en las fábricas, sino en el vector: los cables, los servidores y los algoritmos por donde circula el conocimiento. A sus dueños los llama la clase vectorialista. Durante décadas necesitaron a los hackers, que son todos los que crean conocimiento nuevo: científicos, programadores, artistas. Ahora la máquina produce ese conocimiento y ellos son los dueños de la máquina.

Varoufakis, en Tecnofeudalismo, lo llama capital en la nube: una máquina que se hace más poderosa cada vez que trabaja para nosotros. Cuanto más resuelve, más fuerte se vuelve.

Para Wark, lo peligroso nunca fue compartir información. Lo peligroso es la asimetría: que ellos sepan y nosotros no. Quien entiende, manda. Y estamos dejando de entender.

Caminar al lado

Mi conclusión es sencilla. No se trata de pelear contra la IA ni de rendirse ante ella. Se trata de caminar a su lado, a todo nivel, sin sentirse desplazados.

Si los científicos son la voz de la ciencia, que sean ellos quienes moldeen esta herramienta: que exijan que se muestren los métodos, que se verifique cada resultado y que el conocimiento no quede encerrado en pocas manos. Una herramienta que eleve la ciencia y también el bienestar de la gente y de su tierra.

La pregunta que queda es cómo seguir avanzando sin dejar de entender.

Y te la dejo en la mesa, como se deja el tinto: ¿te tomarías una medicina que funciona aunque ningún ser humano sepa explicar por qué?

Tierra sin sudor:
llega el grano a la mesa,
¿y quién sabe sembrar?