Terence Tao advierte: la necesidad de corregir las expectativas excesivas sobre la revolución matemática de la IA

Terence Tao, conocido como uno de los máximos expertos en matemáticas, realizó recientemente una publicación importante en la madrugada. El contenido es una evaluación cautelosa y fría sobre la capacidad de la investigación matemática asistida por IA. Mientras muchos medios anuncian con gran entusiasmo los avances matemáticos de la IA, Tao pide que se deje de “fantasear” con estos fenómenos.

Su argumento central es simple pero crucial: que la IA pueda producir resultados verificables en ciertos problemas no significa que tenga comprensión matemática verdadera ni capacidad de innovación.

Malentendidos por éxitos parciales de la IA

Al revisar la cobertura mediática, se ven titulares como “La IA resuelve completamente problemas matemáticos no resueltos por la humanidad en 50 años”, lo que da la impresión de que la IA posee una capacidad de pensamiento matemático independiente.

Pero, en realidad, si analizamos en detalle el proyecto “Contribuciones de IA a problemas de Erdős” publicado por Tao en GitHub, la situación es más compleja.

Los problemas en los que la IA ha logrado avances varían en dificultad. Desde problemas extremadamente difíciles hasta muchos otros que han sido poco explorados durante años, los llamados “problemas de cola larga”. Estos últimos son áreas donde la IA actual se desempeña bien, ya que representan “frutos bajos”. Sin embargo, contar solo el número de problemas “resueltos” puede ser engañoso, ya que compara problemas de diferentes niveles de dificultad en igualdad de condiciones.

Además, Tao señala los siguientes factores importantes:

Incompletitud de registros bibliográficos: Muchos problemas en los sitios web no han sido revisados sistemáticamente en la literatura, y la etiqueta de “sin resolver” suele ser provisional. Es frecuente que problemas que parecen “resueltos por IA” ya tengan respuestas en la literatura.

Falta de registro de fracasos: Solo se documentan los éxitos, mientras que intentos sin progreso o fracasos casi nunca se registran. Esto hace que la tasa de éxito aparente de la IA sea mayor que la real.

Ambigüedad en la definición del problema: Algunos problemas de Erdős están expresados de manera imprecisa o contienen errores. Para entender su significado original, se requiere conocimiento contextual y especializado.

Logros reales en los problemas de Erdős

Según la página del proyecto de Tao, el 6 de enero de 2026, Aristotle y ChatGPT 5.2 Pro también resolvieron el problema #728 y completaron la verificación formal con Lean. Además, entre el 8 y el 10 de enero, también se resolvió el problema #729.

Estos casos muestran que, en ciertos tipos y rangos de dificultad, la IA puede generar “estructuras de prueba factibles” y llegar incluso a la verificación formal.

Al mismo tiempo, Tao destaca la importancia de la “revisión bibliográfica asistida por IA”. Aquí, la IA se usa para buscar si un problema ya ha sido resuelto o para verificar que no haya errores en la clasificación de “sin resolver”. La verdadera utilidad de la IA no solo radica en generar nuevas demostraciones, sino también en organizar y verificar el conocimiento existente.

En cuanto a la verificación formal de las pruebas, Tao adopta una postura cautelosa. Formalizar una demostración con herramientas como Lean puede mejorar la fiabilidad, pero existen riesgos: axiomas ocultos, formalización incorrecta del problema, o el uso de comportamientos “obvios” de las bibliotecas matemáticas. Especial atención deben tener las formalizaciones que sean excesivamente cortas o redundantes.

La IA no es un matemático, sino una herramienta de apoyo

Lo que Tao quiere enfatizar es que la IA no “entiende” matemáticas en el sentido humano. En realidad, su fortaleza está en el “trabajo manual” de la matemática: tareas repetitivas, rellenar huecos, formalizar demostraciones, redactar y revisar artículos, investigar literatura.

Estas áreas en las que la IA puede apoyar son indudables. En el futuro, muchas tareas técnicas en la investigación matemática serán delegadas a la IA.

Pero el “alma” de las matemáticas reside en otra parte: en la capacidad de plantear problemas profundos, crear nuevos conceptos, integrar los resultados en una red de conocimientos, y explicar el “por qué” y el “motivo” detrás de los enfoques. La comprensión profunda y la creatividad todavía dependen en gran medida de la inteligencia humana.

El valor de las matemáticas no solo radica en que existan respuestas, sino en las ideas que generan, las conexiones con teorías existentes, los métodos aplicables, y la explicación del trasfondo. Una demostración generada por IA puede ser técnica y correcta, pero si carece de contexto y significado, su utilidad para la comunidad matemática será limitada.

Incluso si se resuelve un problema menor de cola larga, eso no garantiza publicar en revistas de alto impacto. Cuando la solución es solo una pequeña mejora sobre patrones existentes, es difícil que pase la revisión por pares.

El futuro de las matemáticas: colaboración entre humanos y IA

La razón por la que Tao publicó esto en la madrugada es para que la comunidad entienda correctamente la dirección en que evoluciona la matemática en la era de la IA.

Quizá en el futuro, los matemáticos ya no sean pensadores solitarios, sino comandantes que aprovechan sistemas de apoyo potentes como la IA. En ese proceso, los humanos marcarán la dirección, y la IA abrirá caminos concretos. En esta colaboración, la disciplina matemática puede acelerarse aún más.

Lo importante es distinguir entre valorar adecuadamente las capacidades de la IA y exagerar su papel como si fuera una revolución total. La advertencia de Tao es un llamado a la comunidad matemática a “recuperar la calma”.

La IA ciertamente está transformando la forma en que se hace investigación matemática. Pero la verdadera innovación surge cuando humanos y máquinas comprenden sus roles y se complementan mutuamente.