Pico y Placa Medellín
viernes
2 y 8
2 y 8
Las clases de historia de la ciencia suelen detenerse en las primeras décadas del siglo XX: la teoría de la relatividad, la mecánica cuántica, los antibióticos, la estructura del ADN. Hitos que transformaron el mundo y que, vistos en retrospectiva, parecen apilarse uno tras otro. El siglo XXI ha dejado una sensación distinta: pese a contar con más científicos, recursos y publicaciones que nunca, los grandes saltos parecen haberse vuelto esquivos, y muchos avances han sido más incrementales que revolucionarios.
Un estudio publicado en Nature, que analizó 45 millones de artículos y casi cuatro millones de patentes entre 1945 y 2010, encontró que la ciencia se ha vuelto cada vez menos “disruptiva”: el indicador que mide qué tanto un trabajo abre caminos nuevos —en lugar de consolidar los existentes— se desplomó más del 90% en ese periodo. Pareciera que, a medida que el conocimiento acumulado crece, un investigador tarda más en alcanzar la frontera de su campo y se estrecha el espacio para conectar ideas de disciplinas distintas.
¿Podrá la inteligencia artificial cambiar esto?
Que los científicos ya usan herramientas como ChatGPT no admite duda. Un trabajo que rastreó 14 millones de resúmenes en la base de datos biomédica PubMed detectó que, desde 2023, palabras propias del estilo de los modelos de lenguaje se dispararon en la literatura científica: sus autores calcularon que al menos uno de cada diez artículos publicados en 2024 tuvo asistencia de IA, una cifra que sin duda sigue en aumento.
Ayudar a redactar y resumir, sin embargo, es muy distinto de ampliar la frontera del conocimiento. Hasta hace un par de años, esto último lucía como territorio exclusivamente humano. Por eso sorprendió lo que el mundo vio en las últimas semanas: que la IA avanzara en una de las áreas más rigurosas de la ciencia, las matemáticas —un caso que merece leerse con cuidado antes de extrapolar al resto de las disciplinas.
Las matemáticas son una prueba especialmente dura. No admiten medias tintas: una demostración es correcta o no lo es, y un argumento largo solo funciona si cada paso se sostiene de principio a fin. De ahí que los matemáticos hayan sido de los más escépticos frente a la IA. Esta verificabilidad absoluta las distingue de la biología, la física experimental o las ciencias sociales, donde los criterios de validación son más difusos y los errores más difíciles de detectar.
Para entenderlo, hay que remontarse a Paul Erdős, un matemático húngaro legendario que publicó más de 1.500 artículos y dejó más de mil problemas abiertos, hoy un termómetro del progreso de la disciplina. Uno de sus favoritos, de 1946, es en apariencia simple: si uno coloca cierta cantidad de puntos en una hoja, ¿cuántos pares pueden quedar a exactamente la misma distancia? Erdős conjeturó el arreglo óptimo y retó a quien quisiera a superarlo. Durante casi 80 años, nadie lo logró ni pudo refutar que tuviera razón.
Hasta mayo de este año, cuando OpenAI anunció que uno de sus modelos refutó la conjetura. La IA halló un arreglo mejor recurriendo a una rama de las matemáticas en apariencia ajena al problema geométrico. Y el modelo no había sido entrenado para esa tarea: era un sistema de razonamiento general que, a partir de una sola pregunta, produjo una demostración de más de 100 páginas, luego verificada por matemáticos externos.
Las reacciones fueron de asombro. Tim Gowers, ganador de la Medalla Fields —el “Nobel de las matemáticas”—, lo calificó de hito y aseguró que, si un humano hubiera firmado ese trabajo, lo habría recomendado sin dudarlo para la revista más prestigiosa del campo.
Conviene, eso sí, mantener la mesura. Los propios matemáticos aclararon que el modelo no inventó técnicas nuevas: aplicó con destreza herramientas que ya existían. Terence Tao, considerado el mejor matemático vivo y de los más cautos frente a la IA, ha advertido que la realidad es “complicada y matizada”, a medio camino entre quienes solo celebran cada éxito y quienes descartan cualquier avance. Aun así, ve con optimismo lo que viene: si hasta hoy la disciplina ha avanzado caso por caso, estudiando uno o dos problemas a fondo, la IA podría hacerlo a una escala antes impensable, como quien pasa de observar a un solo paciente a ensayar un tratamiento en miles.
Es aquí donde las dos historias se juntan. Si una de las raíces del estancamiento científico es esa “carga del conocimiento” —que ya nadie alcanza a saberlo todo ni a conectar campos que crecen sin parar—, lo de Erdős sugiere que la IA podría ser el empujón que la ciencia esperaba: cruzar disciplinas lejanas que ninguna cabeza abarca sola y ampliar lo que siquiera podemos intentar, sin quitarle al ser humano la última palabra sobre qué preguntas vale la pena hacerse.
Nada de esto convierte a la IA en un genio solitario ni jubila a los científicos. Pero deja sobre la mesa algo que hasta hace poco sonaba a ciencia ficción: que, si la ciencia ha venido perdiendo capacidad disruptiva, la IA ayude a devolverle velocidad y quizás, con el tiempo, también audacia.