⏱️ Lectura: 12 min
Veinticinco medallistas Fields, entre ellos Terence Tao y Peter Scholze, firmaron una declaración pública que advierte sobre el uso creciente de la IA en matemáticas. El texto, publicado en mathandai.org bajo el título “Math and AI”, habla de una “severa misalineación” entre los objetivos de las empresas de inteligencia artificial y los de la comunidad matemática.
📑 En este artículo
La carta llega después de meses en los que los modelos de lenguaje mejoraron su capacidad para resolver problemas matemáticos complejos, incluidos varios considerados sin solución conocida. Los firmantes no piden prohibir la IA: piden que la comunidad, las empresas y la sociedad enfrenten con urgencia cómo esa tecnología está cambiando el oficio de hacer matemáticas.
TL;DR
- Veinticinco medallistas Fields firmaron la declaración “Math and AI”, publicada en mathandai.org.
- Entre los firmantes están Terence Tao, Peter Scholze, Maryna Viazovska y Pierre Deligne.
- El texto denuncia una “severa misalineación” entre las empresas de IA y la comunidad matemática.
- Los firmantes dicen que la IA ya resuelve problemas mayores sin solución conocida en varios campos.
- La carta pide tiempo para el writeup, la atribución y la integración de resultados generados por IA.
- El sitio permite sumar firmas públicas con el botón “Endorse the Declaration”.
- Los autores comparan el riesgo con el de otras profesiones creativas y científicas frente a la IA.
Introducción
La IA en matemáticas dejó de ser una curiosidad de laboratorio. En los últimos meses, distintos modelos de lenguaje empezaron a resolver problemas que llevaban décadas abiertos en áreas como teoría de números, combinatoria y geometría algebraica. Ese salto de capacidad es justamente lo que preocupa a los 25 medallistas Fields que firmaron la declaración “Math and AI”.
Los firmantes no son ajenos al campo: son personas que definieron buena parte de la matemática de las últimas cuatro décadas. Su preocupación no es si la IA “piensa” o “no piensa”. Es que el objetivo de las empresas que desarrollan estos sistemas (marcar un hito, ganar un benchmark, salir en la prensa) choca con el objetivo de la comunidad matemática, que es construir comprensión compartida a largo plazo.
Qué pasó
El texto se publicó en mathandai.org bajo el título “Declaration, Math and AI” y lleva la firma de 25 medallistas Fields, entre ellos Terence Tao (2006), Peter Scholze (2018), Maryna Viazovska (2022), Pierre Deligne (1978) y Yu Deng (2026). La lista cubre casi cinco décadas de premiados, desde 1978 hasta la edición 2026.
La declaración sostiene que la mejora “dramática” de las capacidades matemáticas de los modelos de lenguaje les permite ahora “resolver problemas mayores sin solución conocida en muchos campos de las matemáticas”. Pero advierte que ese logro, cuando se persigue como benchmark, es “perjudicial para la ciencia matemática y para la comunidad matemática”.
El documento describe tres problemas concretos. Primero, la prisa: muchos resultados se anuncian sin un writeup apropiado, sin aislar el método nuevo y sin citar el trabajo previo de otros matemáticos. Segundo, la atribución: sin ese proceso, quedan preguntas abiertas de plagio y autoría. Tercero, la transmisión: sin matemáticos dispuestos a integrar y desarrollar una idea generada por IA, esa idea “nunca se vuelve completamente viva” dentro del canon matemático.
El sitio incluye un botón “Endorse the Declaration” para que cualquier persona sume su firma pública, ampliando el alcance más allá de los 25 medallistas originales.
Contexto e historia
Para entender la alarma hay que entender cómo funciona la investigación matemática. Durante generaciones, los problemas famosos sirvieron como faros: resolver uno era la prueba de que existía una idea nueva, un método interesante. Ese resultado pasaba luego por años de charlas, discusiones y simplificaciones hasta llegar a un libro de texto que cualquier estudiante de grado pudiera entender.
La declaración describe a la comunidad matemática como “una versión en miniatura de la humanidad”: personas con enfoques distintos, unidas por valores centrales. El recurso más valioso no son los papers, son los estudiantes y las ideas, y ambos se cultivan con procesos que requieren tiempo e interacción humana directa.
Ese proceso choca con la lógica de producto de una empresa de IA. Un modelo que resuelve un problema abierto en un fin de semana no pasó por el filtro de discusión que, según los firmantes, es lo que realmente convierte una solución en conocimiento matemático transmisible. Publicar el resultado sin ese filtro no acelera la matemática: según la carta, puede “destruir terreno fértil” en lugar de darle vida a ideas nuevas.
📌 Nota: la declaración no cuestiona la corrección de las soluciones que produce la IA. Cuestiona qué pasa después: quién revisa, quién atribuye y quién transmite ese conocimiento a la siguiente generación.
Detalles técnicos: el avance de la IA en matemáticas
La declaración no da cifras de benchmarks ni pide medirlas: ese es justo su punto. La forma de “medir” el avance de la IA en matemáticas que critican los firmantes es contar cuántos problemas resuelve un modelo, sin verificar si esa solución aporta comprensión nueva. Frente a ese vacío, la comunidad matemática ya tiene una herramienta que sí permite verificar un resultado sin depender de la reputación de quien lo produjo: los asistentes de prueba formal, como Lean 4.
Un asistente de prueba formal obliga a escribir cada paso de una demostración en un lenguaje que una computadora puede chequear línea por línea. No importa si el borrador salió de un matemático humano o de un modelo de lenguaje: si el archivo compila, la demostración es válida. Este es el tipo de verificación independiente que la declaración pide para separar “resolver un problema” de “producir conocimiento matemático confiable”.
Instalar Lean 4 toma unos minutos con elan, el instalador oficial del toolchain:
# Windows (PowerShell)
irm https://raw.githubusercontent.com/leanprover/elan/master/elan-init.ps1 | iex
# macOS
curl https://raw.githubusercontent.com/leanprover/elan/master/elan-init.sh -sSf | sh
# Linux
curl https://raw.githubusercontent.com/leanprover/elan/master/elan-init.sh -sSf | shCon el toolchain instalado, se puede formalizar y verificar una demostración básica, como la irracionalidad de la raíz de 2, en un archivo Irracional.lean:
import Mathlib.Data.Real.Irrational
theorem raiz_de_dos_irracional : Irrational (Real.sqrt 2) := by
exact irrational_sqrt_two
#check raiz_de_dos_irracionalAl correr lake build, Lean compila el archivo y confirma que el teorema es válido dentro de su sistema de tipos. Si alguien reemplaza la demostración por un argumento generado por un modelo de lenguaje, el chequeo es exactamente el mismo: Lean no le pregunta al autor quién es, solo si la prueba cierra.
| Vía de verificación | Cuándo usarla | Ventaja | Limitación |
|---|---|---|---|
| Revisión por pares tradicional | Resultados con impacto conceptual amplio | Evalúa comprensión, no solo corrección | Lenta: puede tardar años en journals |
| Formalización en Lean, Coq o Isabelle | Demostraciones con muchos casos o pasos mecánicos | Verificación objetiva, independiente del autor | No evalúa si la idea es interesante o nueva |
| Anuncio directo sin revisión | Preprints de baja prioridad o work in progress | Rápido, visible de inmediato | Sin control de atribución ni de errores sutiles |
💭 Clave: la declaración no dice que la IA en matemáticas sea inútil. Dice que resolver un problema y producir conocimiento matemático transmisible son dos cosas distintas, y que la IA solo automatiza la primera.
Cómo empezar a seguir el debate
Cualquier persona puede leer el texto completo y la lista de firmantes en mathandai.org. El sitio suma nombres en tiempo real a través del botón “Endorse the Declaration”, así que la lista de 25 medallistas Fields del lanzamiento va a crecer.
Para un desarrollador o estudiante que quiera entender de primera mano por qué la formalización importa tanto en este debate, el camino más corto es instalar Lean con los comandos de arriba y probar a formalizar un teorema propio, por simple que sea. La documentación oficial de Lean tiene un tutorial interactivo que corre en el navegador, sin instalar nada.
Se puede confirmar que el entorno quedó bien instalado corriendo lean --version en la terminal: si devuelve un número de versión en lugar de un error de comando no encontrado, el toolchain está listo para compilar archivos .lean.
Impacto y análisis
El argumento de fondo de la declaración va más allá de las matemáticas. Los firmantes lo dicen explícitamente: ven esto como parte de “problemas de alineación más amplios que afectan a otras profesiones científicas y creativas, así como a toda la sociedad”. Es el mismo patrón que ya se discute en programación, en diseño y en escritura: la IA no solo automatiza tareas repetitivas, empieza a producir directamente el resultado final de un proceso de formación que antes tomaba años.
En matemáticas ese proceso de formación tiene un propósito doble. Un estudiante que resuelve problemas de práctica no solo produce una respuesta: desarrolla la capacidad de formular preguntas nuevas. Si un sistema de IA entrega la respuesta directamente, ese segundo objetivo queda sin cumplirse, aunque el primero se logre más rápido que nunca.
flowchart TD
A["Sistema de IA genera una demostración"] --> B["Matemático revisa el resultado"]
B --> C{"¿Se puede formalizar en Lean?"}
C -->|"Sí"| D["Verificación formal automática"]
C -->|"No"| E["Revisión por pares tradicional"]
D --> F["Resultado aceptado por la comunidad"]
E --> F⚠️ Ojo: la declaración advierte que anunciar resultados sin revisión abre “serias preguntas de atribución y plagio”, el mismo riesgo que ya enfrentan otras profesiones creativas frente a la IA generativa.
Para los propios matemáticos, el riesgo inmediato es de incentivos. Si las revistas y los comités de contratación empiezan a valorar “cuántos problemas resolvió” por encima de “cuánta comprensión nueva generó”, la profesión termina optimizando para lo que mide la IA, no para lo que necesita la ciencia. Los firmantes piden explícitamente que esa decisión quede en manos humanas, no en la métrica de un benchmark.
Qué sigue
La declaración no exige ninguna medida regulatoria concreta ni pide que las empresas de IA dejen de entrenar modelos para matemáticas. Pide tres cosas: que la comunidad matemática discuta abiertamente cómo integrar estos sistemas, que las empresas den tiempo y crédito antes de anunciar un resultado, y que la sociedad en general trate este problema como un caso temprano de un desafío mayor.
El sitio sigue sumando firmas después del lanzamiento, así que es esperable que la lista de adherentes crezca en las próximas semanas. Todavía no hay una respuesta pública formal de las principales empresas de IA a los puntos planteados en el texto. El futuro de la IA en matemáticas, dicen los firmantes, va a depender de decisiones humanas, no solo técnicas.
📖 Resumen en Telegram: Ver resumen
Probalo vos: entrá a mathandai.org, leé el texto completo y probá instalar Lean con los comandos de arriba para ver de primera mano cómo se verifica una demostración sin depender de quién la escribió.
Preguntas frecuentes
¿Qué es la declaración “Math and AI”?
Es un documento público firmado por 25 medallistas Fields que advierte sobre una “severa misalineación” entre los objetivos de las empresas de IA y los de la comunidad matemática, publicado en mathandai.org.
¿Quiénes firmaron la declaración?
Entre los 25 firmantes están Terence Tao, Peter Scholze, Maryna Viazovska, Pierre Deligne, Manjul Bhargava y Cédric Villani, con premios que van de 1978 a 2026.
¿La declaración pide prohibir la IA en matemáticas?
No. Pide que la comunidad, las empresas y la sociedad discutan cómo integrar estos sistemas sin perder el proceso de revisión, atribución y transmisión humana que sostiene a la disciplina.
¿Qué significa “misalineación severa” en este contexto?
Se refiere a que el objetivo de las empresas de IA (resolver problemas como benchmark) choca con el objetivo de la comunidad matemática (generar comprensión compartida a largo plazo).
¿Cómo se verifica una demostración generada por IA?
Formalizándola en un asistente de prueba como Lean 4, Coq o Isabelle: si el archivo compila, la demostración es válida sin importar quién la escribió.
¿Puedo sumar mi firma a la declaración?
Sí, el sitio mathandai.org tiene un botón “Endorse the Declaration” abierto a cualquier persona que quiera adherirse públicamente.
Referencias
- mathandai.org: texto completo de la declaración “Math and AI” y lista de firmantes.
- Lean Prover: documentación oficial del asistente de prueba formal Lean 4.
- Wikipedia: historia y lista completa de medallistas Fields.
- arXiv: repositorio de preprints donde se publican los papers de matemáticas e IA citados en el debate.
📱 ¿Te gusta este contenido? Únete a nuestro canal de Telegram @programacion donde publicamos a diario lo más relevante de tecnología, IA y desarrollo. Resúmenes rápidos, contenido fresco todos los días.
0 Comentarios