IA en Matemáticas: 50 Victorias de Erdős Según Tao

IA en matemáticas: 50 soluciones del catálogo de Erdős y limitaciones fundamentales de los modelos

Terence Tao, ganador de la Medalla Fields, evaluó el progreso de la IA en matemáticas basándose en el catálogo de problemas de Erdős. Los modelos han resuelto unos 50 problemas, pero quedan 600 abiertos. Las soluciones autónomas se han detenido; ahora el éxito surge de esfuerzos colectivos que involucran múltiples modelos y humanos.

La autonomía de la IA se ha agotado

Tao describe tres ejecuciones sistemáticas de modelos de vanguardia sobre todo el catálogo de Erdős. La IA encuentra soluciones conocidas de la literatura o genera observaciones, pero no hay avances totalmente autónomos nuevos. El período inicial en que los modelos resolvían problemas por su cuenta ha terminado.

Ahora el enfoque es colectivo:

• Un especialista le pide a un modelo una estrategia.
• Otro utiliza un segundo modelo para la crítica.
• Un tercero realiza una revisión bibliográfica con IA.

En una ejecución completa del catálogo, la tasa de éxito es del 1–2%. La escala permite hallar raras victorias, que luego se difunden en redes sociales.

Metáfora de la cresta montañosa

Tao propone una analogía: las matemáticas como una cresta montañosa en la oscuridad, con repisas de alturas variadas —desde la altura de la rodilla hasta acantilados verticales—. Los matemáticos encienden velas, dibujan mapas y tantean los caminos.

La IA es como máquinas saltadoras con un salto de dos metros, superior al humano. Saltaron repisas bajas pero no se aseguran en alturas intermedias:

• Llegan a la cima —solución completa—.
• Caen de nuevo —sin progreso—.

Limitación clave: falta de progreso parcial. Los modelos no acumulan comprensión a medias.

IA como coautora: predicción cumplida

La predicción de Tao de 2023 se hizo realidad: en 2026, la IA se ha convertido en coautora fiable. Los artículos de Tao ahora incluyen más gráficos, código y revisiones bibliográficas. Sin IA, tal amplitud tomaría cinco veces más tiempo.

Sin embargo, el núcleo de la investigación no ha cambiado:

• La parte compleja del problema se resuelve con lápiz y papel.
• La IA amplía, pero no profundiza, el trabajo.

Tao enfatiza: sin IA, no escribiría con tanta exhaustividad. Los modelos están cambiando el formato de las publicaciones, pero no la esencia de los descubrimientos.

Diferencia entre ingenio y verdadera inteligencia

Trabajar con un colega humano implica una acumulación gradual de comprensión: adaptando la estrategia, asegurando resultados intermedios. La IA no puede hacerlo:

• En una nueva sesión, olvida el contexto anterior.
• No se adapta sobre la marcha.

Tao ve el futuro en la simbiosis:

• Los humanos aportan profundidad.
• La IA aporta amplitud de cobertura.

La ciencia debe reestructurar su metodología: de la profundidad humana a la escala máquina.

Lecciones clave

• La IA resolvió 50 problemas de Erdős, pero 600 siguen abiertos; las soluciones autónomas han terminado.
• Tasa de éxito en ejecuciones sistemáticas: 1–2%, que requiere esfuerzos colectivos.
• Limitación: incapacidad para progreso intermedio, como máquinas saltadoras sin asegurar presas.
• La IA acelera los artículos hasta 5 veces, pero el núcleo de las matemáticas sigue siendo humano.
• Futuro: simbiosis humano-IA con reestructuración de los enfoques científicos.

— Editorial Team