Terence Tao, genio de las matemáticas y ganador de la Medalla Fields, sobre la IA: "Nos está perjudicando"
Elígenos como tu fuente preferida en Google.
Terence Tao, académico de UCLA, advierte que la velocidad impuesta por las empresas tecnológicas sobre la IA está alterando los procesos aprendizaje en la matemática.
Con la inteligencia artificial por todos lados, ¿cómo no usar herramientas para utilizar el aprendizaje de los estudiantes? Claude Code ayuda con el código de programación, ChatGPT sirve para muchas tareas y con Gemini es posible generar imágenes muy realistas. Todas las capacidades de estos asistentes virtuales hacen que cualquiera se pregunte si de verdad vale la pena estudiar en una universidad.
Evidentemente, es importante tener una profesión, pero ¿hasta qué punto se puede llegar a obtener una enseñanza real? Terence Tao, genio de las matemáticas y ganador de la Medalla Fields, ha hablado justamente de que la IA está perjudicando a la investigación académica.
No se trata simplemente del hecho de obtener respuestas más deprisa, sino de garantizar que esas respuestas puedan comprenderse, verificarse y trasladarse al conocimiento colectivo de forma adecuada.
El profesor de la Universidad de California en Los Ángeles (UCLA) afirma que es un desafío para los procesos de los estudiantes y que en el futuro podría convertirse en un problema aún más grande.
¿Por qué Terence Tao considera que la IA es un problema para aprender matemática?
En una entrevista concedida a New Scientist, Terence Tao expone que el principal problema no es la existencia de herramientas de inteligencia artificial, sino la velocidad sin precedentes con la que están modificando el ecosistema científico.
Hace tan solo unos años, los asistentes virtuales apenas comenzaban a realizar ciertas acciones, pero hoy han avanzado a un punto impactante. Muchos universitarios y trabajadores utilizan IA para completar tareas de una manera más rápida y hacer que todo sea productivo.
Según explica desde National Geographic, la investigación matemática siempre ha estado sometida a una competencia saludable entre especialistas, aunque históricamente la enorme dificultad de los problemas actuaba como un mecanismo natural que limitaba el volumen de resultados publicados.
Ahora, esa barrera desaparece gracias a sistemas capaces de generar hallazgos y análisis a una escala que hace apenas unos años parecía imposible. La preocupación del matemático se intensifica tras los recientes anuncios relacionados con el uso de IA para abordar cuestiones extremadamente complejas, incluidas las ecuaciones de Navier-Stokes, uno de los conocidos Problemas del Milenio.
Si los resultados se producen a un ritmo superior al que pueden verificarse, el riesgo es que el sistema de validación científica quede desbordado y se dificulte la integración real de esos conocimientos en la literatura especializada.
Para el investigador australiano, las consecuencias van más allá porque puede terminar afectando la forma en la que las nuevas generaciones aprenden matemáticas. Al final, llevaría a que la distancia entre la producción de conocimiento y su comprensión efectiva pudiera ampliarse significativamente.
El impacto en la educación y la colaboración científica que preocupa a la comunidad académica
Otra idea interesante que menciona Tao es que existen varias etapas fundamentales para que un descubrimiento aporte valor real: la creación, la verificación, la explicación, la aceptación por parte de la comunidad y su incorporación al aprendizaje académico. El matemático lamenta que muchas compañías tecnológicas estén concentrando sus esfuerzos en acelerar las primeras fases, dejando en segundo plano el proceso educativo que permite convertir esos logros en conocimiento útil y duradero.
"Es como si estas empresas estuvieran arrojando cadáveres de carne cruda sobre la mesa comunal de nuestro pueblo diciendo: ‘Aquí tienen, he resuelto su problema de comida’. Y luego simplemente se van”, agrega a su opinión para determinar que resolver un problema no siempre equivale a hacerlo accesible o comprensible para quienes deben estudiarlo, enseñarlo o ampliarlo en el futuro.
Esto quiere decir que el temor a que sistemas avanzados o competidores impulsados por IA se adelanten a investigaciones en curso está fomentando una mayor reserva entre algunos expertos. De hecho, el experto comenta que “así no es como se supone que funciona la ciencia” y esta evolución constante de alta velocidad haría que se desplacen cosas como la revisión rigurosa, la transparencia y el intercambio de ideas.