✨︎ Resumen (TL;DR):
- Terence Tao pidió el 22 de octubre de 2026 inaugurar unas “Matemáticas 2.0” centradas en la comprensión humana frente a la producción masiva de demostraciones por IA.
- OpenAI afirma haber establecido los casos C y D de Navier-Stokes con un manuscrito de 166 páginas y una formalización en Lean.
- Una encuesta del MIT recibió 45 respuestas de 120 doctorandos; tres de cada cuatro temían que la IA dificultara conseguir una plaza académica con posibilidad de permanencia.
El matemático Terence Tao pidió, el 22 de octubre de 2026, inaugurar unas “Matemáticas 2.0” que prioricen la comprensión humana ante la producción masiva de demostraciones por IA. En una columna de Nature, advirtió que los resultados llegan más rápido de lo que sus colegas pueden estudiarlos y que muchas pruebas carecen de explicaciones suficientemente claras para publicarse.
“Matemáticas 2.0” es un enfoque de trabajo que Tao propone para priorizar la comprensión humana ante la producción masiva de demostraciones por IA. También alertó de que el temor a que un competidor con un modelo avanzado se adelante puede desalentar la práctica de compartir problemas, una vía de aprendizaje y reconocimiento para investigadores jóvenes.
El llamado de Tao llegó después de que OpenAI difundiera el 6 de octubre una colección de resultados matemáticos producidos por un modelo interno, acompañados de formalizaciones de muchas de sus demostraciones.
Navier-Stokes: el alcance exacto del anuncio
El anuncio de OpenAI del 8 de septiembre describe un fluido tridimensional que parte del reposo y recibe una fuerza externa suave. Según la compañía, su sistema construyó una demostración de que la velocidad puede crecer sin límite en un tiempo finito, aunque la energía se mantenga acotada.
OpenAI publicó un manuscrito de 166 páginas y una formalización en Lean. La formulación del Clay Mathematics Institute pide demostrar uno de cuatro enunciados. Dos plantean existencia y suavidad sin fuerza externa; los otros dos, C y D, admiten una fuerza externa suave al describir la ruptura de las soluciones. OpenAI afirma haber establecido estos últimos.
La formulación oficial contempla esa fuerza externa. Precisar la condición distingue el resultado anunciado del caso sin forzamiento y permite identificar qué afirmación debe examinar la comunidad matemática.
Lean comprueba la lógica, pero no sustituye la explicación
Lean es un asistente formal que permite expresar demostraciones para que una computadora compruebe su lógica. El repositorio de OpenAI incluye instrucciones de revisión con Comparator.
La documentación de Comparator explica que, bajo sus condiciones técnicas, coteja el enunciado demostrado, los axiomas permitidos y la aceptación por el núcleo de Lean. Los axiomas son los supuestos de partida.
Esa comprobación tiene un objetivo preciso. Explicar el argumento para que otros investigadores puedan aprender de él y utilizarlo en nuevas preguntas es otra tarea, la que Tao reclama priorizar.
La inquietud ya alcanzó a doctorandos y aulas
La preocupación por el futuro académico ya estaba documentada en agosto. The Boston Globe, en un reportaje reproducido por Boston.com el 21 de octubre, documentó una encuesta realizada en agosto entre doctorandos del departamento de matemáticas del MIT.
Respondieron 45 de 120 personas. Tres de cada cuatro participantes temían que la IA dificultara conseguir una plaza académica con posibilidad de permanencia. El 71 % dijo que sus probabilidades de continuar en las matemáticas académicas habían disminuido.
El sondeo recoge expectativas de esos participantes, no pérdidas de empleo comprobadas. Además, se realizó antes del anuncio de Navier-Stokes de septiembre y de la publicación masiva de octubre.
Pavel Etingof, profesor del MIT, planteó al mismo medio que el trabajo podría desplazarse hacia interpretar y comunicar resultados producidos por IA. Etingof espera que esa sea la función de una profesión que antes asociaba con demostrar nuevos teoremas.
En Harvard, el debate ya llegó a las aulas. The Harvard Crimson informó el 21 de octubre que varios cursos introductorios establecieron políticas sin tecnología durante clases y sesiones de trabajo de este otoño. En una reunión de septiembre, 24 matemáticos recomendaron dar más peso a las evaluaciones escritas y orales presenciales, junto con formación para utilizar IA en investigación.
La profesora Melanie Matchett Wood defendió ante ese periódico que las herramientas deben aumentar la comprensión humana y preservar el conocimiento de los investigadores.
Simons financia la evaluación de resultados
La Simons Foundation anunció el 15 de octubre una iniciativa con Anthropic y OpenAI que compromete 15 millones de dólares en financiamiento y recursos combinados. La fundación administrará y adjudicará los apoyos para talleres e iniciativas que permitan evaluar resultados asistidos por IA, aprender a usar herramientas y acordar criterios comunes.
Anthropic y OpenAI también proporcionarán herramientas y cómputo a un grupo de investigadores apoyados por Simons. El programa destina recursos a estudiar y aprovechar las demostraciones después de que el sistema las produce.
El núcleo de Lean puede revisar la lógica bajo condiciones técnicas. La tarea que Tao reclama empieza después: que los investigadores estudien, expliquen y evalúen el resultado. La iniciativa de Simons destina recursos a esa evaluación, mientras Harvard discute cómo mantener la comprensión humana en las aulas.
