Ir al contenido principal
Internacional

La IA corre más rápido que sus propias reglas: la carrera tecnológica que inquieta a los científicos

Los avances de la inteligencia artificial en matemáticas alimentan el debate sobre los riesgos de una tecnología que aún busca sus límites

J.H.
Comentar
Inteligencia artificial.

Inteligencia artificial.

Añadir ElPlural.com como fuente preferida de Google.

Mantente informado con las últimas noticias de actualidad.

Activar ahora

La inteligencia artificial ya se atreve con problemas que han mantenido ocupadas a generaciones enteras de matemáticos. Sus sistemas procesan cantidades ingentes de información, ensayan soluciones y empiezan a obtener resultados en terrenos donde hasta hace poco parecía imprescindible la intervención humana. La carrera tecnológica, sin embargo, tiene una pregunta pendiente: ¿quién pone los límites? Mientras las grandes compañías invierten en desarrollar modelos cada vez más potentes, parte de la comunidad científica reclama algo que no abunda en esta industria: tiempo para estudiar sus consecuencias.

El matemático y divulgador británico Ian Stewart acaba de sumarse a esas voces. En una entrevista concedida a Europa Press con motivo de la publicación de Los límites del infinito. Una travesía por los extremos de las matemáticas (Editorial Crítica), ha defendido la necesidad de desacelerar el desarrollo de esta tecnología y establecer mecanismos de control más eficaces. Su diagnóstico no admite demasiados rodeos: "La IA se encuentra actualmente en un estado de anarquía".

Stewart pide introducir restricciones que permitan evaluar los beneficios y riesgos de los sistemas antes de seguir ampliando sus capacidades. No parece demasiado optimista respecto a la posibilidad de que la industria acepte voluntariamente una pausa. A su juicio, el cambio difícilmente llegará mientras los inversores mantengan su apuesta por una tecnología que concentra enormes expectativas económicas.

No habla, en cualquier caso, desde el rechazo a las máquinas. Buena parte de su trayectoria como divulgador se ha dedicado a explicar cómo las matemáticas y sus herramientas transforman nuestra comprensión del mundo. El problema, sostiene, no es que la inteligencia artificial permita hacer más cosas, sino que su desarrollo escape al control de quienes deben evaluar sus posibles consecuencias.

El investigador encuentra un precedente en la manera en que los gobiernos han respondido históricamente a las grandes innovaciones. Primero llegan las promesas de crecimiento y los beneficios económicos. Los riesgos suelen recibir menos atención y, cuando se manifiestan, las empresas pueden haber alcanzado una dimensión que complica cualquier intervención. Es una pauta que Stewart teme ver repetida en la inteligencia artificial.

Tampoco considera razonable desatender las advertencias que proceden de la propia industria. Algunas de sus figuras más destacadas llevan tiempo alertando de peligros asociados a estos sistemas. Descartarlos como simple alarmismo, argumenta, sería imprudente incluso si las previsiones más preocupantes acabaran siendo equivocadas.

El salto matemático

Hay razones para entender el entusiasmo que despierta la inteligencia artificial. El pasado septiembre, OpenAI anunció una demostración relacionada con uno de los problemas más célebres de las matemáticas modernas: el desafío de Navier-Stokes. Forma parte de los siete Problemas del Milenio seleccionados en el año 2000 por el Instituto Clay de Matemáticas, cada uno dotado con un premio de un millón de dólares.

Las ecuaciones de Navier-Stokes describen el movimiento de los fluidos. Sirven para estudiar el comportamiento del agua, las corrientes de aire y numerosos fenómenos físicos. Su utilidad práctica está fuera de discusión, pero durante décadas persistió una pregunta fundamental: si determinadas soluciones mantienen siempre su regularidad o pueden desarrollar singularidades bajo ciertas condiciones.

El 8 de septiembre de 2026, OpenAI presentó una demostración obtenida mediante un sistema interno de inteligencia artificial. Según la compañía, el trabajo establece que las ecuaciones pueden desarrollar una singularidad en un tiempo finito, incluso a partir de determinadas condiciones iniciales regulares. La investigación aborda así una cuestión que llevaba cerca de noventa años sin resolverse.

El anuncio llamó la atención del mundo matemático. Tres días después, el Instituto Clay reconoció que el problema parecía haber quedado resuelto, aunque recordó que este tipo de resultados requiere un procedimiento específico de evaluación y reconocimiento. Una demostración no equivale automáticamente a una validación definitiva, especialmente cuando está en juego uno de los grandes desafíos de la disciplina.

Stewart considera impresionante el trabajo, pero introduce un matiz importante: ninguna investigación nace de la nada. Las grandes soluciones suelen apoyarse en resultados anteriores, métodos conocidos y conocimientos acumulados durante generaciones. La inteligencia artificial puede acelerar extraordinariamente ese proceso, aunque buena parte del material con el que trabaja procede de investigadores humanos.

De ahí que el matemático no descarte que estos sistemas puedan contribuir a resolver otros Problemas del Milenio. Tienen acceso a una cantidad de conocimiento difícilmente abarcable por una sola persona y pueden probar millones de combinaciones a una velocidad muy superior. La potencia de cálculo abre posibilidades que hasta ahora estaban fuera del alcance de los métodos habituales, aunque no garantiza que cualquier problema termine encontrando respuesta.

El plegamiento de proteínas ofrece otro ejemplo de esa capacidad. Herramientas como AlphaFold permiten predecir estructuras proteicas y facilitan investigaciones esenciales para comprender numerosos procesos biológicos. Stewart destaca este campo porque los beneficios científicos resultan evidentes y, en el problema concreto que aborda, no identifica peligros obvios.

La relación entre matemáticas y tecnología, por otra parte, viene de lejos. Las calculadoras mecánicas, los ordenadores y los programas capaces de realizar operaciones algebraicas ya modificaron profundamente la investigación. Ninguno de esos instrumentos hizo desaparecer a los matemáticos. Les permitió concentrarse en cuestiones que antes exigían enormes esfuerzos de cálculo.

La inteligencia artificial continúa esa tradición, aunque incorpora capacidades que obligan a reconsiderar el papel de quienes investigan. Los sistemas actuales pueden combinar conocimientos anteriores, explorar nuevas vías y participar en problemas de creciente complejidad. Stewart contempla incluso la posibilidad de que algún día las máquinas se adelanten a los investigadores humanos hasta el punto de haber resuelto aquello que estos todavía pretendían estudiar.

No es una certeza ni una predicción con fecha. Es uno de los interrogantes que aparecen cuando una herramienta deja de limitarse a ejecutar cálculos y comienza a intervenir en la búsqueda de soluciones. Cuánto hay de creatividad, intuición o simple capacidad de exploración en esos procesos sigue siendo materia de debate.

El freno pendiente

La expresión utilizada por Stewart para describir el sector es contundente, pero necesita contexto. Europa ya tiene reglas para la inteligencia artificial. La Unión Europea aprobó un reglamento que establece obligaciones para determinados sistemas, prohíbe algunos usos considerados inaceptables y exige garantías de transparencia.

Su aplicación comenzó de forma progresiva en 2025 y alcanzó una nueva fase en agosto de 2026. No todas sus disposiciones, sin embargo, están plenamente desplegadas. Las obligaciones para determinados sistemas de alto riesgo comenzarán a aplicarse en diciembre de 2027, mientras que otras, relacionadas con productos regulados, cuentan con un período transitorio hasta agosto de 2028.

El calendario muestra una dificultad que no se resuelve únicamente aprobando una ley. Los modelos evolucionan, aparecen nuevas aplicaciones y las autoridades necesitan mecanismos para comprobar que las obligaciones se cumplen. Regular no basta si los organismos responsables carecen de capacidad para supervisar eficazmente una tecnología en constante transformación.

Ahí se sitúa la preocupación del matemático británico. Su propuesta de desaceleración no implica renunciar a los avances científicos, sino disponer de un margen para examinar sus consecuencias antes de que determinados sistemas se extiendan a ámbitos donde los errores o las decisiones poco transparentes puedan tener efectos difíciles de corregir.

Stewart conoce bien esa relación entre el conocimiento científico y sus aplicaciones. Las matemáticas están detrás de actividades tan corrientes como utilizar un teléfono móvil, organizar los horarios de los trenes o gestionar una red eléctrica. También son esenciales para comprobar la eficacia de los tratamientos médicos. La mayoría de las personas utiliza esas tecnologías sin necesidad de conocer las operaciones que las hacen posibles.

En Los límites del infinito, el divulgador recorre algunos de los grandes problemas matemáticos para mostrar cómo preguntas aparentemente abstractas terminaron ampliando las fronteras del conocimiento. Uno de sus ejemplos más llamativos se remonta a 1611, cuando Johannes Kepler planteó el problema del empaquetamiento de esferas.

La cuestión parecía sencilla: encontrar la manera más eficiente de colocar esferas idénticas en un espacio. Kepler propuso una distribución semejante a la que utilizan los fruteros para apilar naranjas. La intuición era correcta, pero demostrarlo matemáticamente resultó mucho más complicado de lo que cabía esperar.

Hubo que esperar hasta 1998 para que Thomas Hales y Samuel Ferguson presentaran una solución. El trabajo requirió después un complejo proceso de verificación informática que culminó en 2017. Una pregunta formulada cuatro siglos antes necesitó la ayuda de los ordenadores para alcanzar una demostración rigurosa.

Comentarios

Solo los socios pueden comentar.

Únete a la comunidad de El Plural para participar en la conversación.

Hazte socio