“La inteligencia humana descubre el sentido de una pregunta; la inteligencia artificial puede ayudarnos a explorar todas sus respuestas. Pero el verdadero descubrimiento comienza cuando ambas se atreven a formular una pregunta que todavía nadie había hecho.” Dr. J Jesús Francisco Carpio Mendoza
Preámbulo
En las últimas semanas, algunos acontecimientos han sacudido el mundo de las Matemáticas y han abierto una nueva etapa en la relación entre el pensamiento humano y la Inteligencia Artificial.
Entre ellos destaca uno particularmente significativo: el anuncio de que una Inteligencia Artificial ha logrado resolver el problema de Navier–Stokes, uno de los célebres Problemas del Milenio.
La noticia adquiere para nosotros un significado especial, pues los últimos cuatro artículos publicados en Tecnopia.org estuvieron dedicados precisamente a explorar las ecuaciones de Navier–Stokes, sus dificultades, sus estructuras ocultas y las preguntas que durante décadas han desafiado a matemáticos de todo el mundo.
Por ello, más que detenernos únicamente en la noticia, resulta fascinante sentarnos frente a ella y formular una pregunta mucho más profunda: ¿cómo lo resolvió? ¿Qué camino siguió? ¿Qué estructuras encontró?
Y, quizá la pregunta más inquietante de todas: ¿era realmente tan simple la solución, o somos nosotros quienes todavía no habíamos aprendido a verla?
Hoy emprendemos esa senda con curiosidad, lápiz en mano y espíritu crítico, intentando reconstruir, comprender y analizar el camino que conduce desde una de las grandes preguntas abiertas de las Matemáticas hasta una posible respuesta generada por la Inteligencia Artificial.
No pretendemos tener la última palabra. Pretendemos algo más sencillo y, quizá, más importante: contribuir a la construcción del conocimiento del lector, explorando juntos un territorio matemático que hasta hace muy poco parecía reservado exclusivamente a la intuición y al ingenio humano.
Espero que esta nueva exploración sea de su agrado.
Saludos cordiales.
Introducción
En el año 2000, el Clay Mathematics Institute presentó siete problemas matemáticos seleccionados por su profundidad, dificultad y trascendencia.
La iniciativa no pretendía simplemente ofrecer siete ejercicios extraordinariamente complicados, sino señalar algunas de las grandes fronteras del conocimiento matemático al comenzar el nuevo milenio.
Cada problema fue asociado con un premio de un millón de dólares.
Aquella lista se convirtió en un símbolo.
Los llamados Problemas del Milenio comenzaron a representar, para el público y para la comunidad matemática, una especie de mapa de las regiones donde el conocimiento humano todavía encontraba enormes obstáculos.
Sin embargo, existe una precisión histórica que debe conservarse.
De los siete problemas originales, uno ya fue resuelto: la Conjetura de Poincaré.
El matemático ruso Grigori Perelman demostró la conjetura mediante trabajos relacionados con el flujo de Ricci y la geometrización de las variedades tridimensionales.
El Clay Mathematics Institute reconoció formalmente la resolución y le otorgó en 2010 el primer Premio del Milenio. Perelman, posteriormente, rechazó el premio económico.
Por ello, cuando hablamos actualmente de los Problemas del Milenio, debemos distinguir dos realidades:
Los siete problemas que fueron originalmente propuestos en el año 2000 y Los seis problemas que permanecen abiertos.
La diferencia parece solamente histórica, pero en realidad encierra una enseñanza profunda.
Un problema puede parecer imposible durante décadas y, sin embargo, encontrar finalmente una vía inesperada de solución.
La Conjetura de Poincaré lo demuestra.
Y precisamente por ello surge una nueva pregunta:
¿Podría la Inteligencia Artificial convertirse en una nueva herramienta para explorar los seis problemas que permanecen abiertos y, eventualmente, ayudar a descubrir problemas matemáticos que todavía ni siquiera hemos formulado?
Esta pregunta nos obliga a comparar dos formas de inteligencia.
Por un lado, la inteligencia artesanal humana: lápiz, papel, imaginación, intuición, experiencia, paciencia, error y capacidad de preguntar.
Por otro, la Inteligencia Artificial: exploración masiva, comparación de estructuras, búsqueda de patrones, generación de conjeturas, experimentación computacional y, cada vez más, demostración formal.
No son inteligencias equivalentes.
Y quizá precisamente por eso su encuentro resulte tan interesante.
I. LA INTELIGENCIA ARTESANAL: EL LÁPIZ COMO INSTRUMENTO DE DESCUBRIMIENTO
Antes de hablar de Inteligencia Artificial debemos recordar algo esencial: La matemática no nació con las computadoras.
Durante siglos, los grandes descubrimientos matemáticos fueron realizados con herramientas aparentemente sencillas.
Papel.
Lápiz.
Tinta.
Pizarrón.
Regla.
Compás.
Y pensamiento.
Pero existe algo todavía más importante: la capacidad humana de observar.
La inteligencia artesanal no significa una inteligencia rudimentaria.
Es una inteligencia que trabaja directamente con el objeto matemático.
El investigador escribe una expresión.
La modifica.
La dibuja.
La vuelve a escribir.
Encuentra un patrón.
Formula una conjetura.
Busca un ejemplo.
Encuentra un contraejemplo.
Regresa al principio.
Esta aparente lentitud puede convertirse en una enorme ventaja.
El ser humano no solamente manipula símbolos.
Busca significado.
Ante una regularidad matemática puede preguntar: ¿Por qué ocurre?
Y después: ¿Tiene que ocurrir siempre?
Y finalmente: ¿Qué principio más profundo explica este comportamiento?
Una máquina puede encontrar una regularidad.
El matemático intenta comprenderla.
II. LA INTELIGENCIA ARTIFICIAL: UNA NUEVA FORMA DE EXPLORAR
La Inteligencia Artificial introduce una dimensión diferente.
Un sistema artificial puede examinar enormes cantidades de estructuras matemáticas, comparar familias de objetos, generar candidatos, buscar contraejemplos, explorar estrategias y trabajar simultáneamente en muchas direcciones.
Su ventaja no consiste únicamente en calcular más rápido.
Consiste en explorar más ampliamente.
Una persona puede estudiar una familia de ecuaciones durante meses.
Un sistema artificial puede comparar miles de casos relacionados.
Un matemático puede formular una conjetura y dedicar años a intentar demostrarla.
Una IA puede intentar encontrar rápidamente un contraejemplo.
Esta última capacidad puede ser extraordinariamente importante.
Una inteligencia matemática verdaderamente útil no debería limitarse a preguntar:
¿Cómo puedo demostrar que esto es cierto?
También debería preguntar:
¿Cómo puedo demostrar que esto es falso?
La búsqueda de contraejemplos constituye una de las formas más poderosas de pensamiento matemático.
III. LOS PROBLEMAS DEL MILENIO: UNA LISTA QUE YA CAMBIÓ
La historia de los Problemas del Milenio ofrece una primera lección sobre la naturaleza de la matemática.
La lista original contenía:
- La Hipótesis de Riemann.
- P versus NP.
- Las ecuaciones de Navier–Stokes.
- La Conjetura de Hodge.
- La Conjetura de Birch y Swinnerton-Dyer.
- La teoría de Yang–Mills y la brecha de masa.
- La Conjetura de Poincaré.
Pero actualmente la Conjetura de Poincaré ya no pertenece al conjunto de problemas abiertos.
El propio Clay Mathematics Institute la identifica como “Solved” y reconoce a Grigori Perelman como su responsable.
Por consiguiente, quedan seis problemas abiertos.
Esta precisión no debe verse como una simple corrección de catálogo.
Tiene una enorme importancia conceptual.
Porque demuestra que los Problemas del Milenio no son monumentos eternamente intocables.
Son preguntas.
Y las preguntas pueden cambiar de estatus.
Una conjetura puede transformarse en teorema.
Una pregunta aparentemente imposible puede encontrar una nueva herramienta.
Una teoría desarrollada para resolver un problema puede terminar transformando una rama completa de las matemáticas.
La historia de Poincaré es precisamente un ejemplo de ello.
IV. LA PREGUNTA OCULTA
Aquí aparece la idea central de nuestra propuesta.
Todo problema matemático posee una pregunta explícita.
Pero algunos poseen también una pregunta oculta.
La pregunta explícita indica qué debemos demostrar.
La pregunta oculta intenta descubrir qué estructura está haciendo difícil la demostración.
Tomemos Navier–Stokes.
La pregunta visible es determinar si las soluciones tridimensionales permanecen suaves o si puede aparecer una singularidad.
Pero detrás encontramos otras preguntas:
¿Qué controla la concentración de la vorticidad?
¿Qué ocurre cuando las escalas espaciales se hacen cada vez menores?
¿Puede la disipación controlar siempre la no linealidad?
¿Existe un invariante todavía desconocido?
¿Hay una representación geométrica más adecuada?
¿Existe una estructura común entre diferentes escenarios de formación de singularidades?
La primera pregunta pertenece al problema.
Las demás pertenecen al territorio de investigación.
Y precisamente allí puede intervenir la Inteligencia Artificial.
V. LAS ARISTAS DE UN PROBLEMA
Podemos imaginar un problema matemático como un poliedro.
Una cara contiene el enunciado.
Otra contiene los resultados conocidos.
Otra, los contraejemplos.
Otra, las generalizaciones.
Otra, las herramientas disponibles.
Otra, las relaciones con otras ramas de la matemática.
Y quizá exista una última cara que todavía no hemos descubierto.
La IA podría convertirse en una herramienta para explorar esas caras simultáneamente.
Primera arista: patrones
Buscar regularidades en grandes familias de objetos.
Segunda arista: contraejemplos
Intentar destruir las conjeturas.
Tercera arista: generalización
Determinar hasta dónde puede extenderse un resultado conocido.
Cuarta arista: conexión
Buscar relaciones entre áreas que tradicionalmente se estudian por separado.
Quinta arista: representación
Cambiar la forma de expresar un problema.
Una ecuación complicada puede adquirir una estructura más transparente mediante otra representación.
Sexta arista: invariantes
Buscar cantidades que permanezcan constantes o que evolucionen bajo leyes controlables.
Séptima arista: demostración formal
Convertir una intuición o estrategia en una cadena lógica verificable por un sistema formal.
VI. LOS SEIS PROBLEMAS ABIERTOS Y SUS POSIBLES ARISTAS ARTIFICIALES
La situación actual permite imaginar una colaboración entre matemática artesanal e Inteligencia Artificial.
1. Hipótesis de Riemann
La pregunta central está relacionada con los ceros no triviales de la función zeta de Riemann y su distribución sobre una determinada línea crítica.
La IA podría explorar:
- teoría analítica de números;
- patrones de los ceros;
- teoría espectral;
- matrices aleatorias;
- relaciones entre números primos y estructuras geométricas;
- posibles equivalencias con otros problemas.
Pero existe una frontera fundamental:
Verificar millones o billones de casos no demuestra una afirmación universal.
La máquina tendría que encontrar una estructura que explique por qué todos los casos deben comportarse de determinada manera.
2. P versus NP
La pregunta esencial es si todo problema cuya solución puede verificarse eficientemente puede también resolverse eficientemente.
Aquí la IA podría explorar:
- algoritmos;
- complejidad computacional;
- circuitos;
- reducciones;
- límites inferiores;
- estructuras combinatorias.
Pero la dificultad reside precisamente en demostrar una afirmación universal sobre clases enteras de problemas.
La IA podría encontrar algoritmos extraordinarios.
Pero encontrar un algoritmo rápido para muchos problemas no demostraría automáticamente que P = NP.
Del mismo modo, encontrar dificultades experimentales tampoco demostraría P ≠ NP.
3. Navier–Stokes
Aquí encontramos uno de los problemas donde la interacción entre matemática, física y computación puede resultar especialmente rica.
La IA podría explorar:
- ecuaciones diferenciales parciales;
- análisis funcional;
- espacios de Sobolev y Besov;
- vorticidad;
- regularidad;
- turbulencia;
- estructuras geométricas;
- criterios de blow-up;
- estimaciones a priori.
La pregunta visible es: ¿Existe regularidad global?
Pero la pregunta oculta podría ser:
¿Qué estructura matemática controla realmente la transferencia de energía y vorticidad entre escalas?
Ésta puede convertirse en una pregunta de investigación por derecho propio.
4. Conjetura de Hodge
Aquí la IA podría explorar relaciones entre:
- geometría algebraica;
- topología;
- cohomología;
- variedades algebraicas;
- clases de Hodge;
- estructuras categóricas.
La posibilidad más interesante no sería necesariamente que la máquina produzca inmediatamente una demostración.
Podría descubrir un lema intermedio.
Un resultado aparentemente pequeño que conecte dos estructuras que hasta entonces habían sido estudiadas por separado.
La historia de la matemática demuestra que esos resultados intermedios pueden ser decisivos.
5. Conjetura de Birch y Swinnerton-Dyer
La investigación podría involucrar:
- curvas elípticas;
- puntos racionales;
- funciones L;
- teoría de números;
- geometría algebraica;
- estructuras computacionales.
La IA podría comparar enormes familias de curvas y buscar invariantes o relaciones entre datos aritméticos y comportamiento analítico.
Pero nuevamente:
La evidencia computacional puede sugerir una verdad; solamente una demostración puede establecerla.
6. Yang–Mills y la brecha de masa
Este problema plantea una profunda relación entre matemática y física cuántica.
La IA podría explorar:
- teoría cuántica de campos;
- análisis funcional;
- geometría;
- teoría de gauge;
- operadores;
- estructuras espectrales;
- formulaciones matemáticamente rigurosas de teorías físicas.
La pregunta oculta podría ser:
¿Qué estructura matemática permite pasar de una teoría física extremadamente rica a una teoría cuántica rigurosamente definida que exhiba una brecha de masa?
Aquí la colaboración entre matemáticos, físicos e inteligencia artificial podría adquirir una dimensión interdisciplinaria extraordinaria.
VII. LA LECCIÓN DE POINCARÉ
La resolución de Poincaré introduce un elemento fundamental en nuestro argumento.
Perelman no resolvió la conjetura mediante una simple manipulación algebraica.
Su trabajo se apoyó en el flujo de Ricci, una herramienta geométrica que permitió estudiar la evolución de las estructuras geométricas de las variedades tridimensionales.
El resultado fue mucho más profundo que una respuesta de “sí” o “no”.
La demostración conectó topología, geometría diferencial y ecuaciones diferenciales parciales.
El propio Clay destaca que la solución reveló conexiones profundas e inesperadas entre geometría y topología de las 3-variedades.
Aquí encontramos una lección para la Inteligencia Artificial:
A veces el camino hacia la solución no consiste en atacar directamente el problema, sino en descubrir una teoría intermedia que transforme la manera de observarlo.
Ésta podría ser precisamente una de las mayores aportaciones de una IA.
No necesariamente encontrar la respuesta.
Sino encontrar la herramienta que permita formularla de otra manera.
VIII. ¿PODRÍA LA IA PROPONER NUEVOS PROBLEMAS?
Llegamos entonces a una frontera mucho más interesante.
Hasta ahora hemos planteado:
¿Puede la IA resolver problemas humanos?
Pero podemos invertir la pregunta:
¿Puede la IA descubrir problemas que los humanos todavía no hemos formulado?
No afirmamos que las actuales inteligencias artificiales ya puedan producir, de manera autónoma y con autoridad matemática, nuevos equivalentes de los Problemas del Milenio.
Eso sería una afirmación excesiva.
Lo que podemos hacer es construir un escenario prospectivo.
Imaginemos una IA capaz de:
- leer prácticamente toda la literatura matemática disponible;
- formalizar resultados;
- explorar enormes espacios de ejemplos;
- buscar contraejemplos;
- detectar patrones;
- construir generalizaciones;
- identificar conexiones entre teorías;
- y someter sus propuestas a verificadores formales.
En ese escenario, la máquina podría comenzar a producir algo nuevo: preguntas matemáticas.
IX. DIEZ PROBLEMAS QUE UNA INTELIGENCIA ARTIFICIAL PODRÍA PROPONER
Los diez problemas siguientes no son Problemas del Milenio oficiales ni afirmamos que hayan sido propuestos actualmente por una IA.
Son una construcción prospectiva.
Representan el tipo de preguntas que una inteligencia matemática artificial suficientemente avanzada podría llegar a formular.
PROBLEMA 1. EL INVARIANTE UNIVERSAL DE LA COMPLEJIDAD
Pregunta:
¿Existe un invariante matemático capaz de determinar cuándo sistemas dinámicos aparentemente diferentes pertenecen a una misma clase universal de comportamiento?
La idea sería encontrar una especie de huella matemática común detrás de sistemas que, en apariencia, no guardan relación.
PROBLEMA 2. LA GEOMETRÍA OCULTA DE LAS SINGULARIDADES
Pregunta:
¿Existe una estructura geométrica universal que permita caracterizar la formación de singularidades en determinadas ecuaciones diferenciales no lineales?
Este problema sería especialmente interesante para estudiar conjuntamente ecuaciones como Navier–Stokes, ciertas ecuaciones dispersivas y otros sistemas dinámicos.
La pregunta profunda sería:
¿Las singularidades son fenómenos aislados de cada ecuación o manifestaciones diferentes de una estructura matemática común?
PROBLEMA 3. LA FRONTERA GEOMÉTRICA DE LA COMPUTABILIDAD
Pregunta:
¿Existe una caracterización geométrica, algebraica o topológica universal de la frontera entre los problemas computables y los problemas intrínsecamente no computables?
Aquí la pregunta no sería únicamente qué puede calcular una máquina.
Sería:
¿Qué estructura matemática determina aquello que una máquina nunca podrá calcular?
PROBLEMA 4. LA CONVERGENCIA UNIVERSAL
Pregunta:
¿Existen condiciones generales bajo las cuales sistemas dinámicos de naturaleza diferente converjan hacia estructuras matemáticamente equivalentes independientemente de sus condiciones iniciales?
El problema buscaría una teoría de universalidad capaz de explicar la aparición de patrones comunes.
PROBLEMA 5. INFORMACIÓN Y GEOMETRÍA
Pregunta:
¿Existe una correspondencia universal entre transformaciones de información y transformaciones geométricas?
La cuestión podría conectar:
- teoría de la información;
- geometría;
- topología;
- dinámica;
- física matemática.
Una respuesta afirmativa podría abrir un territorio matemático completamente nuevo.
PROBLEMA 6. ESTRUCTURAS MATEMÁTICAS EMERGENTES
Pregunta:
¿Puede una estructura matemática globalmente compleja emerger de reglas locales simples sin existir una representación global de complejidad comparable?
Aquí se intentaría formalizar matemáticamente el fenómeno de emergencia.
PROBLEMA 7. LOS CICLOS OCULTOS DE LOS SISTEMAS DINÁMICOS
Pregunta:
¿Puede determinarse cuándo un sistema aparentemente irreversible contiene una estructura recurrente que sólo se hace visible mediante una representación matemática apropiada?
La pregunta no sería simplemente si existen ciclos.
Sería:
¿Qué representación matemática permite descubrirlos?
PROBLEMA 8. LA DEMOSTRACIÓN MÍNIMA
Pregunta:
¿Existe un método general para determinar la estructura mínima de una demostración de una proposición matemática?
Esto llevaría a estudiar no solamente si una afirmación puede demostrarse, sino cuáles son las ideas esenciales de su demostración.
PROBLEMA 9. EL MAPA UNIVERSAL DE LAS CONJETURAS
Pregunta:
¿Puede construirse un espacio matemático en el que las conjeturas puedan clasificarse según su estructura, dependencia lógica, dificultad y relación con los teoremas conocidos?
Sería una especie de cartografía matemática del conocimiento.
PROBLEMA 10. LA CREATIVIDAD MATEMÁTICA ARTIFICIAL
Finalmente, el problema más extraño:
¿Puede definirse matemáticamente la frontera entre búsqueda algorítmica y descubrimiento matemático?
Si una máquina encuentra una estructura completamente nueva mediante exploración automática:
¿Ha calculado?
¿Ha encontrado?
¿Ha descubierto?
¿O ha hecho matemática?
Esta pregunta podría convertirse, paradójicamente, en uno de los grandes problemas intelectuales de la era de la Inteligencia Artificial.
X. DOS INTELIGENCIAS, UNA MISMA PREGUNTA
Podemos ahora construir una imagen diferente de la investigación matemática.
El ser humano observa.
La IA explora.
El ser humano imagina.
La IA compara.
El ser humano formula una conjetura.
La IA intenta refutarla.
El ser humano reformula.
La IA busca una demostración.
El sistema formal verifica.
El matemático interpreta.
Y finalmente ambos regresan al principio.
Porque quizá el proceso real sea circular.
Pregunta → exploración → conjetura → refutación → reformulación → demostración → comprensión → nueva pregunta.
En este ciclo, ninguna inteligencia posee todas las funciones.
La fuerza está precisamente en la interacción.
XI. RESOLVER NO ES NECESARIAMENTE COMPRENDER
Aquí debemos establecer una frontera filosófica y matemática.
Supongamos que una IA produce una demostración formalmente correcta de un problema extraordinariamente complejo.
¿El problema está resuelto?
Desde el punto de vista lógico, podríamos responder afirmativamente.
Pero existe otra pregunta:
¿Lo hemos comprendido?
Una demostración puede contener millones de pasos.
Puede ser correcta.
Puede ser verificable.
Y, sin embargo, puede ocultar la idea esencial.
El matemático artesanal tiene entonces una nueva misión.
Tomar la enorme demostración.
Buscar su estructura.
Identificar los lemas fundamentales.
Reducir.
Interpretar.
Explicar.
Convertir miles de pasos en una idea.
La IA podría encontrar la demostración.
El ser humano podría encontrar el significado.
XII. LA NUEVA INTELIGENCIA ARTESANAL
Paradójicamente, la llegada de la IA podría hacer todavía más importante la inteligencia artesanal.
Cuando una máquina puede calcular millones de posibilidades, el valor de saber qué vale la pena preguntar aumenta.
Cuando una IA puede generar miles de conjeturas, aumenta el valor de saber cuál posee significado matemático.
Cuando una máquina puede producir demostraciones, aumenta el valor de saber cuál es la idea que las hace posibles.
Por eso la inteligencia artesanal no desaparece.
Se transforma.
El lápiz deja de ser únicamente una herramienta de cálculo.
Se convierte en una herramienta de interpretación.
La hoja de papel se convierte en un espacio donde el investigador puede dibujar aquello que todavía no sabe formalizar.
XIII. DEL PROBLEMA AL MAPA
Quizá éste sea el verdadero cambio.
La matemática tradicional suele comenzar con un problema: “Demostrar esta afirmación.”
La matemática asistida por IA podría comenzar con un mapa: “Exploremos el espacio alrededor de esta afirmación.”
En ese espacio podrían aparecer:
- equivalencias;
- contraejemplos;
- generalizaciones;
- estructuras ocultas;
- nuevas variables;
- nuevos invariantes;
- nuevas geometrías;
- nuevos problemas.
El problema deja entonces de ser un punto.
Se convierte en un territorio.
XIV. EL FUTURO DE LOS PROBLEMAS DEL MILENIO
Quizá dentro de algunas décadas ya no pensemos solamente en los siete problemas propuestos en 2000.
Quizá hablemos de: Problemas humanos.
Preguntas formuladas a partir de la intuición matemática.
Problemas asistidos.
Preguntas cuya exploración se realizó mediante colaboración humano-IA.
Problemas descubiertos.
Preguntas cuya formulación fue sugerida inicialmente por una inteligencia artificial y posteriormente validada por matemáticos.
Problemas híbridos.
Preguntas cuya autoría intelectual sea inseparable de la interacción entre seres humanos y máquinas.
No sabemos todavía si esta clasificación llegará a existir.
Pero sí podemos imaginarla.
Y formularla hoy constituye una manera de pensar en el futuro de la matemática.
XV. CONCLUSIÓN: LA PREGUNTA QUE TODAVÍA NO EXISTE
Los Problemas del Milenio comenzaron como siete grandes preguntas.
Hoy debemos recordar que una de ellas, la Conjetura de Poincaré, ya fue resuelta.
Y esa resolución nos dejó una enseñanza extraordinaria:
Los problemas aparentemente imposibles pueden encontrar caminos que nadie había previsto.
La historia de Perelman demuestra además que la solución puede aparecer cuando una pregunta aparentemente topológica se transforma mediante herramientas geométricas y analíticas.
Ahora aparece una nueva posibilidad.
La Inteligencia Artificial podría convertirse en una herramienta capaz de explorar millones de caminos matemáticos, buscar patrones, descubrir contraejemplos, proponer conjeturas y, cada vez más, participar en la construcción y verificación de demostraciones.
Pero su verdadero impacto podría ser todavía mayor.
Podría ayudarnos a descubrir preguntas que todavía no sabemos formular.
La inteligencia artesanal posee paciencia, intuición, imaginación y significado.
La inteligencia artificial posee exploración masiva, comparación, velocidad y una capacidad creciente para trabajar con estructuras formales.
Una observa profundamente.
La otra explora ampliamente.
Una pregunta: ¿Por qué?
La otra puede preguntar: ¿Qué ocurre si…?
Y entre ambas puede aparecer una tercera pregunta: ¿Qué es aquello que todavía no hemos visto?
Tal vez éste sea el verdadero problema matemático del futuro.
No demostrar una afirmación que ya conocemos.
No calcular una cantidad que ya podemos calcular.
Sino descubrir una estructura que todavía no sabemos nombrar.
Y quizá, algún día, una Inteligencia Artificial se acerque a un matemático y no le diga:
“He resuelto el problema.”
Sino algo mucho más inquietante:
“He encontrado una pregunta que ustedes todavía no habían formulado.”
En ese instante, la historia de las matemáticas habrá cambiado nuevamente.
Porque resolver un problema puede cerrar una puerta.
Pero descubrir una nueva pregunta puede abrir un universo.
“El verdadero límite de la inteligencia no está en las respuestas que encuentra, sino en las preguntas que todavía se atreve a imaginar.”
