“Pura locura”: Los matemáticos necesitarán años para entender la última caída de OpenAI

“Asombroso”. “Abrumador”. “Sin precedentes”. “Surrealista”. “Pura locura”.

Esas fueron algunas de las descripciones de más de treinta y dos matemáticos a quienes se contactó en conversaciones con The Verge, mientras intentaban dar sentido al torrente de resultados matemáticos que OpenAI lanzó de repente esta semana. Entre el asombro, la emoción y la incertidumbre acerca de la magnitud del desastre, había una ansiedad profunda sobre lo que todo eso significa — y qué sucederá después. A pesar de sus diferentes reacciones, los investigadores coincidieron en que comprender simplemente lo que OpenAI había publicado podría tomar años, por no mencionar averiguar dónde se sitúan los matemáticos mismos en el campo que ahora está cambiando alrededor de ellos. Muchos temían que OpenAI no esperaría tanto tiempo antes de seguir adelante — o incluso lanzar aún más.

En total, OpenAI publicó casi 400 resultados generados por IA. Estos se distribuyeron en más de 700 manuscritos y abarcaron una variedad de disciplinas matemáticas, incluyendo la combinatoria, varias ramas de la geometría, la teoría de números, la informática teórica, el álgebra, la topología, la probabilidad y la mecánica estadística, así como la física matemática. La colección es tan extensa que OpenAI sintió la necesidad de publicar orientación sobre cómo navegar el vasto repositorio de GitHub.

Relacionado

• La toma del control de las matemáticas por la IA ha comenzado
• OpenAI solo quiere ganar
• OpenAI sigue reclutando matemáticos

La enorme cantidad de trabajo hace que incluso una evaluación preliminar sobre qué ha lanzado exactamente la empresa sea difícil. En las horas y días siguientes a la caída, la mayoría de los matemáticos con quienes The Verge habló dijeron que todavía tenían dificultades para procesar todo; varios dijeron que simplemente trabajar en el resumen de los aproximadamente 40 páginas de contenido y títulos les tomó casi una hora. “Solo revisar toda la lista de resúmenes es abrumador”, dijo Álvaro Lozano-Robledo, profesor de matemáticas en la Universidad de Connecticut.

Entre los cientos de manuscritos hay formalizaciones en Lean, un lenguaje de programación y asistente de demostraciones que permite verificar computacionalmente los resultados. Estas formalizaciones han demostrado ser útiles para evaluar algunas de las afirmaciones matemáticas anteriores de OpenAI, dando a los investigadores confianza en que una afirmación es lógicamente correcta, incluso si no comprenden completamente el argumento detrás de ella.

“Si las IA desaparecieran ahora, como si hubieran llegado extraterrestres a la Tierra y luego se hubieran ido, estaremos estudiando esto durante los próximos 10 años, intentando entender todo.”

Pero el grado en que cada resultado había sido verificado variaba enormemente. En GitHub, OpenAI reconoce que los resultados están “en diferentes etapas de verificación” y que “muchos, pero no todos, de los manuscritos han sido formalizados”. A la fecha de escritura, menos de la mitad de los manuscritos de la colección parece haber sido descritos formalmente. OpenAI dijo que solo 300 resultados destacados de 719 manuscritos habían sido formalizados, aproximadamente el 42 por ciento, y que “actualizará el repositorio con más formalizaciones a medida que los obtenga”.

Varios matemáticos se quejaron en The Verge por la falta de formalización, especialmente teniendo en cuenta la gran cantidad de resultados, y destacaron que incluso cuando el código Lean acompaña un resultado, la evaluación no es instantánea. Los investigadores deben verificar que la formalización realmente demuestre lo que afirma el resultado, lo cual es otro proceso que requiere tiempo, y varios estudios detallados de los artículos indicaron que, incluso en los casos en que se proporcionaban pruebas verificables por computadora, la calidad era inconsistente y las afirmaciones que verificaban no siempre se correspondían claramente con las afirmaciones en los manuscritos acompañantes.

Kevin Buzzard, profesor de matemáticas en el Imperial College de Londres, dijo que había identificado numerosos teoremas en su área de trabajo —la teoría de números algebraicos—, de los cuales solo unos seis destacaban de inmediato. Pocos, si es que algunos, parecían haber sido verificados formalmente en Lean. “Por lo tanto, o tengo que leer contenido posiblemente incorrecto, o espero a que otros hagan lo mismo, o espero a que alguien los formalice antes de poder afirmar con certeza que los resultados son correctos”. Las preocupaciones de Buzzard fueron repetidas por numerosos otros investigadores.

Buzzard no estaba solo en preocuparse por el “slop” de la IA. El término es una abreviatura para material generado por IA de baja calidad y con errores frecuentes, que cada vez aparece más en línea — e incluso en el mundo real — incluyendo artículos académicos. Como en otros campos, los matemáticos le dijeron a The Verge que han visto un aumento enorme en ese tipo de material producido con herramientas como ChatGPT y Claude en los últimos años. Mucho de él es confuso, difícil de leer y muestra poco entendimiento del tema; es especialmente malo cuando se trata de atribuir créditos a otros investigadores.

Los análisis matemáticos anteriores de OpenAI fueron ampliamente críticados por expertos debido a su falta de rigor, en particular su poca o inexistente atribución. En conversaciones con The Verge antes de su publicación, varios investigadores calificaron la inminente avalancha de artículos como la “slopocalypse”, o variantes similares sobre el tema.

Es difícil decir si la temida “apocalipsis de basura” realmente se materializó, en gran medida debido al volumen desconcertante de material que se publicó. Indicaciones preliminares sugieren que OpenAI prestó más cuidado con los artículos esta vez, o al menos con algunos de ellos. Varios matemáticos le dijeron a The Verge que sus primeras impresiones fueron mucho mejores de lo que esperaban, aunque, según ellos mismos, eso no era un estándar alto dada las publicaciones de calidad deficiente anteriores de la empresa.

“Es un gran desorden. Puede causar una colapso enorme en la cultura académica y simplemente destruir la mayoría de las facultades. Es un problema social y parece que los laboratorios de IA ignoran completamente este asunto”.

Pero ser mejor no significa necesariamente ser bueno, y mucho menos alcanzar los estándares que se esperan habitualmente de un trabajo académico que hace afirmaciones de tal magnitud. Dado que la verificación formal falta en muchas de las afirmaciones de OpenAI, la calidad de los artículos que las acompañan se vuelve particularmente importante; son el medio principal por el cual los matemáticos pueden confirmar, comprender, examinar y contextualizar los resultados.

Producir artículos matemáticos rigurosos es un trabajo difícil, incluso en las mejores circunstancias. Realizarlo a esta escala es una tarea imponente. Los modelos de OpenAI generan matemáticas a una velocidad vertiginosa y en una amplia gama de especialidades, superando con creces la capacidad de su personal humano. La empresa simplemente no tiene el alcance de conocimientos o recursos para examinar adecuadamente sus hallazgos en los límites más avanzados de las matemáticas. Los investigadores le dijeron a The Verge que eso es evidente.

Muchos artículos descritos eran difíciles, a veces prácticamente imposibles de seguir. “La descripción del problema que mejor conozco no tenía mucho sentido después de una lectura rápida”, dijo Brendan Hassett, profesor de matemáticas en Brown, a The Verge. “Si esto hubiera sido escrito por una persona, no dedicaría más tiempo a intentar entenderlo. Por supuesto, eso deja 721 otros preprints sin revisar”. (Hassett dijo esto antes de que OpenAI retirara tres artículos).

Algunos investigadores le dijeron a The Verge que varios artículos que ellos o sus colegas habían notado parecían abarcar temas ya explorados por otros matemáticos, aunque eran cautelosos al decirlo públicamente antes de tener la oportunidad de revisar adecuadamente el material. Otros señalaron la brevedad inusual del trabajo, con resultados que normalmente se esperaría desarrollar en cientos de páginas comprimidas en unas pocas docenas o menos.

Relacionado

• OpenAI quiere consultar a matemáticos de élite sobre cómo no cometer errores nuevamente
• OpenAI lanza otra serie de avances matemáticos
• Los matemáticos quieren pruebas de que OpenAI no utilizó su trabajo

Nalini Joshi, profesora de matemáticas en la Universidad de Sídney en Australia, dijo que una búsqueda rápida en los artículos publicados reveló poco que se relacionara con su propio trabajo, pero señaló que algunos de los artículos que examinó “tienen bibliografías cortas”. Dada la críticas anteriores sobre las prácticas de atribución de OpenAI, dijo que está “desconfiada de que la atribución en los artículos pueda carecer de la historia completa”.

Pero, a pesar de toda esa confusión y incertidumbre, existe un consenso general de que la versión publicada contiene algunas obras realmente impresionantes.

Al destacar las dificultades para evaluar la cantidad de material —y la necesidad de verificar adecuadamente los resultados—, numerosos investigadores de The Verge dijeron que el trabajo parecía ser de muy alto nivel, a pesar de las deficiencias en su presentación. En un mundo antes de la inteligencia artificial, afirmaron, muchos de los resultados de OpenAI habrían merecido claramente ser publicados en revistas de primer nivel y podrían haber sido suficientes para garantizar una carrera académica para sus autores. Algunos trabajos fueron descritos como aquellos que podrían convertir a un matemático en un serio candidato para la Medalla Fields, uno de los más altos honores del campo.

“O bien tengo que leer contenido posiblemente incorrecto, o espero a que otros hagan lo mismo, o espero a que alguien los formalice antes de poder afirmar con certeza que los resultados son incluso correctos”.

El matemático de Stanford, Jared Duker Lichtman, dijo que había “decenas” de resultados que incluiría en esta categoría, incluyendo avances hacia la hipótesis de Riemann, un caso especial de la conjetura de Hodge, y una solución a la conjetura de Kakeya en cuatro dimensiones. Estos son problemas importantes en las matemáticas. Riemann… problema más notorio e insoluto En toda la disciplina — y Hodge también está entre los siete ganadores del Premio Milenio famoso problemasPor separado, se refieren a la distribución de los números primos y, de forma muy general, a cómo se pueden comprender las formas geométricas complejas en términos de bloques más simples. Mientras tanto, Kakeya se pregunta aproximadamente cuánto espacio es necesario para girar una aguja o un lápiz en todas las direcciones. Un ejemplo de la versión tridimensional de Kakeya fue una de las logros del matemático de NYU, Hong Wang. premiado Medalla de Fields para principios de este año.

“No es el caso de que se trate simplemente de problemas tontos de los que nadie ha oído hablar”, dijo el matemático Scott Armstrong. “Muchos de ellos son como problemas muy conocidos para los cuales muchas personas han intentado resolverlos durante décadas”.

A medida que el polvo comenzó a asentarse, los matemáticos se encontraron frente a un paisaje que había cambiado de repente a su alrededor. Muchos de ellos habían visto cómo años de trabajo y planes de investigación cuidadosamente elaborados desaparecían en un instante, o conocían colegas que habían experimentado lo mismo. En todo el campo, ya fuera reacciones llenas de emoción, miedo, desesperación o algo intermedio, había una profunda sensación de desorientación.

Para la mañana siguiente, ese estado de ánimo no había cambiado mucho. Hablando por teléfono mientras caminaba por París, Armstrong imaginó que, si la Sorbona no estuviera cerrada debido a los protestas estudiantiles en curso y sus colegas estuvieran reunidos alrededor de su máquina de café habitual, el ambiente habría sido bastante “solemne”.

Relacionado

• El astuto avance matemático de OpenAI provoca un escalofrío en el ámbito académico
• Bienvenido a la crisis de la IA en las matemáticas
• El biolab de Anthropic hizo una descubrimiento que se compara con Crispr

En Escocia, Colva Roney-Dougal, profesora de matemáticas en la Universidad de St Andrews, describió una atmósfera similarmente sombría entre colegas y estudiantes. La inundación se sintió algo “terrible”, dijo, pero su llegada trajo cierto alivio después de semanas de incertidumbre. “Tengo un montón de amigos y colegas cuyas propuestas de subvención acaban de ser descartadas”, dijo.

“Tengo un montón de amigos y colegas cuyas propuestas de subvención acaban de ser eliminadas”.

Armstrong dijo que conocía un grupo cuya total programa de investigación fue prácticamente “borrado” por la publicación. Mientras tanto, Tristan Buckmaster, un matemático de NYU que estuvo en el centro de la disputa anterior de OpenAI sobre el problema Navier-Stokes, dijo que ya había escuchado de “tres personas cuyos programas de investigación completos fueron destruidos”.

Historias similares surgieron repetidamente en las conversaciones de The Verge con matemáticos, aunque la perturbación se concentró en algunas áreas del campo. Francesco Fournier-Facio, profesor de matemáticas en la Universidad Heriot-Watt en Escocia, dijo que los investigadores en probabilidad, combinatoria y ciencia de computación teórica parecían “particularmente conmocionados”, y añadió que algunas áreas de su campo, como el teorema de grupos, habían sido “destruidas”.

Armstrong y otros investigadores dijeron que algunas áreas parecían haber sido atacadas con una precisión casi militar. “Definitivamente había algunos objetivos”, dijo Armstrong. Se refirió a los trabajos en el área para los cuales Wang recibió la Medalla Fields este año, así como a varios problemas del Premio Millennium. Un conjunto de resultados en física matemática, dijo, deja claro que OpenAI está trabajando en la teoría Yang-Mills — el marco matemático que sustenta gran parte de la física de partículas moderna — y en su problema no resuelto de “diferencia de masa”, uno de los siete problemas del Premio.

En otros lugares, los investigadores expresaron una especie de alivio sorprendido por cuán poco su propio trabajo había sido afectado. Roney-Dougal dijo que su área en el campo —principalmente centrada en la teoría de grupos — parecía haber sobrevivido relativamente intacta. Bromeó diciendo que era afortunada por trabajar en un “área muy poco tendencia”, aunque más tarde envió un mensaje diciendo que se sentía “insegura” después de encontrar que su trabajo había sido citado en uno de los artículos.

Joshi también encontró poco sobreposición con su trabajo, que se centra en gran medida en sistemas integrables, sistemas complejos que pueden resolverse exactamente. Sugirió que quizá sea porque su campo está menos impulsado por conjeturas y definiciones formales de larga data, y más por preguntas que aumentan o disminuyen con los avances en física.

Al 8 de octubre, ese registro ya contenía numerosas correcciones, incluyendo revisiones en más de una docena de manuscritos y la eliminación de tres artículos debido a un “error en la firma”, lo que dice que invalida un argumento.

Independientemente de si su propio trabajo había sido directamente afectado o no, la mayoría de los matemáticos The Verge Compartió la sensación de que el campo había cruzado algún tipo de umbral y ya no era lo mismo que hacía un día antes. Constantin Kogler, investigador en el Instituto de Estudios Avanzados, lo llamó “el momento más importante en la historia de las matemáticas”, mientras que Yang-Hui He, colaborador en el Instituto de Ciencias Matemáticas de Londres, remontó milenios atrás, comparando los avances impulsados por la IA este año con la publicación de los libros de Euclides. Elementos, uno de los trabajos más influyentes de la disciplina.

Pocos investigadores eran tan destacados en sus evaluaciones, pero había un consenso general de que las matemáticas estaban cambiando rápidamente — y que los matemáticos tendrían que cambiar junto con ellas.

OpenAI sabía que la publicación sería disruptiva y había hecho algunos esfuerzos para mitigar el impacto y interactuar con la comunidad matemática. Después de varios enfrentamientos difíciles con investigadores este año, la compañía recurrió a los matemáticos mismos, trabajando con el recién formado Grupo Asesor sobre Matemáticas e Inteligencia Artificial (AGMAI) para encontrar la manera de publicar los resultados de forma responsable.

AGMAI ya había definido qué se consideraba una participación responsable. Los laboratorios de IA deberían, idealmente, publicar artículos “que un ser humano pueda entender” o, de otro modo, proporcionar el “soporte necesario para las actividades matemáticas adicionales que son requeridas para que los seres humanos puedan comprender y asimilar su producto matemático generado por la IA, así como identificar posibles aplicaciones de él”. Dijeron que, cuando sea posible, las demostraciones deben formalizarse, y que las empresas deberían hacer público qué modelos y prompts utilizaron para crearlos. El grupo también instó a los laboratorios de IA a dejar de tratar las publicaciones matemáticas como “vehículos de marketing para promover sus modelos” y a “dejar de probar problemas matemáticos avanzados en modelos propietarios” que no son accesibles para la comunidad científica en general.

“No es el caso de que se trate simplemente de problemas tontos de los que nadie ha oído hablar. Muchos de ellos son como problemas muy conocidos para los cuales muchas personas han intentado resolverlos durante décadas”.

OpenAI siguió algunos de los consejos del grupo. Dijo que financiaría una serie de talleres y conferencias relacionados con su trabajo en matemáticas, para ayudar a la comunidad a procesar y comprender su trabajo, aunque no proporcionó detalles sobre cómo serían o cuándo podrían tener lugar. La empresa también divulgó mucha más información de la que había hecho en publicaciones anteriores —de nuevo, los investigadores dijeron que eso era un estándar bajo—, incluyendo que su modelo intentó resolver más de 4,000 problemas y que un resultado típico requería aproximadamente tres horas de procesamiento por parte de ChatGPT Pro. También implementó “protocolos para la revisión y citación de artículos”, y en GitHub afirmó que “conservará el historial de lanzamientos públicos” de esa colección. Hasta el 8 de octubre, ese registro ya contenía numerosas correcciones, incluyendo revisiones en más de una docena de manuscritos y la eliminación de tres artículos debido a un “error significativo” que, según dice, invalida un argumento. OpenAI no respondió a la solicitud de The Verge por más detalles.

Esa cambio aborda una fuente clave de fricción con los matemáticos, algunos de los cuales hablan de una especie de “paranoia” en torno a las afirmaciones publicadas por la empresa. La empresa ha mostrado una costumbre de modificar secretamente los comunicados de prensa y los documentos en respuesta a las críticas, sin revelar claramente esos cambios.

Pero OpenAI no siguió todas las recomendaciones del grupo, incluyendo algunas de las más importantes. No identificó el modelo detrás del lanzamiento, ni reveló los prompts utilizados o el conjunto completo de problemas que el modelo intentó resolver. OpenAI también pareció reconocer que sus formalizaciones eran insuficientes; dijo que añadiría más a medida que las obtenga, y que los artículos no eran de buena calidad, señalando que “para futuras publicaciones, estamos comprometidos a mejorar aún más la calidad de los artículos a través de las citas, la exposición matemática y la presentación de los resultados para una mejor comprensión”.

“La descripción del problema que mejor conozco no tenía mucho sentido después de una lectura rápida”.

Los investigadores de The Verge hablaron con los expertos sobre por qué OpenAI no pudo mejorar la calidad de estos artículos y expresaron decepción por el hecho de que, al parecer, no se molestó en formalizar —ni siquiera verificar— muchos de los resultados, en el caso de los artículos retirados, de antemano. Información como las instrucciones utilizadas también habría sido increíblemente útil para reducir lo que muchos consideraban como la carga de evaluar la gran cantidad de material que la empresa dejó de repente sobre ellos.

Lo más importante es que la empresa indicó que no tiene planes de detener el testing de sus modelos en problemas matemáticos, e incluso sugirió que considera esto como una obligación. “Queremos empoderar directamente a los científicos con capacidades de vanguardia y estamos trabajando para liberar responsablemente el modelo que produjo estos resultados”, dijo al anunciar sus últimos resultados. “Por eso es importante seguir evaluando nuestros modelos internos de frontera en matemáticas y otras ciencias, para poder acelerar el desarrollo de las herramientas que permitan avanzar en esos campos”.

Después de que OpenAI transfirió sus resultados, AGMAI describió la publicación como “un primer paso”, y reiteró los llamados para un acceso equitativo a herramientas de computación e investigación. De manera más fundamental, el grupo argumentó que “el futuro de la investigación matemática no puede consistir únicamente en comprender los resultados producidos por los laboratorios de IA”.

Para todas las cientos de problemas de larga duración que OpenAI afirma haber resuelto, los matemáticos dicen que hay una cantidad extraordinaria de trabajo por hacer. Muchos estimaron que comprender todo lo que la empresa acaba de publicar podría tomar años para la comunidad.

Armstrong comparó la llegada repentina de tanta nueva matemática con el alboroto que podría surgir después de una breve visita extraterrestre. “Si las IA desaparecieran ahora, como si hubieran venido alienígenas a la Tierra y luego se hubieran ido, estaríamos estudiando esto durante los próximos 10 años, tratando de entender todo”.

Mucho de eso será emocionante por sí mismo. Los investigadores tendrán que llenar los vacíos, extraer ideas y conexiones útiles, y colocar las soluciones en un contexto matemático más amplio; todas estas cosas suelen ir de la mano con la generación de soluciones para los seres humanos. “Para muchos de estos resultados, los expertos relevantes se preocupan profundamente por las soluciones, y estoy seguro de que podrán comprenderlas y presentarlas al mundo entero”, dijo Lichtman. El trabajo que involucra explicar, verificar y contextualizar los resultados deberá ser valorado más, ya que la IA está cambiando los campos, argumentó. “Como sociedad, deberíamos recompensar más estos esfuerzos de análisis”.

Podría quedar mucho matemáticas por hacer para los seres humanos. Según Lichtman, todos los resultados, “asombrosos” como son, provienen de métodos y técnicas existentes. Llenan partes del paisaje matemático conocido, en lugar de crear algo completamente nuevo. “Resulta que hay mucho más espacio por llenar de lo que los expertos sabían anteriormente”, dijo Lozano-Robledo. “Todos utilizan técnicas existentes de maneras muy ingeniosas”.

Y el mapa existente apenas es un límite. “La investigación matemática es esencialmente infinita”, dijo Lozano-Robledo. “La investigación continuará”. El de la London Institute dijo que estaba especialmente emocionado por ver qué surgirá a continuación, especulando que los investigadores podrían crear nuevas ideas y “tal vez incluso nuevos campos de matemática”.

Las empresas parecen estar listas para avanzar de inmediato, mucho antes de que la comunidad tenga cualquier oportunidad razonable para asimilar lo que han producido.

Pocos matemáticos The Verge hablaron y se opusieron en principio a que la IA produjera nuevas matemáticas. De hecho, muchos la aceptaron y, en diferentes grados, dijeron que eran usuarios entusiastas de las herramientas de IA. La mayor parte del malestar se dirigía a la forma en que las empresas de IA que desarrollaban esas herramientas entraban en su campo.

Al observar las publicaciones matemáticas de OpenAI y otros laboratorios de IA, podría pensarse que la investigación matemática consiste básicamente en marcar problemas en una lista. La forma en que los laboratorios de IA presentan sus resultados refuerza esta idea: un anuncio llamativo, un artículo preliminar y el resto se deja a los matemáticos para que lo analicen y lo contextualicen. Varios investigadores le dijeron a The Verge que las compañías parecen estar listas para seguir adelante inmediatamente, mucho antes de que la comunidad tenga alguna oportunidad razonable de procesar lo que han producido.

Los investigadores describieron esto como una visión pobre de cómo realmente funciona la investigación matemática. Las soluciones ciertamente son importantes, pero lo mismo ocurre con todo lo que sucede en el camino para encontrarlas: el desarrollo de ideas, la establecimiento de conexiones y la identificación de nuevas preguntas o la apertura de otros caminos de investigación. Cuando empresas como OpenAI simplemente encuentran respuestas sin realizar ningún trabajo adicional, los matemáticos señalan que la carga de hacerlo recae en la comunidad.

“Es bueno tener nuevos resultados, pero esta escala es un nivel diferente”, dijo Bartosz Naskręcki, matemático de la Universidad Adam Mickiewicz en Poznań, Polonia. “Es un gran desorden”, agregó. “Puede causar un colapso enorme en la cultura académica y simplemente destruir la mayoría de las facultades. Es un problema social y parece que los laboratorios de IA ignoran completamente este problema”.

No es solo las matemáticas las que llevarán años comprenderse. Los investigadores también tienen dificultades para entender qué significa todo este cambio para ellos. Muchos describieron un estado de ánimo sombrío, casi existencial, que se cierne sobre la comunidad mientras los matemáticos intentan descifrar su lugar en el campo en constante cambio. Quizás no tengan mucho tiempo para resolverlo.

Se están difundiendo rumores entre los matemáticos sobre nuevas publicaciones de OpenAI, que no respondió a las preguntas de The Verge sobre si hay más en preparación.

Roney-Dougal dijo que temía otra caída —o la posibilidad de que Anthropic o otro laboratorio de IA entraran en la competencia.

La interrupción afecta especialmente a estudiantes de doctorado, investigadores junior y otras personas que no tienen un cargo permanente. Problemas abiertos como los que los modelos de OpenAI están resolviendo pueden sustentar tesis, propuestas de financiación, solicitudes de empleo y años de investigación planificada, todos ellos elementos importantes para las carreras académicas. Varios investigadores describieron una ansiedad cada vez más generalizada de que el trabajo alrededor del cual construyen sus carreras pudiera de repente ser el siguiente, y que los modelos de IA generan pocas vías para futuras investigaciones, al cerrar otras. “Para alguien que está al final de su financiación o que busca un empleo ahora, esto es increíblemente disruptivo”, dijo Simon Machado, matemático del ETH Zurich en Suiza, quien se unirá al Centro Nacional de Investigación Científica de Francia (CNRS).

“La investigación en matemáticas es esencialmente infinita. La investigación continuará”.

El moral puede estar especialmente bajo porque todo parece implacable. Los hallazgos de OpenAI llegan en olas cada vez más grandes, con poco descanso entre ellas y indicaciones frecuentes de la empresa de que hay aún más por venir. “Se tiene la sensación de que realmente no les importan estos resultados individuales”, dijo Roney-Dougal. “Es una sensación realmente desagradable”.

Los matemáticos apenas tienen tiempo de asimilar un conjunto de resultados antes de que les llegue el siguiente, más grande, conjunto. “En dos meses habrá algo que superará todo esto”, dijo Armstrong. “Es como si se repitieran ataques con bombas cada vez más grandes”.

Armstrong dijo que se considera entre los matemáticos más entusiastas y optimistas con respecto a la IA. Utiliza esta tecnología en su trabajo y cree que tiene un gran potencial. Pero incluso él se siente cada vez más inquieto. “Es un poco difícil dormir por las noches”, admitió.

Cuando se le preguntó qué planeaba hacer a continuación, Armstrong estaba menos seguro. Aún caminando por las calles de París en su camino para almorzar, dijo que su prioridad inmediata era terminar algunos trabajos que había estado haciendo —a veces con la ayuda del Codex de OpenAI— “antes de que OpenAI nos separe”.

Más allá de eso, incluso el optimista en torno a sí mismo era incómodo y se preguntaba qué tipo de futuro tendría en matemáticas. Preocupaba especialmente a los jóvenes investigadores del campo. “Serán unos años realmente extraños en matemáticas”, dijo.