Tao y las mates 2.0: la abundancia de pruebas a debate

Anoche vi una lectura de una hora del matemático y pensador Samuel Alexander, lámina por lámina. Recorre la charla Math 2.0 de Terence Tao en Caltech, una lámina a la vez. Tao cuenta entre los matemáticos vivos más famosos; Alexander se presenta como constructor de teorías de gloria modesta resolviendo problemas. Ambos coinciden en algo: los modelos de IA sacuden el mundo de las matemáticas hasta la raíz. En este texto pongo ambas voces en palabras llanas; la meta es captar el orden detrás de la pelea, no la pelea misma.

Primera tesis de Tao: las matemáticas clásicas, o Math 1.0 en sus palabras, descansaban sobre la escasez de pruebas. Forzar un problema abierto costaba mucho y era raro; puestos, revistas y premios seguían esa escasez. Piensa en los taxistas cuando llegaron las aplicaciones; Tao dice que los matemáticos viven hoy el mismo sacudón. El campo apenas se movió en un siglo; hasta la red dejó intacto su orden. Tao compartió un resumen breve en su blog WordPress, con el mismo veredicto: la escasez terminó, el viejo orden envejeció.

¿Por qué los modelos de IA brillan en matemáticas más que en otros campos? La respuesta de Tao cabe en dos palabras: comprobación objetiva. Que una prueba valga o no es asunto de gusto; quererla y juzgarla bien son actos separados. Una tesis de física exige ensayos caros; una tesis de mates pide apenas papel, lápiz y reservas comunes. Herramientas como Lean dejan que el sistema revise cada paso formal. El juego de láminas duerme abierto en el archivo GitHub de Tao; los curiosos pueden estudiarlo línea por línea.

La segunda causa es la digitalización. Las matemáticas viven en lo escrito; no juntan tubos, ni cables, ni muestras. Antes, el acceso quería decir entrar a una biblioteca universitaria; la gente de fuera quedaba en la puerta. Hoy, millones de páginas duermen digitalizadas, alimento listo para los modelos. Tao nota que los grandes laboratorios de IA pusieron los problemas de mates primero por esta razón: comprobable, digital, rico en datos. Donde las tres se juntan, los sistemas que aprenden hallan su terreno ideal.

Resultado: una edad de abundancia de pruebas. Con cómputo bastante, muchos problemas tenidos por duros caen en poco tiempo; quien pregunta no necesita saber profundo para ganar respuestas. Alexander lo compara con la mañana de Navidad; estoy de acuerdo — para quien quiere aprender, cada día es fiesta. Por su parte, OpenAI compartió el 6 de octubre de 2026 resultados nuevos de mates venidos de un modelo interno; tales notas avivan el entusiasmo pero esconden el cuadro entero. La abundancia es real, pero la vitrina y la trastienda difieren.

Tao suma una advertencia: el talento de la IA corta como un filo dentado. Navaja por un lado, romo por el otro. El diluvio de problemas resueltos en las redes engaña por esta razón; los ganadores llenan la vitrina, los fallos quedan invisibles. La medición honesta pide pruebas externas. El artículo de método vive en arXiv; las pruebas de campo pasan por 1stProof. Ese equipo alimenta a los modelos con preguntas verdaderas y ocultas, y caza resultados sinceros, no decorado de vitrina.

Tao toma prestado un viejo cuento de guerra; la lámina muestra un bombardero moteado de marcas. El instinto dice blindar los puntos marcados, pero el blindaje va donde ninguna marca se ve; los aviones tocados allí nunca volvieron. El estadístico Wald encuadró esa lógica, hoy caso de escuela del error del superviviente. Un resumen tras Wald duerme en Wikipedia; leerlo afina la punta de Tao: los triunfos de prensa son aviones que vuelven; nadie cuenta los caídos.

Para Tao, resolver problemas obra como un faro: una guía, no un puerto. El valor verdadero se junta por el camino — ideas frescas, vistas anchas. Pero cuando la medida se vuelve la meta, el orden se tuerce; todos los barcos echan el ancla al pie de la luz y ninguno explora la costa. Tao sostiene que la caza ciega de problemas daña hoy el futuro de las matemáticas. Alexander disiente; a sus ojos, la víctima no son las matemáticas sino el viejo orden de sueldos y títulos. Concedo a cada uno la mitad: el saber crece, pero un gremio cerrado en una medida se estrecha.

La lámina más debatida juega un experimento mental sobre el cáncer. Imagina: unos investigadores piden a un fuerte modelo de IA un remedio que pase ensayos clínicos de tercera fase. El modelo nombra una mezcla de compuestos desconocidos; la mezcla pasa. Nadie capta por qué actúa. Tao pregunta: ¿lo tomarías de buen grado, o buscarías a un médico que capte el método? Alexander replica: la medicina ya anda así. Nadie capta a fondo los calmantes comunes ni los somníferos; los moribundos prueban hoy curas desconocidas bajo reglas especiales de acceso. Desdeñar un remedio probado cuenta, para él, como un pesar de ricos. Tiro hacia Alexander: el misterio es noticia vieja en medicina, pero la pregunta de confianza guarda su valor; pronto los modelos redactarán recetas, y cada hogar la debatirá.

Tao aplaude sobre todo las mates de encuesta a gran escala: conjuntos de datos antes fuera de alcance hoy duermen construidos. Pieza una: el proyecto Equational Theories, más de 22 millones de lazos entre 4 694 ecuaciones, cortados en verdaderos o falsos por voluntarios mano a mano con la IA. Mapas y revisiones Lean pasan por GitHub; los visitantes pueden vagar de ecuación en ecuación. Reservas parejas crecen junto a Mathlib; el relato de ese repertorio de dos millones de líneas vive en el sitio Lean Lang. Tal faena marca un estilo nuevo de encuesta de campo; lo que antes superaba una vida hoy corre en la noche en sistemas nutridos con tokens.

Math 2.0 avanza con los temas de exposición: hallar relatos vivos para resultados cuyas pruebas quedan opacas. Luego vienen las redes vivas: cuadros netos y puestos al día de hallazgos ligados. Tao cita también MathOn, una gala de estudiantes del 13 al 15 de noviembre donde herramientas abiertas de IA cazan pruebas nuevas y finas de viejos resultados. Alexander suma una nota agria: la exposición nunca pagó renta al contratar; los bellos relatos ganaban apenas revistas chicas. A mis ojos, Math 2.0 puede desatar este nudo; un orden que también aplauda a los buenos guías abre las matemáticas a todos.

Alexander guarda su enojo para el orden de puestos y revistas. Durante un siglo, aplausos y puestos fueron a los resolvedores solos; los constructores de teorías esperaban al margen. Él se cuenta entre los constructores y saluda la caída del viejo orden con risas. Tao cuenta la misma historia suave; Alexander pone los nombres: quien debe su sueldo a la escasez teme la abundancia. Leo esta pelea más grande que las matemáticas. Cada oficio pone guardianes frente a los recién llegados; cuando los modelos de IA quitan el cerrojo de manos guardianas, estalla el ruido.

Tao cierra donde Alexander asiente: el cuello estrecho es la imaginación, no las herramientas. Ambos aman la imagen de la cámara de fotos: los pintores guardaron su trabajo, y el cine — un arte que nadie preveía — nació encima. Si la IA de hoy es la cámara, nuestro cine queda por venir; su forma duerme fuera de nuestra vista. Mi lección: abraza la abundancia de pruebas, guarda medidas honestas, reserva horas para enseñar. Para quien lo haga, la década próxima es fiesta; para los demás, un ajuste duro. Cada gremio elegirá su lado.