La irrupción de OpenAI en el terreno sagrado de las matemáticas puras ha caíddo como un jarro de agua fría sobre una comunidad que, hasta ahora, consideraba la demostración como un acto casi artesanal. La compañía ha liberado más de 700 manuscritos generados por modelos de lenguaje grande que reclaman soluciones a problemas abiertos, desde conjeturas de teoría de números hasta cuestiones de geometría algebraica. La respuesta no se ha hecho esperar: un blog especializado ha recopilado más de un centenar de reacciones de investigadores que van desde la fascinación por ideas novedosas hasta el duelo existencial por una forma de trabajar que sienten perdida.

El testimonio más contundente proviene del medallista Fields Hugo Duminil-Copin, quien confesó sentirse “paralizado” ante la avalancha. No es para menos: la matemática moderna se construye sobre la verificación rigurosa, la intuición humana y el diálogo lento entre pares. Un torrente de textos producidos a escala industrial por una IA rompe ese ritmo y plantea dudas epistemológicas profundas. ¿Cómo separar el grano de la paja cuando el volumen supera la capacidad de revisión de cualquier equipo humano? ¿Qué valor tiene una demostración si nadie la ha comprendido realmente?

El fenómeno no es solo cuantitativo. Varios matemáticos han señalado que algunos manuscritos contienen ideas genuinas, conexiones inesperadas entre campos dispares que la IA ha detectado al procesar ingentes corpus de literatura. Sin embargo, la mayoría adolecen de errores sutiles, saltos lógicos no justificados o una notación que delata su origen sintético. La comunidad se enfrenta ahora a un dilema: invertir meses en depurar cada propuesta o ignorar el corpus entero y arriesgarse a descartar avances reales.

Más allá de la verificación técnica, late un temor cultural. La matemática ha sido, históricamente, un refugio de la creatividad individual y la belleza estética. La demostración no es solo un certificado de verdad; es una narración que revela estructura y elegancia. Si las máquinas empiezan a producir “teoremas” sin ese componente narrativo, ¿pierde la disciplina su alma? Algunos comparan el momento con la llegada de la calculadora electrónica: una herramienta que cambió el oficio pero no lo eliminó. Otros ven un paralelo más inquietante: la industrialización de la ciencia que ya vive la biología con el “high-throughput screening”.

OpenAI, por su parte, no ha detallado el proceso de generación ni los criterios de selección de los 700 papers. La opacidad del modelo y la ausencia de un mecanismo de revisión abierto alimentan la desconfianza. Expertos en IA responsable advierten que, sin estándares de auditoría y atribución, el corpus podría contaminar la literatura matemática con resultados no verificables, erosionando la confianza pública en la ciencia.

El debate está servido. Mientras algunos proponen crear plataformas de verificación asistida por IA para filtrar el material, otros abogan por una moratoria en la publicación masiva de resultados sintéticos hasta que existan protocolos claros. Lo que está en juego no es solo la autoría de unos papers, sino la definición misma de lo que significa hacer matemáticas en la era de la inteligencia artificial generativa.