Por Canuto  

La difusión de 722 manuscritos matemáticos generados por un modelo interno de OpenAI provocó críticas por su posible impacto en programas para investigadores jóvenes, la colaboración académica y el manejo de ideas aún no publicadas. La empresa retiró después tres estudios tras detectarse un error, según Infobae. Mientras algunos expertos alertan sobre riesgos para la confianza y la atribución, otros sostienen que la IA podría aumentar el valor de una formación matemática sólida.
***

  • Tristan Buckmaster, profesor de la Universidad de Nueva York, dijo que la publicación dejó fuera de juego programas de investigación para matemáticos al inicio de sus carreras.
  • Académicos cuestionaron la publicación masiva y plantearon dudas sobre la revisión, la atribución y el posible uso de ideas compartidas en propuestas de financiación.
  • OpenAI señaló que muchos resultados incluyen demostraciones verificables por computadora y dijo que financiará talleres y conferencias mientras prepara la publicación del modelo. Según Infobae, la compañía también retiró tres estudios tras detectarse un error.

La publicación de cientos de manuscritos matemáticos de OpenAI generó inquietud por sus efectos en la carrera de investigadores jóvenes y en las prácticas de colaboración del campo.

Un lanzamiento masivo que inquieta a investigadores

OpenAI publicó el 6 de octubre en GitHub un conjunto de 722 manuscritos matemáticos, organizados en 372 grupos, atribuidos a un modelo interno que todavía no está disponible para usuarios externos. La empresa afirmó que muchos de los trabajos incluyen demostraciones que pueden verificarse con computadoras, además de protocolos de revisión y citación. El volumen y la forma de presentar los resultados, sin embargo, abrieron preguntas sobre quién podrá examinarlos y qué consecuencias tendrá su llegada para la investigación académica.

La controversia tuvo una novedad días después del anuncio. El 10 de octubre, OpenAI retiró tres estudios matemáticos tras detectarse un error, según Infobae. La información disponible no permite concluir que el problema afectara a los demás trabajos del conjunto, pero el episodio reforzó las preguntas sobre la revisión de los resultados antes de su difusión.

Tristan Buckmaster, profesor de matemáticas de la Universidad de Nueva York, describió el anuncio como un golpe para programas de investigación destinados a matemáticos en etapas tempranas de sus carreras. En una intervención en el programa Squawk Box de CNBC, citada por Business Insider, dijo: "Así que el martes nos eliminaron programas de investigación completos con su volcado". Su comentario expresa una preocupación concreta: que una publicación automatizada de gran escala pueda desplazar espacios de trabajo y oportunidades que antes estaban disponibles para investigadores jóvenes.

La afirmación de Buckmaster no demuestra por sí sola que todos esos programas hayan desaparecido ni que OpenAI haya buscado eliminarlos deliberadamente; la fuente no detalla cuáles eran ni cómo cambió su financiamiento. Sí pone en primer plano una tensión que el lanzamiento no resuelve: la producción de muchos resultados en poco tiempo puede alterar las prioridades de una comunidad que depende de investigación gradual, revisión especializada y formación de nuevas generaciones. La velocidad de generación no garantiza que los artículos se comprendan, discutan o incorporen de manera equivalente.

La publicación también plantea un problema práctico de evaluación. Si los manuscritos son numerosos y llegan en bloque, los especialistas deben invertir tiempo en distinguir resultados novedosos de los que requieren correcciones, contexto o una revisión adicional, mientras continúan con sus propias tareas. Ursula Martin, matemática de la Universidad de Oxford, resumió su reparo al describir el lanzamiento como "arrojarle a la comunidad un borrador desordenado y esperar que lo limpiemos por ellos", según la cobertura de Nature.

La confianza y la colaboración, en el centro del debate

La disputa no gira únicamente en torno a la calidad de los resultados, sino también a las condiciones para producirlos. Bryna Kra, profesora de matemáticas de la Universidad Northwestern, advirtió que la escala del lanzamiento podía perjudicar el espíritu colaborativo de la disciplina. Para ella, la matemática se construye mediante intercambios técnicos y conversaciones entre especialistas, por lo que publicar una gran cantidad de trabajos sin una presentación que permita discutirlos con sus autores puede dificultar la evaluación colectiva.

Kra también cuestionó la capacidad de la empresa para sostener ese diálogo alrededor de cada resultado. "No hay nadie en esa empresa que pueda dar una charla o responder preguntas técnicas sobre alguno de estos resultados", dijo, de acuerdo con Business Insider. La crítica apunta a la diferencia entre difundir una demostración y contar con investigadores capaces de explicar sus decisiones, responder objeciones y situar el hallazgo dentro de un campo especializado; esos intercambios suelen ser parte de cómo la comunidad verifica y entiende el trabajo.

Otra preocupación de Buckmaster se refiere a la procedencia de las ideas. Señaló que los investigadores suelen enviar propuestas a comités de financiación y que algunos integrantes de esos comités podrían introducir resúmenes de los trabajos en modelos de lenguaje de gran escala. "Tienes que entender que tienen acceso a todas nuestras propuestas de investigación", afirmó, según la misma cobertura. La fuente no establece que las propuestas hayan alimentado el modelo de OpenAI; lo que presenta es una inquietud sobre la exposición de material no publicado.

Ese temor podría tener efectos más amplios si los académicos concluyen que compartir ideas de manera informal expone sus proyectos antes de que puedan desarrollarlos o publicarlos. Kra advirtió que esa posibilidad podría volver más reservados a los matemáticos, una consecuencia que contrastaría con el carácter colaborativo que ella atribuye a la disciplina. No se trata de un resultado confirmado de la publicación, sino de un riesgo planteado por investigadores que temen que la incertidumbre sobre el uso de información debilite la confianza entre colegas.

Una controversia previa y distintas visiones sobre la IA

El lanzamiento llegó después de otras fricciones entre OpenAI y parte de la comunidad matemática. El 8 de septiembre, la empresa presentó una solución generada por IA al problema del milenio sobre existencia y suavidad de Navier-Stokes, acompañada por un escrito y una demostración formal en Lean, según OpenAI. La afirmación generó disputas sobre la atribución del trabajo. Más de dos docenas de ganadores de la Medalla Fields firmaron una carta abierta que advertía que el enfoque de la industria podía socavar las matemáticas como disciplina.

La validez y el alcance de esa solución también fueron cuestionados. Scientific American planteó si el trabajo abordaba el problema correcto y señaló que la solución recurría a una fuerza externa para romper las ecuaciones de Navier-Stokes, que describen el comportamiento de fluidos. Esa crítica no equivale por sí sola a una evaluación matemática definitiva, pero muestra que el anuncio no fue aceptado sin reservas por todos los especialistas.

También habían surgido dudas sobre el uso de datos y conversaciones previas con herramientas de la empresa. Andreas Thom, matemático cuyo trabajo se cruza con uno de los resultados anunciados por OpenAI, acusó a la compañía de "deshonestidad" por la forma en que respondió preguntas sobre si sus interacciones con ChatGPT habían contribuido a los resultados del modelo. Esa acusación pertenece a Thom y no establece por sí misma cómo se generaron los artículos, pero muestra que la discusión sobre atribución y procedencia antecede a la publicación en GitHub.

Las reacciones no fueron unánimemente negativas. Alvaro Lozano-Robledo, teórico de números de la Universidad de Connecticut, calificó de "asombroso" el volumen de artículos y preguntó por qué la empresa había agrupado tantos resultados en un solo lanzamiento, según Nature. Su interrogante se centra en la decisión de publicar de una vez un conjunto tan amplio, en lugar de presentar cada resultado en un proceso que facilite su lectura y discusión; la fuente no recoge una explicación de OpenAI sobre esa elección.

Alex Kontorovich, distinguido profesor de matemáticas de la Universidad Rutgers, planteó una lectura más optimista sobre el efecto de la inteligencia artificial en la profesión. A su juicio, la formación matemática podría volverse más valiosa porque enseña a razonar con claridad y profundidad durante períodos prolongados, habilidades que, dijo, tendrán aún más demanda en el futuro. Su postura no elimina las dudas sobre revisión y atribución, pero introduce un contraste: incluso si la IA transforma tareas académicas, el aprendizaje matemático podría conservar un valor central.

Qué anunció OpenAI y qué sigue pendiente

OpenAI no respondió a una solicitud de comentarios de Business Insider sobre las preocupaciones recogidas por ese medio. La empresa sí describió el conjunto como el resultado de un modelo interno, diferente de una herramienta ya disponible para cualquier usuario, y destacó los materiales verificables por computadora que acompañan muchas demostraciones. Esos elementos ofrecen vías para revisar los resultados, pero no contestan por sí solos las preguntas sobre cómo se seleccionaron, qué relación tienen con trabajos previos o quién atenderá las objeciones técnicas.

La compañía indicó que planea financiar talleres y conferencias centrados en resultados matemáticos generados por inteligencia artificial. También dijo que trabaja para publicar el modelo que produjo los artículos, una decisión que podría ampliar la posibilidad de examinar cómo se generaron los resultados, aunque la fuente no precisa cuándo ocurriría ni bajo qué condiciones. Por ahora, esos anuncios describen los próximos pasos de OpenAI, no una respuesta concluyente a las inquietudes de los matemáticos.

El debate enfrenta dos preguntas que conviene mantener separadas: si las demostraciones son correctas y cómo debe integrarse su producción en las instituciones académicas. La verificabilidad computacional puede ayudar con la primera, mientras que la atribución, el acceso a propuestas no publicadas y el cuidado de programas de investigación requieren prácticas y acuerdos que el anuncio no detalla. En esa diferencia está buena parte del desacuerdo: producir resultados matemáticos no equivale automáticamente a incorporarlos de una manera aceptada por quienes trabajan en el campo.

La publicación de los 722 manuscritos, por tanto, funciona también como una prueba para la relación entre inteligencia artificial y academia. Los críticos temen que la velocidad y la escala enfríen la colaboración o desplacen oportunidades de formación; quienes ven potencial en estas herramientas sostienen que el razonamiento matemático seguirá siendo valioso. La respuesta dependerá tanto del examen de los resultados como de la transparencia sobre su origen, la posibilidad de discutirlos y las condiciones que OpenAI establezca al publicar su modelo.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados