Hace unos días una empresa de inteligencia artificial anunció que había resuelto uno de los problemas del Milenio, esos siete enigmas matemáticos que la comunidad científica llevaba décadas sin poder cerrar. La noticia duró poco tiempo limpia. Pronto surgieron acusaciones de que el sistema se había apoyado, sin reconocerlo, en el trabajo previo de dos matemáticos que llevaban años avanzando el mismo problema por la vía difícil: la de proponer, fallar, corregir y volver a proponer. La empresa lo negó. La discusión sigue abierta. Pero lo que interesa aquí no es quién tiene razón en el pleito de créditos, sino lo que reveló sin querer: que ya no está claro qué estamos celebrando cuando una máquina anuncia una respuesta.
Terence Tao, uno de los matemáticos vivos más respetados, escribió por esos días algo que merece quedarse más tiempo del que suele durar un comentario en una red social. Dijo, en esencia, que identificar un problema abierto que valga la pena está volviéndose un recurso escaso, porque basta el rumor de que alguien lo está trabajando para que el poder de cómputo se lance a devorarlo antes de que ese trabajo humano termine de dar lo que tenía para dar. Y propuso algo incómodo para la lógica que domina este momento: que las empresas de inteligencia artificial, en vez de competir por anunciar primero la solución a un problema, compitieran por anunciar primero una idea nueva. No una respuesta. Una idea.
La diferencia no es semántica. Un problema matemático abierto no se plantea porque a la humanidad le urja conocer ese número o esa demostración en particular. Se plantea porque, históricamente, el intento de resolverlo obliga a inventar herramientas, conceptos y caminos que después sirven para otra cosa, muchas veces más valiosa que el problema original. Cuando una máquina entrega la respuesta como una caja cerrada, sin dejar rastro del proceso que la produjo, no solo resuelve el problema: cancela también todo lo que ese problema iba a enseñar en el camino. El resultado llega. Lo que se pierde es invisible, y por eso nadie lo contabiliza.
Esto no debería sonarle ajeno a nadie que haya leído el informe reciente de la OCDE sobre la prueba PISA. La comprensión lectora cae en el mundo, y cae de una manera que ya no puede explicarse sólo por pobreza, desigualdad escolar o pandemias. Cae también, y quizás sobre todo, porque leer para comprender es un ejercicio estructuralmente parecido a resolver un problema matemático difícil: exige tolerar la confusión durante un tramo, sostener varias hipótesis a la vez, equivocarse de interpretación y corregir. Es fricción. Y la fricción es exactamente lo que las herramientas actuales están diseñadas para eliminar. Un estudiante que no entiende un párrafo ya no necesita quedarse ahí, incómodo, hasta que el sentido aparezca. Tiene una respuesta a un clic. La obtiene. Pero, igual que con Navier-Stokes, lo que se pierde en ese instante no es visible en la calificación del examen. Se pierde en la capacidad que ese párrafo estaba destinado a construir y que nunca llegó a construirse.
Aquí conviene ser preciso sobre lo que se está señalando, porque es fácil deslizarse hacia una moraleja tecnófoba que no es el punto. No se trata de que la inteligencia artificial sea mala, ni de que resolver problemas antiguos sea un acto sospechoso. Se trata de que una civilización que mide únicamente resultados va a preferir sistemáticamente cualquier herramienta que entregue resultados más rápido, sin preguntarse jamás qué parte del proceso descartado era, en realidad, el verdadero objeto de valor. La escuela lleva años entrenada para premiar la respuesta final por encima del razonamiento que la sostiene. La inteligencia artificial no inventó esa jerarquía de valores.
Simplemente la llevó a su consecuencia más eficiente.
De ahí la imagen, incómoda pero exacta, de la fábrica de zombis académicos: individuos capaces de producir el resultado esperado sin que ese resultado haya dejado, en el camino, ninguna huella cognitiva real. Personas acreditadas para demostrar que saben, cuya capacidad de sostener un razonamiento propio, sin embargo, se atrofia en la misma proporción en que se perfeccionan las herramientas que piensan por ellas. No hay maldad en esto, ni siquiera negligencia individual. Hay una economía completa orientada a premiar el destino y a tratar el tránsito como un costo que conviene reducir a cero.
Lo que Tao propone para las matemáticas es, en el fondo, lo mismo que debería exigirse a cualquier sistema educativo que todavía aspire a formar personas y no solo a certificar respuestas: dejar de medir el éxito por la velocidad con la que se llega a la solución, y empezar a preguntarse qué idea nueva, qué capacidad, qué manera distinta de ver el problema quedó instalada en quien lo intentó. Esa pregunta no tiene métrica fácil, y por eso nadie la está haciendo con la urgencia que merece. Mientras tanto, la comprensión lectora sigue cayendo, los problemas más difíciles de la matemática siguen cerrándose uno tras otro, y en ningún informe, en ningún anuncio, se registra lo que dejamos de aprender a cambio de dejar de tener que hacerlo.
