Gowers discrepa de la carta de los Fields Medal sobre IA

Veinticinco medallas Fields y una carta que Gowers no firmó

El 11 de septiembre de 2026, veinticinco ganadores de la Medalla Fields —entre ellos Terence Tao, Artur Avila y Manjul Bhargava— firmaron una carta abierta en la que advierten que los incentivos comerciales de las empresas de IA están chocando con los procesos lentos y rigurosos que han hecho confiables a las matemáticas durante siglos, según reportó CryptoBriefing. Timothy Gowers, Medalla Fields en 1998, no la firmó. En un guest post en el blog de Tao publicado el 17 de septiembre de 2026, explica por qué coincide en que la comunidad matemática atraviesa una crisis, pero discrepa tanto del diagnóstico como de las soluciones implícitas.

La diferencia importa porque Gowers no es un escéptico marginal: tiene contactos en el equipo de matemáticas de OpenAI, ha tenido acceso anticipado a varios de sus modelos y dirige en Cambridge un grupo dedicado a la demostración automática de teoremas. Lo que sigue no es una defensa acrítica de la IA, sino una lectura diferente del mismo problema.

Qué dice realmente la carta de los Fields

El argumento central de la carta es engañosamente simple, según el extracto publicado por CryptoBriefing: las empresas de IA optimizan para velocidad y para récords en benchmarks, mientras que las matemáticas funcionan con un estándar binario —una demostración es correcta o no lo es—. Cuando un laboratorio anuncia progreso sobre un problema del Millennium Prize y la comunidad descubre después que el resultado no se sostiene, la corrección recibe una fracción de la atención del anuncio original.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

La carta cita explícitamente la metáfora de Andrew Wiles, que pasó siete años trabajando en secreto sobre el Último Teorema de Fermat, cuyo primer intento contenía un error que tardó un año más en corregirse. La comunidad matemática considera ese proceso enteramente normal. La carta sugiere que la presión por publicar resultados rápidos rompe esa tolerancia.

Por qué Gowers no firmó: el espectro de los matemáticos

Gowers lleva un cuarto de siglo sosteniendo una tesis que la carta, según él, pone en riesgo. En su ensayo The Two Cultures of Mathematics distinguió dos perfiles: matemáticos motivados principalmente por resolver problemas, que ven la comprensión conceptual como medio para ese fin, y matemáticos motivados por alcanzar comprensión conceptual, que ven la resolución de problemas como medio. La carta, argumenta, podría leerse como si la segunda actitud fuera la «correcta», lo que enviaría un mensaje equivocado a una fracción enorme de la comunidad, él incluido.

También aclara un dato relevante: nunca ha cobrado de OpenAI. Su grupo de Cambridge, dice con ironía, es en realidad una razón para ser anti-IA: cuando empezaron, creían que entender cómo los humanos demuestran teoremas era necesario para que las máquinas lo hicieran. Ahora que los LLMs lo hacen sin esos insights, una de las motivaciones centrales del grupo ha desaparecido. Lo describe, sin rencor, como «tragar la lección amarga».

Lo que a Gowers sí le preocupa

Gowers no descarta el problema de fondo. Su divergencia está en el mecanismo. Le preocupa menos la digestión individual de nuevos resultados que la destrucción de las estructuras sociales que sostienen la tradición matemática.

Primero, motivación. Su propia decisión de hacerse matemático, dice, dependió del sueño de resolver problemas famosos. Si esa motivación deja de existir para una generación, el reclutamiento de nuevos doctores se desploma.

Segundo, percepción política. Si los responsables de políticas concluyen que los matemáticos humanos ya no son necesarios, el financiamiento se evaporará. Hay que encontrar formas nuevas de explicar el valor de mantener un pool amplio de expertos humanos, aunque demostrar teoremas deje de ser su función principal.

Tercero, atribuye a la carta una crítica que considera injusta: que los laboratorios generan soluciones demasiado rápido. Gowers responde que en pocos meses se liberarán modelos capaces de resolver problemas importantes, y ninguna carta va a detener eso. Lo único sensato es prepararse para la adaptación. Ars Technica documentó cómo OpenAI resolvió en mayo de 2026 la conjetura de distancia unitaria de Erdős —un problema abierto durante 80 años— con un modelo al que matemáticos como el propio Gowers calificaron de «hito».

Sobre el problema de citación, que la carta señala como grave, Gowers es directo: le parece temporal. Cuando encontrar una demostración asombrosa deje de ser un logro intelectual, el sistema de crédito colapsará por sí solo, igual que cuando un astrónomo aficionado descubre un cometa con su telescopio.

Qué significa esto para tu startup

El caso matemático es un espejo de casi cualquier dominio experto donde la IA esté cruzando un umbral. El marco de Gowers —el espectro entre resolver problemas y generar comprensión conceptual— se puede aplicar directamente a cómo construyes tu empresa.

Audita dónde está tu producto en ese espectro. Si tu valor está en ejecutar tareas bien definidas a gran velocidad (procesar facturas, redactar textos transaccionales, generar variantes de anuncios), la IA ya está comiendo tu moat y la carta de los Fields te está describiendo el futuro. Si tu valor está en decidir qué problema merece resolverse y en transmitir ese juicio a clientes y equipo, la IA amplifica pero no sustituye.

Invierte en la «nariz», no solo en el volumen. Gowers describe cómo trabaja con GPT-5.6 Pro: el modelo le entrega propuestas que suenan prometedoras y no sobreviven al escrutinio. Lo que falta no es capacidad bruta sino el olfato para podar el árbol de búsqueda. Esa cualidad —saber cuándo una dirección merece más esfuerzo y cuándo abandonarla— es exactamente donde los founders humanos marcan la diferencia. Si tu equipo está perdiendo ese músculo porque delega todo en prompts, estás entrenando a la próxima generación para ser prescindible.

Diseña tu mecanismo de transmisión. El miedo central de Gowers no es que los humanos no puedan entender los nuevos resultados, sino que las estructuras sociales que transmiten conocimiento —PhDs, mentoría, tradiciones de citación, redes de conferencia— se deshagan sin ser reemplazadas. En una startup, eso equivale a preguntar: cuando tu equipo actual se vaya, ¿qué conocimiento queda codificado en procesos y qué depende de la memoria colectiva que se evapora?