Mientras los informáticos del mundo contenían la respiración en la Nochevieja de 1999, el Clay Mathematics Institute andaba preparando su lista de “problemas matemáticos del milenio”. Buscaron retos que tocasen áreas centrales de las matemáticas y sus aplicaciones, que no solo se distinguieran por su dificultad, sino por el impacto que tendría su resolución. Cerraron la lista con siete de estos retos y, por darle vidilla al tema y motivar su resolución, asignaron un premio de un millón de dólares a cada uno.
Seis años después, Grigori Perelman tachó de la lista la conjetura de Poincaré, aunque luego rechazó tanto el premio asociado como la Medalla Fields. Entre otras razones, fue su manera de protestar por lo que él consideraba un sistema de reconocimiento injusto en el trabajo de los matemáticos. Para que luego digan que quejarse es gratis.
Después de aquello, la lista de retos se ha mantenido intacta durante 20 años, hasta que el pasado 8 de septiembre la empresa OpenAI anunció una solución para una de las versiones de las ecuaciones de Navier-Stokes, las cuales se plantearon hace 200 años. Para lograrlo, OpenAI utilizó 10.000 agentes de inteligencia artificial trabajando de manera simultánea durante 88 horas.
Bueno, y para ser justos, también los trabajos previos de dos matemáticos españoles, Diego Córdoba y Luis Martínez Zoroa. Lo que pasa es que en la primera declaración que hizo la empresa se les pasó nombrarlos, con la emoción y tal. Rectificaron después, justo es decirlo.
De esta historia podemos sacar tres conclusiones. La primera, que Perelman debía llevar cierta razón en su queja sobre el sistema de reconocimiento de méritos en la profesión; la segunda, que asistimos, una vez más, a la exponencialidad que la IA va a introducir en la ciencia; la tercera es un poco más larga de explicar y cuestiona, o quizá matiza, en parte a la segunda.
En una de las entrevistas recientes, Luis Martínez se definía como un matemático de lápiz y papel y describía que esas herramientas formaban parte de su proceso creativo, el cual incluía pausas para caminar, pensar y seguir. Esta forma de trabajar y de estructurar su prodigiosa mente le permitió avanzar en la materia tanto que sus trabajos, junto a los de Córdoba, fueron claves para la resolución del problema. Preguntado en esa misma entrevista si dejar el último tramo en manos de las máquinas había sido la consecuencia de no exprimir todas las herramientas disponibles, Luis le dio la vuelta al razonamiento: trabajar así había sido precisamente la causa de que pudiera crear sus primeros trabajos.
No se trata de comparar modelos de razonamiento. Aquí, el lápiz, el papel y los paseos fueron los responsables de madurar el problema hasta el momento en que 10.000 agentes podían atacarlo eficazmente. Hablando con colegas del mundo académico y científico, hay opiniones de todos los sabores, pero todos coinciden en que la ciencia suele desarrollarse mejor de manera colaborativa en lugar de extractiva. Colaborativa entre individuos y ahora entre capacidades también.
Entonces, ¿tenemos la opción de utilizar las mejores herramientas o la obligación de hacerlo? Hace unos años podías entrar a un restaurante y llevarte una decepción. Hoy, antes de sentarte, puedes saber qué opinan cientos de personas, ver la carta y crearte una expectativa muy detallada de la experiencia que esperas tener. Cuando el coste de acceder a una herramienta se aproxima a cero, utilizarla deja poco a poco de ser una ventaja y equivocarse por no hacerlo empieza a ser difícil de justificar. Sospecho que una sociedad que tiende a la hiperoptimización se vuelve poco o nada tolerante a la frustración.
¿Y en nuestras empresas, qué significa? Suponiendo que no nos dedicamos a resolver problemas del milenio y que las personas que las habitamos no solemos ser genios, sino gente normal y corriente, rechazar las mejores herramientas disponibles no es una opción. Nos jugamos la competitividad de nuestras empresas, que no es poca cosa.
Sin embargo, esto es una calle de doble dirección. El hecho de elegir utilizar la inteligencia artificial como parte de nuestras herramientas habituales no es una excusa para dejar de ser creativos o críticos. Ni para olvidar que tras los resultados de la IA suele haber trabajo humano que a veces se olvida de citar en el comunicado de prensa (o en la presentación al comité de dirección).
Cuando la IA multiplica nuestra capacidad intelectual, no solo tenemos que aprender a repartir el trabajo entre humanos y máquinas; tendremos que aprender a repartir el mérito entre quienes hicieron posible el resultado. Y no hace falta irse a las grandes ecuaciones para encontrarnos con ese dilema. También nos pasará en nuestras empresas cuando tomemos el análisis de una compañera, lo iteremos con inteligencia artificial y obtengamos un resultado mucho mejor que el original. La herramienta habrá aportado valor, nosotros también, pero sin aquel primer trabajo quizá nunca habríamos sabido qué preguntar. Delegar el criterio siempre será opcional. Reconocer de dónde viene el trabajo sobre el que construimos, también.
Cuando las respuestas se vuelvan commodity, solo las preguntas serán diferenciales. Por el momento, seguimos premiando más las respuestas: si se confirma lo de Navier-Stokes, siguen quedando cinco grandes preguntas valoradas en un millón de dólares cada una. Las máquinas ya resuelven problemas planteados hace 200 años en menos de cuatro días (tras unos cuantos años de lápiz, papel y paseos también).
Lo que sigue sin resolverse es quién se lleva el aplauso. Esa pregunta, de momento, no tiene premio de un millón.
