María Pilar Vélez, Manuel de León, Rodrigo Trujillo
Comisión de Profesiones y Empleabilidad
Según un informe reciente de Goldman Sachs, la tecnología IA podría alterar significativamente el mercado laboral, afectando a unos 300 millones de empleos a tiempo completo o al 18% de los trabajos. Otro estudio más reciente, de la empresa OpenAI junto con la Universidad de Pensilvania, concluye que el chatbot de IA ChatGPT, de la propia OpenAI, podría afectar a cerca del 80% de los puestos de trabajo en Estados Unidos. Según el estudio, los empleos de cuello blanco podrían ser los más afectados. Este último informe destaca a los matemáticos entre las profesiones con mayor impacto por la IA.
Todo está sometido al debate, desde las perspectivas de mejora en el rendimiento de las empresas, hasta el debate de la revisión de los conocimientos y procesos de aprendizaje que deberemos atender con nuestros estudiantes. ¿Y cómo se enfrenta la comunidad matemática a estos cambios?
Dejamos a nuestros compañeros de la Comisión de Educación el análisis del impacto de chatGPT en ese ámbito, pero posiblemente muchos ya hemos detectado que el chatbot, en matemáticas, “falla más que una escopeta de feria”. Ejercicios con respuestas erróneas, soluciones explícitas de sistema no lineales irresolubles, y los directores de TFG revisando demostraciones con errores, bibliografía existente y demás disparates “que da chatGPT”. Pero, ¿pueden mejorar todas estas herramientas de manera que suplanten la actividad matemática humana? Muchos dicen que somos de los que menos nos debemos preocupar (por el bajo riesgo de automatización de nuestras tareas), pero el foco lleva tiempo puesto sobre nuestra comunidad.
El pasado febrero, Nature publicó la nota breve Cómo la inteligencia artificial podría cambiar las matemáticas.
[…] «Nos planteamos una pregunta muy concreta: ¿cambiarán las máquinas las matemáticas?», afirma Andrew Granville, teórico de números de la Universidad de Montreal (Canadá). Parte del debate se centra en qué tipo de herramientas de automatización serán más útiles.
Esta prestigiosa publicación lleva años dedicando páginas a la relación entre IA y creatividad matemática (2019, 2021), luego el debate no lo abre chatGPT con su aterrizaje reciente.
Siguiendo esta reflexión, Javier Yanes apunta en el blog del proyecto OpenMind: BBVA’s knowledge community:
[…] Este avance inicial de la IA en el campo de las matemáticas daría lugar al paradigma que ha predominado durante las primeras décadas de su desarrollo, la llamada IA simbólica, que consiste básicamente en utilizar reglas, cálculos y lógica de la misma forma que los humanos codificamos nuestro proceso de razonamiento. En definitiva, se basa en la manipulación de símbolos. Fruto de esta línea es un sistema llamado Lean, lanzado en 2013 por el científico computacional Leonardo de Moura, de Microsoft Research. Lean es un demostrador de teoremas interactivo y un lenguaje de programación, que permite a los matemáticos comprobar y refinar sus demostraciones de forma reproducible para sus colegas.
Esta herramienta informática interactiva se define como un theorem prover y obliga a los investigadores a escribir cada paso lógico de un problema, hasta los detalles más básicos, y garantiza que las matemáticas son correctas. Hace dos años, un equipo de matemáticos consiguió traducir a Lean una prueba importante pero impenetrable -tan complicada que incluso su autor no estaba seguro-, confirmando así que era correcta.
Pero aunque las herramientas de IA ya pueden demostrar teoremas y están empezando a abordar los problemas matemáticos más difíciles, los matemáticos aún no están preocupados por sus puestos de trabajo. Melanie Mitchell, informática y científica cognitiva del Instituto Santa Fe de Nuevo México, afirma que los puestos de trabajo de los matemáticos estarán a salvo hasta que se solucione una de las principales deficiencias de la IA, su incapacidad para extraer conceptos abstractos a partir de información concreta: “Aunque los sistemas de IA puedan demostrar teoremas, es mucho más difícil idear abstracciones matemáticas interesantes que den lugar a los teoremas en primer lugar”. La creatividad es inherente al desarrollo de las matemáticas. Podemos también recordar aquí la demostración usando ordenadores de Thomas Hayes del problema del empaquetamiento y el debate sobre la validez de una prueba que ningún ser humano ha podido comprobar por sí mismo.
Otras áreas (modelización, criptografía, finanzas, riesgos, etc.) donde los matemáticos han desempeñado un papel clave en los últimos años se verían todavía más amenazadas. Sin embargo, la falta de confianza en la fiabilidad de las soluciones basadas en la IA para tomar decisiones críticas requiere de la ayuda de los consultores expertos en IA.
En suma, a pesar de las voces de alarma, muchos expertos creen que el futuro de las matemáticas no se verá afectado en gran medida por los avances de la IA, sino que será su aliada. Por lo tanto, aunque las máquinas puedan hacerse cargo de algunos aspectos del trabajo matemático, también aparecerán nuevas oportunidades para las personas capacitadas en este campo. Ole Paulson en su blog sobre IA y empleos concluye: “parece probable que el aumento del uso de la IA no se traduzca en una disminución general de las oportunidades laborales para los matemáticos, sino que más bien cree posibilidades más diversas dentro de la profesión”.
Siguiendo la estela de Poincaré en su defensa del pensamiento humano en el desarrollo de las matemática (The future of Mathematics, Science and méthode, Paris, 1908), Chris Budd de la Universidad de Bath nos apunta, posiblemente, la dirección que más nos refuerza: “las matemáticas son una actividad creativa, y quizá sea la falta de creatividad lo que impide a los algoritmos de aprendizaje automático hacer matemáticas profundas».
No olvidemos tampoco el debate iniciado con las avanzadas propuestas de Alan Turing; en su artículo «Computing Machinery and Intelligence» se hizo en 1950 la pregunta: “¿Pueden pensar las máquinas?”, para enseguida preguntarse: “¿Pueden las máquinas hacer lo que nosotros (como entidades pensantes) podemos hacer?”. Existe una sutil pero crucial diferencia en estas dos preguntas, que llevó a Turing a formular su “juego de imitación” y el llamado test de Turing. Pareciera que casi 75 años después volvemos a la línea de salida, pero con un desarrollo tecnológico impensable en aquella época, aunque sigamos siendo incapaces de dar una acertada definición de inteligencia y desconocer cómo funciona nuestro cerebro. Podríamos decir que la IA nos imita cada vez mejor.
