La ciencia no es una fábrica de artículos
Por Max Montilla
Hace varias semanas atrás, el profesor matemático australiano-estadounidense, profesor en la Universidad de California en Los Ángeles (UCLA), considerado uno de los matemáticos más brillantes del mundo y a menudo llamado el «Mozart de las matemáticas»escribió y dictó una conferencia donde advierte sobre una inteligencia artificial capaz de producir más conocimiento, pero también de debilitar a quienes deben comprenderlo y renovarlo.
| “El peligro no es que la inteligencia artificial piense demasiado, sino que nosotros dejemos de formar a quienes deberán pensar más allá de ella.” |
La inteligencia artificial ha llegado a la ciencia con una promesa difícil de resistir: analizar bibliografía en segundos, explorar miles de posibilidades, automatizar cálculos y acelerar la producción de resultados. Sin embargo, el matemático Terence Tao —profesor de la Universidad de California en Los Ángeles y medallista Fields— advierte que la velocidad puede convertirse en una trampa. Una sociedad científica podría producir mucho más y, al mismo tiempo, perder la capacidad humana de comprender, cuestionar y abrir caminos verdaderamente nuevos.
La advertencia toca el corazón del modelo universitario. Los estudiantes de posgrado no son solamente ayudantes que elaboran investigaciones de dificultad intermedia. Son aprendices de científicos: en ellos se forma la próxima generación que enseñará, dirigirá laboratorios, evaluará pruebas y escogerá los problemas importantes. Si una institución mira únicamente la productividad inmediata, podría sentirse tentada a sustituir parte de ese trabajo por sistemas automáticos. Ganaría artículos hoy, pero hipotecaría el talento del mañana.
Ahí aparece una confusión peligrosa: creer que el artículo publicado es el producto completo de la ciencia. Un estudio es también la huella visible de un proceso invisible hecho de preguntas mal formuladas, intentos fallidos, conversaciones, revisiones y cambios de criterio. La formación ocurre precisamente en esa lucha. El error no siempre es desperdicio; muchas veces es el taller donde se construyen la intuición, la paciencia intelectual y el juicio que permiten reconocer cuándo una respuesta es correcta, relevante o simplemente engañosa.
Tao no presenta a la inteligencia artificial como enemiga. Su visión es más exigente: debe ser una herramienta complementaria. Las máquinas pueden aportar amplitud al revisar grandes cantidades de información, ensayar rutas y ejecutar tareas rutinarias. Las personas deben conservar la profundidad: comprender el contexto, formular preguntas fecundas, conectar ideas distantes y decidir por qué una investigación merece tiempo y recursos. La alianza funciona cuando la tecnología amplía el pensamiento humano; fracasa cuando reemplaza el proceso que lo cultiva.
El riesgo no consiste únicamente en recibir una respuesta equivocada. También existe la posibilidad de obtener una respuesta correcta que casi nadie comprenda de verdad. Una ciencia inundada de resultados automáticos puede sufrir una nueva forma de pobreza: abundancia de textos y escasez de criterio. Si los investigadores no pueden explicar, verificar ni desarrollar esos hallazgos, el conocimiento se convierte en un depósito inmenso sin suficientes personas capaces de recorrerlo.
Por eso, la educación de posgrado debe cambiar sin renunciar a su misión. Habrá tareas en las que la inteligencia artificial sea legítima y necesaria, pero también deben preservarse espacios de trabajo sin asistencia: demostraciones, razonamientos, escritura inicial, defensa oral y revisión crítica. No se trata de fingir que la tecnología no existe, sino de garantizar que el estudiante pueda pensar por sí mismo antes de apoyarse en ella y detectar cuándo la herramienta falla.
Esta discusión alcanza también a nuestras universidades. En países con recursos limitados, la inteligencia artificial puede democratizar el acceso a bibliografía, tutoría y análisis avanzado. Pero adoptar una plataforma no equivale a crear una cultura científica. Esa cultura exige profesores con tiempo para orientar, estudiantes con oportunidades para investigar, instituciones que valoren la calidad por encima del volumen y políticas públicas que protejan la investigación básica, incluso cuando sus frutos no sean inmediatos.
La investigación movida por la curiosidad suele parecer lenta e ineficiente, pero de ella han nacido avances que ninguna planificación de corto plazo habría podido ordenar. Optimizar lo conocido no es lo mismo que descubrir lo desconocido. Si medimos la ciencia solamente por la cantidad de artículos, citas o soluciones rápidas, terminaremos premiando la repetición sofisticada y castigando las preguntas que requieren años de incertidumbre.
El debate de fondo, entonces, no es cuánto puede hacer la inteligencia artificial, sino qué clase de comunidad científica queremos conservar. Necesitamos tecnología poderosa, pero también seres humanos capaces de decir qué vale la pena investigar, qué límites éticos deben respetarse y cómo traducir el conocimiento en bienestar colectivo. La ciencia no avanza solo porque acumula respuestas; avanza porque forma personas capaces de formular preguntas que todavía no existen.
La lección de Tao es clara: producir más no siempre significa comprender mejor. La inteligencia artificial debe ayudarnos a elevar la capacidad humana, no a desmontar silenciosamente la escuela donde esa capacidad se aprende. Si cuidamos el proceso formativo, la máquina será una aliada extraordinaria. Si lo sacrificamos por eficiencia, podríamos tener millones de artículos y muy pocos científicos preparados para imaginar el siguiente gran descubrimiento.
Fuentes:
