El matemático y divulgador Ian Stewart sostiene que el desarrollo de la inteligencia artificial (IA) necesita avanzar con más cautela: propone limitar y ralentizar su expansión para evaluar sus beneficios y riesgos y establecer una regulación adecuada. Aunque considera que la IA puede ser una herramienta extraordinaria para las matemáticas y la ciencia, advierte de que la falta de controles podría hacer que los riesgos se detecten cuando las empresas y la tecnología ya sean demasiado poderosas para corregir el rumbo con facilidad.
Ian Stewart pide cautela y regulación para la inteligencia artificial
Stewart ha descrito el estado actual de la IA como una situación de “anarquía”. A su juicio, esta tecnología necesita una etapa de contención que permita analizar sus efectos, identificar posibles daños y diseñar un marco regulatorio sensato. El objetivo, según plantea, no sería frenar toda innovación, sino disponer de tiempo para decidir cómo desarrollarla de manera responsable.
El matemático reconoce que duda de que se produzca una desaceleración suficiente, especialmente mientras continúe el flujo de inversión. Sin embargo, observa que algunos inversores empiezan a tomar distancia, una posible señal de que el sector está reconsiderando sus expectativas y los riesgos asociados.
Los beneficios no deben ocultar los riesgos
Stewart recuerda que algunas figuras destacadas de la propia industria tecnológica han alertado sobre peligros graves. Aunque esas advertencias pudieran resultar exageradas o equivocadas, considera imprudente descartarlas como simple alarmismo. En su opinión, la incertidumbre es precisamente un motivo para evaluar la tecnología con seriedad.
Las tecnologías transformadoras suelen combinar oportunidades y amenazas. La IA puede ayudar a resolver problemas científicos y mejorar procesos, pero también puede tener consecuencias difíciles de prever. Stewart señala que, cuando una innovación es nueva, los gobiernos tienden a centrarse en los beneficios prometidos y a prestar menos atención a los posibles daños. Si los riesgos se hacen evidentes más tarde, las empresas pueden haberse vuelto tan grandes y poderosas que actuar resulte mucho más difícil.
Un ejemplo positivo: el plegamiento de proteínas
El libro de Stewart, Los límites del infinito. Una travesía por los extremos de las matemáticas, aborda algunas ideas matemáticas relacionadas con la IA y uno de sus usos científicos más relevantes: la investigación sobre el plegamiento de proteínas.
En ese ámbito, el divulgador considera que los beneficios de la IA son claros y que no se observan peligros evidentes ligados a ese problema concreto. Aun así, distingue entre una aplicación específica y la tecnología en su conjunto: que una herramienta resulte útil y segura en determinado campo no significa que todos sus usos estén libres de riesgos.
La IA como asistente para las matemáticas
Stewart se ha referido a los avances de la IA en la resolución de problemas matemáticos, incluido el caso del problema de Navier-Stokes atribuido a OpenAI. Lo presenta como un ejemplo llamativo de la capacidad de estas herramientas, aunque subraya que los logros científicos suelen apoyarse en investigaciones anteriores. Como ocurre en cualquier disciplina, el trabajo nuevo se construye sobre conocimientos y resultados desarrollados por otras personas.
El matemático no considera que la incorporación de tecnología vuelva innecesarios a los especialistas. Recuerda que las calculadoras mecánicas, los ordenadores y los programas capaces de realizar cálculos complejos han ayudado a los investigadores sin sustituirlos por completo.
Una herramienta potente, no necesariamente un sustituto
Para Stewart, la IA puede entenderse como un asistente nuevo y más potente. La compara con otras herramientas que ampliaron las capacidades humanas: el microscopio no hizo obsoletos a los biólogos, del mismo modo que los ordenadores no eliminaron la necesidad de matemáticos.
En muchos casos, la IA resuelve problemas combinando ideas y resultados existentes de maneras nuevas, un proceso que guarda similitudes con el trabajo de los investigadores humanos. La diferencia es que puede operar a gran velocidad y consultar una enorme base de conocimientos matemáticos, creada en gran parte por personas.
Stewart considera positivo que la humanidad pueda utilizar la IA para avanzar en matemáticas y abordar cuestiones difíciles. No obstante, también plantea un riesgo a largo plazo: que las máquinas progresen tanto que lleguen a realizar tareas que las personas todavía podrían haber desarrollado por sí mismas.
¿Podría la IA resolver los Problemas del Milenio?
Tras los avances atribuidos a la IA en problemas matemáticos complejos, Stewart afirma que no ve una razón de peso para descartar que, en el futuro, pueda contribuir a resolver otros Problemas del Milenio. Estas cuestiones figuran entre los desafíos más difíciles de las matemáticas contemporáneas.
La IA dispone de grandes cantidades de conocimiento matemático y puede examinar numerosas combinaciones con mucha más rapidez que una persona. Stewart reconoce que no está claro si las máquinas poseen capacidades comparables a la intuición, la creatividad o la perspicacia humanas. También señala que ni siquiera se comprende por completo cómo funcionan esas habilidades en las personas, por lo que es difícil determinar con seguridad qué límites tendrá la IA.
Además, la búsqueda de soluciones mediante el análisis de muchas posibilidades puede resultar eficaz en determinados casos. La velocidad de procesamiento y la capacidad para explorar alternativas ofrecen ventajas, aunque no resuelven por sí solas todas las preguntas sobre el razonamiento y la creatividad.
Las matemáticas están presentes en la vida cotidiana
Stewart observa que la mayoría de las personas no utiliza matemáticas avanzadas de forma directa en su día a día. A menudo recurre a operaciones básicas y deja los cálculos a una calculadora o una aplicación. Sin embargo, buena parte de la tecnología y los servicios cotidianos depende de las matemáticas y del trabajo de personas con formación en esta disciplina.
De los teléfonos móviles a las redes eléctricas
Los teléfonos móviles, por ejemplo, incorporan complejos sistemas matemáticos detrás de una interfaz sencilla. La medicina utiliza métodos estadísticos para probar tratamientos y evaluar su eficacia. También se aplican modelos matemáticos para organizar repartos, planificar vuelos comerciales, diseñar horarios ferroviarios y gestionar redes eléctricas.
La facilidad con la que se usan estas tecnologías puede hacer que sus fundamentos pasen inadvertidos. No es necesario conocer todas las fórmulas detrás de un dispositivo para utilizarlo, pero sí resulta importante que existan profesionales capaces de diseñar, analizar y mantener los sistemas que hacen posible su funcionamiento.
La educación matemática amplía las oportunidades
Por esta razón, Stewart defiende que las matemáticas sigan formando parte de la educación de todas las personas. Dejar de enseñarlas, sostiene, podría limitar el acceso de las nuevas generaciones a numerosas profesiones creativas y bien remuneradas, desde la banca y la medicina hasta la aviación o la investigación espacial.
Su argumento no implica que todo el mundo tenga que convertirse en matemático, sino que una base matemática ayuda a comprender y utilizar el mundo tecnológico actual y mantiene abiertas más opciones de formación y empleo.
Los límites como hilo conductor de la historia matemática
En Los límites del infinito, Stewart recorre problemas que han intrigado a matemáticos a lo largo de la historia. El libro explora cuestiones como encontrar el número más grande posible, el camino más corto, la superficie más pequeña, la estrategia más eficaz o un patrón inesperado.
A través de historias de rivalidad intelectual, descubrimientos y preguntas aparentemente abstractas, el autor muestra cómo las matemáticas han transformado la comprensión del mundo. El recorrido conecta figuras como Euclides, Fermat y Einstein con temas tan diversos como las burbujas de jabón, los juegos, las rutas comerciales, los códigos secretos, los agujeros negros y la inteligencia artificial.
El empaquetamiento de esferas y la respuesta de las naranjas
Entre los problemas que destaca Stewart está el del empaquetamiento de esferas, planteado por Johannes Kepler en 1611. La pregunta consiste en determinar cómo colocar esferas idénticas para llenar el espacio de la forma más eficiente posible.
Kepler propuso que la mejor disposición era la que se observa al apilar naranjas en capas: cada esfera de una capa se coloca en los huecos de la anterior. Esta organización, conocida como empaquetamiento cúbico centrado en las caras, parecía evidente, pero demostrar de forma rigurosa que era la más eficiente resultó muy difícil.
La dificultad estaba en que el problema no exigía que las esferas se organizaran en capas planas; por tanto, había que descartar matemáticamente otras posibles configuraciones. Thomas Hales y Samuel Ferguson presentaron una solución en 1998, y la demostración recibió una verificación informática completa en 2017. El caso ilustra cómo una respuesta intuitiva puede requerir años de trabajo para convertirse en una prueba formal.
Consejos para emprendedores y negocios
Evalúa los riesgos antes de ampliar el uso de la IA
Antes de incorporar una herramienta de IA a procesos esenciales, identifica qué datos utiliza, qué decisiones puede influir y qué consecuencias tendría un error. Realiza pruebas controladas y define criterios para detener o modificar el sistema si aparecen resultados inesperados.
Empieza por problemas concretos y medibles
En lugar de adoptar IA solo por seguir una tendencia, busca tareas específicas en las que pueda aportar valor: reducir tiempos de gestión, apoyar el análisis de información o mejorar la atención al cliente. Establece indicadores —como coste, rapidez, precisión y satisfacción— para comprobar si la inversión realmente funciona.
Mantén supervisión humana en decisiones importantes
La automatización puede ayudar a analizar información, pero las decisiones con consecuencias relevantes para clientes, empleados o proveedores deben contar con revisión humana. Define quién es responsable de validar los resultados y de responder cuando el sistema se equivoca.
Protege los datos y explica cómo se utilizan
Revisa qué información se introduce en las herramientas de IA y evita compartir datos confidenciales sin garantías adecuadas. Informa a clientes y trabajadores cuando el uso de estas tecnologías afecte a un servicio o a una decisión que les concierne.
Invierte en formación, no solo en tecnología
La IA puede aumentar la productividad, pero el equipo necesita saber interpretar sus resultados, reconocer errores y utilizarla con criterio. Ofrecer formación en competencias digitales, análisis de datos y fundamentos matemáticos puede ayudar a aprovechar la herramienta sin depender ciegamente de ella.
Prepara una estrategia de gobernanza
Establece reglas internas sobre los usos permitidos, la protección de datos, la revisión de resultados y la documentación de los sistemas. También conviene seguir los cambios legales y las recomendaciones del sector para adaptar los procesos antes de que una nueva obligación o un problema reputacional obligue a reaccionar con urgencia.
Conclusiones
La reflexión de Ian Stewart plantea un equilibrio necesario: la IA puede acelerar descubrimientos, apoyar a los especialistas y resolver tareas complejas, pero su capacidad transformadora también exige evaluación, supervisión y regulación. La velocidad de desarrollo no debería sustituir al análisis de sus consecuencias.
Para empresas y emprendedores, la lección es aplicar la IA con objetivos claros, medir sus resultados y mantener responsabilidad humana en las decisiones importantes. Y, como recuerda Stewart, las matemáticas y la formación científica siguen siendo fundamentales para entender la tecnología, ampliar oportunidades profesionales y tomar decisiones mejor informadas.