Veinticinco ganadores de la Medalla Fields — lo más cercano que las matemáticas tienen a un Nobel — co-firmaron una advertencia sobre la IA. El reflejo de internet se escribió solo: la vieja guardia está asustada. Expertos defendiendo su autoridad. Luditas con tenure.
Entonces abres la declaración, y el reflejo muere.
Comienza acreditando a la IA. En los últimos meses, los modelos de lenguaje grandes han resuelto problemas abiertos significativos en múltiples campos de las matemáticas. Sin evasivas, sin negaciones. Las personas mejor calificadas para verificar el trabajo son las que confirman que se mantiene.
La advertencia llega después de la victoria, no en contra de ella. Su propia palabra para el problema está en el título: una desalineación seria.Las empresas de IA están optimizando para respuestas. Las matemáticas existen para producir comprensión. Esos no son el mismo producto.
Resumen: La declaración no es anti-IA: su principal firmante prueba modelos de frontera para ganarse la vida. La afirmación real: los famosos problemas no resueltos son faros, no cumbres. Su valor es la navegación que obligan y las herramientas construidas en el camino: el Último Teorema de Fermat produjo 350 años de maquinaria de teoría de números en la que todavía operamos hoy. La IA ahora resuelve el problema y se salta el viaje, entregando pruebas que añaden aproximadamente cero conocimiento. El recurso más escaso son "estudiantes e ideas" — en ese orden — y el aprendizaje colapsa cuando las respuestas son gratuitas. Esta es la ley de Goodhart aplicada al marcador de toda una civilización, y la misma desalineación se avecina para cada industria del conocimiento. Incluyendo la mía.
Soy James, CEO de Mercury Technology Solutions. Desde Cyberport, Hong Kong — 15 de septiembre de 2026. Mi empresa construye puentes de IA a humanos para empresas, por lo que una declaración de los mejores matemáticos del mundo describiendo la brecha entre la salida de la máquina y la comprensión humana no es una abstracción para mí. Es la especificación del producto. Más sobre eso a continuación.
El hombre que publicó la alarma
Terence Tao publicó la declaración en su blog el 11 de septiembre. Recuerda con quién estás tratando: Tao ha sido invitado a laboratorios de IA de frontera para probar sus modelos más fuertes en matemáticas, y ha estado en YouTube explicando cómo utiliza la IA para resolver problemas en vivo. Es más nativo de IA que la mayoría de las personas que construyen los modelos.
Y en el mismo blog, el mismo día, publicó una segunda cosa: el anuncio de un desafío abierto en torno a un problema no resuelto desde hace décadas: la conjetura de Andrews-Curtis, que él ayuda a organizar, y cuyas reglas dan la bienvenida explícitamente a las herramientas de IA.
El mismo hombre. El mismo día. Una alarma en una publicación, una invitación a las máquinas en la otra. "Proteger territorio" no puede explicar esa combinación. Lo que la explica es una distinción: él está acogiendo la herramienta y rechazando el marcador.
Los primeros veinticinco firmantes son todos medallistas de Fields, la lista está abierta para más, y los nombres incluyen al medallista de 2026 Deng Yu de China. Estas no son personas cuya relevancia esté desvaneciéndose.
¿Para qué sirven realmente los problemas famosos?
Los forasteros ven los famosos problemas no resueltos como cumbres. El Último Teorema de Fermat, la Hipótesis de Riemann, la conjetura de los primos gemelos: montañas, y quien planta la bandera primero gana. Pregunta cerrada.
La declaración los llama hitos y faros. Esa metáfora es todo el argumento, así que tómalo con calma. Una cumbre es un destino. Un faro es una dirección. Se encuentra en el borde de un agua que nadie ha cruzado, y su función completa es enviar barcos allí, y en el camino, los barcos construyen cosas.
El Último Teorema de Fermat tomó tres siglos y medio. Wiles lo cerró en 1994. Pero la bandera no es lo que conservamos. Lo que conservamos es la maquinaria: campos enteros de teoría de números algebraicos se desarrollaron en el camino, todavía en uso diario en matemáticas y criptografía. Si solo miras la prueba final, no puedes ver cuán lejos se movió realmente la disciplina. El problema nunca fue el punto. El viaje fue el punto, y el viaje dejó infraestructura.
照著燈塔找路，和直接把燈泡擰下來，是兩回事。 Navegar por un faro y desenroscar la bombilla son dos cosas diferentes. La bombilla te da luz. El faro te da una costa.
La prueba de diez millones de líneas que nadie necesitaba
La explicación más clara que encontré no provino de los veinticinco, sino de un matemático en los comentarios. Toma la conjetura de los primos gemelos — aún no probada, pero todos en el campo creen que es verdadera y saben aproximadamente por qué. Ahora dale a ese matemático una prueba de diez millones de líneas, verificada por máquina.
Su conocimiento aumenta aproximadamente en cero.
El único hecho nuevo es que la IA ahora lo ha probado. "¿Y luego qué?" Incluso con cada paso verificado por máquina, un humano todavía tiene que leerlo, digerirlo, entenderlo — antes de que alguien pueda construir sobre ello. Ese trabajo no se comprime. No es un recibo que recojas; es el producto en sí.
Ya realizamos este experimento. En 2002 y 2003, Grigori Perelman publicó tres preprints brutalmente concisos que probaban la conjetura de Poincaré, que tiene cien años — sin revista, sin argumento pulido, pasos omitidos. La respuesta estuvo en internet público, gratuita y correcta, durante tres años mientras múltiples equipos de matemáticos llenaban cada vacío, producían cientos de páginas de argumentos detallados y realizaban seminario tras seminario. Para alrededor de 2006, el resultado finalmente pertenecía a las matemáticas.
Nota lo que eso significa: la respuesta existía en 2003. La comprensión llegó en 2006. Solo la segunda cuenta, porque solo la comprensión puede llevar al siguiente resultado.Una prueba que nadie entiende no entra en las matemáticas. Entra en el archivo.
Estudiantes antes de ideas
La línea más radical y silenciosa de la declaración: el recurso más precioso del campo son "los estudiantes y las ideas" — en ese orden.
Aquí está la práctica detrás de esa línea. Los asesores de matemáticas asignan deliberadamente a los estudiantes problemas donde la respuesta ya se conoce — a veces problemas resueltos e impresos en la literatura hace décadas. La respuesta nunca fue la tarea. La tarea son los tres días atrapados en una pared, los giros equivocados, el momento de las 3 a.m. cuando dos ideas finalmente se unen. Así es como se aprenden las herramientas — bajo carga — y esas herramientas tienen que soportar cuarenta años de investigación.
La IA ahora coloca la respuesta sobre la mesa en medio de la lucha. Los estudiantes la toman. Por supuesto que la toman; yo también lo haría. ¿Estar atrapado durante tres días mientras una pista correcta está a un aviso de distancia, y el movimiento sensato es rechazarlo? No.
La declaración no culpa a los estudiantes. Culpa al sistema de puntuación. Cuando toda una industria califica a la IA por cuántos problemas famosos resuelve, todo lo que viene después se optimiza hacia el anuncio y se aleja de la comprensión. Las tablas de clasificación pueden medir rápido, correcto, comparable. No pueden medir "escrito para que otros puedan seguirlo", "métodos que otros pueden reutilizar", "un estudiante que salió del otro lado más fuerte."Esa es la desalineación: la cosa que se está optimizando y la cosa que realmente tiene valor se han separado.La ley de Goodhart, ampliada de una métrica a una civilización.
Por qué una empresa de IA debería escuchar
La premisa fundacional de Mercury es que la última milla de la IA es humana — que una gran parte del valor se pierde en la brecha entre lo que produce la máquina y lo que absorbe el humano. Los matemáticos son simplemente el caso más puro: sus respuestas tardan más en digerirse, por lo que sienten la brecha primero.
Pero el patrón no es solo de ellos. El informe que nadie lee. El panel de control en el que nadie confía. El análisis de IA que el ejecutivo no puede defender ante la junta sin un intérprete. La salida no es comprensión — en ninguna industria. A medida que los modelos ofrecen respuestas a la velocidad de la máquina, la comprensión se convierte en el cuello de botella de cada organización que los toca. Lo que medimos para los clientes es esencialmente el rendimiento de respuestas: cuánto de lo que produce la máquina se convierte en decisión y capacidad humana. Los medallistas Fields han estado viviendo en el extremo duro de esa curva todo el año.
Y cierran con moderación. No acusan a nadie de estar equivocado. Dicen: lo que esta tecnología se convierte depende de hacia dónde la gente que la controla la dirija — y las matemáticas son solo el primer oficio donde las respuestas comenzaron a llegar más rápido que la comprensión.
Qué hacer sobre la desalineación
Para los constructores de IA: dejen de evaluar respuestas por sí solas. Agreguen las métricas de comprensión. ¿Puede un humano competente verificar la salida en un tiempo razonable? ¿Aprendió algo reutilizable un no experto de ello? Un modelo que prueba lo que nadie puede digerir se ha optimizado para un comunicado de prensa.
Para los líderes: protejan el aprendizaje intencional.Mantén los problemas de respuesta conocida en el currículo: la lucha es el contenido. Califica a los equipos de grado por lo que pueden explicar, no por lo que pueden sugerir.
Para cualquiera que esté adquiriendo IA en este momento: haz la pregunta de los matemáticos antes de firmar. Cuando la máquina tiene razón, ¿qué gana realmente mi equipo? Si la respuesta del proveedor es solo "velocidad", compraste una bombilla, no una costa.
Deja de puntuar respuestas. Comienza a puntuar comprensión.
Veinticinco medallistas no detendrán la carrera de referencia: las matemáticas son un gimnasio demasiado bueno para el razonamiento de máquinas, y los laboratorios lo saben. Pero han escrito la descripción más aguda hasta ahora del comercio que toda la economía está a punto de hacer. Los barcos acaban de aprender a desenroscar faros. Si alguien todavía conoce la costa, ahora es un problema de gestión.
Mercury Technology Solutions: Acelera la Digitalidad.