Imagina que una máquina encuentra una solución que generaciones de investigadores habían buscado. Ahora imagina que puede producir tantas que apenas alcanzamos a revisarlas. El desafío cambia: junto con descubrir, necesitamos comprender qué hemos descubierto, cómo comprobarlo y qué mundo podemos construir con ello, por lo que, esa transformación ya empieza a tomar forma.
El 6 de octubre, OpenAI publicó resultados matemáticos generados por un modelo interno. Su repositorio reúne más de 700 manuscritos organizados en 372 familias de resultados relacionados. La empresa reconoce distintos grados de verificación y posibles errores en trabajos todavía sin formalizar. Son propuestas que requieren evaluación; contarlas no permite saber cuántos descubrimientos quedarán establecidos. Aquí aparece una distinción profunda: verificar y comprender son logros diferentes. Verificar una demostración permite comprobar si sus pasos sostienen una conclusión bajo determinados supuestos, por otro lado, comprenderla permite reconocer por qué funciona, relacionarla con otras ideas y descubrir nuevas preguntas. Es la diferencia entre seguir correctamente una receta y entender cómo inventar otra. Una parte del trabajo publicado incluye demostraciones formalizadas en Lean, un lenguaje que permite comprobarlas mediante computadoras. Esto puede fortalecer la verificación. Sin embargo, comprobar una demostración formal tampoco determina, por sí solo, su importancia científica. Mucho menos garantiza que un modelo matemático describa adecuadamente el mundo: eso requiere observaciones y experimentos. El debate ya llegó a la comunidad científica. El Grupo Asesor sobre Matemáticas e Inteligencia Artificial plantea que los laboratorios deben apoyar la comprensión humana de sus resultados. También pide acceso amplio y equitativo a sus herramientas. Su preocupación toca algo esencial: podemos acumular respuestas mientras la capacidad de comprenderlas queda concentrada en pocas manos. Por eso necesitamos desarrollar una creatividad humana capaz de trabajar con esta abundancia. En el marco que llamo Sistema 3, la creatividad emerge de integrar intuición y razón bajo metacontrol: la capacidad de observar y dirigir nuestro pensamiento. Intuimos posibilidades, examinamos evidencias y revisamos el rumbo. La inteligencia artificial puede ampliar cada momento de ese proceso.
Esa dinámica permite transformar un resultado aislado en una nueva manera de mirar. Una fórmula puede sugerir una explicación; esa explicación, un experimento; el experimento, una pregunta que nadie había formulado. La contribución humana incluye tender esas conexiones, cuestionar supuestos y reconocer qué detalles de la realidad quedaron fuera del cálculo. Además, las preguntas científicas tienen consecuencias humanas. Elegir qué investigar distribuye recursos, atención y oportunidades, por lo que podemos orientar una enorme capacidad de cálculo hacia una enfermedad desatendida, productos más fáciles de reparar o métodos para recuperar ecosistemas. Esas prioridades requieren escuchar necesidades y deliberar sobre valores y nuestra experiencia de vivir aporta algo decisivo: las preguntas nos importan porque podemos padecer sus consecuencias y desear otros futuros. Esa implicación vital orienta la búsqueda, aunque también exige revisar nuestros sesgos. Las universidades tienen aquí una tarea decisiva. Cada proyecto con IA debería exigir explicar una idea con palabras propias, señalar sus límites y proponer cómo ponerla a prueba. También, producir alternativas y discutir quién se beneficiaría. Así, la herramienta puede acelerar tanto el trabajo como la formación del criterio que permite dirigirlo. En las empresas, esto significa evaluar el aprendizaje que deja una innovación, además del tiempo que ahorra. ¿El equipo entiende mejor el problema? ¿Puede detectar una falla? ¿Conserva capacidad para cambiar de rumbo? Una organización que produce más mientras pierde esas capacidades puede volverse eficiente y, al mismo tiempo, dependiente. Nadie necesita comprenderlo todo. La ciencia siempre ha sido una conquista colectiva: distribuimos conocimientos y construimos maneras de contrastarlos. El reto es mantener esa conversación abierta cuando algunas herramientas pertenecen a muy pocos. Compartir resultados, facilitar su revisión y formar nuevos investigadores también son formas de crear futuro. La próxima revolución científica necesita una creatividad humana que crezca junto con sus instrumentos. El mayor logro sería que cada avance nos hiciera más capaces de preguntar, comprender y elegir. Porque conocer más adquiere sentido cuando nos ayuda a cuidar la vida y preservar la posibilidad de seguir creando. _____ Nota del editor: Juan Carlos Chávez es Profesor de Creatividad y Etología económica en el sistema UP/IPADE y autor de los libros Sistema 3: La Mente Creativa (2025), Homo Creativus (2024), Biointeligencia Estratégica (2023), Inteligencia Creativa (2022), Multi-Ser en busca de sentido (2021), Psico-Marketing (2020) y Creatividad: el arma más poderosa del Mundo (2019). Es director de www.G-8D.com Agencia de Comunicación Creativa y consultor de empresas nacionales y transnacionales. Encuentra sus libros en Amazon y síguelo en Facebook , Instagram , YouTube y LinkedIn . Las opiniones publicadas en esta columna corresponden exclusivamente al autor. Consulta más información sobre este y otros temas en el canal Opinión
]]>Contenido sindicado vía RSS de Expansión. Nota original: https://expansion.mx/https:/obras.expansion.mx/opinion/2026/10/19/la-proxima-revolucion-cientifica-necesita-una-nueva-creatividad-humana