La IA acaba de resolver un problema matemático de 80 años. ¿Qué podría aportar al desarrollo de América Latina y el Caribe?

El problema es bastante simple de explicar. Imaginen una hoja de papel con muchos puntos dibujados con la siguiente pregunta: ¿cuál es la mejor forma de acomodarlos para conseguir la mayor cantidad posible de pares separados exactamente por 1 unidad, por ejemplo, 1 cm? 

En 1946, un matemático húngaro, Paul Erdós, planteó este desafío y durante casi 80 años, generaciones de matemáticos intentaron resolverlo. Y durante décadas, la mejor solución conocida seguía siendo algo bastante intuitivo como acomodar los puntos en una especie de cuadrícula. 

Algo así: 

Hasta ahora. 

Según lo informado la semana pasada, un modelo de inteligencia artificial de OpenAI encontró una demostración matemática que contradice la intuición aceptada durante décadas. No solo encontró una mejor solución, sino que encontró una conexión completamente nueva entre áreas de las matemáticas que ningún investigador había explorado antes para este problema. 

Lo interesante no es únicamente que la IA resolvió un problema difícil. Lo verdaderamente importante es cómo lo hizo. En vez de una cuadrícula limpia y fácilmente reconocible, descubrió configuraciones muchísimo más complejas, basadas en simetrías matemáticas profundas provenientes de ramas muy abstractas de la teoría de números. Según algunos matemáticos que revisaron el trabajo, las nuevas configuraciones son tan sofisticadas que ni siquiera pueden visualizarse fácilmente como un simple dibujo sobre papel. 

Y quizás ahí está una de las lecciones más interesantes del episodio. 

Durante décadas, los investigadores humanos habían estado buscando soluciones dentro de un espacio relativamente intuitivo como lo son las figuras geométricas ordenadas y comprensibles visualmente. La IA, en cambio, exploró caminos que parecían demasiado improbables, demasiado abstractos o simplemente demasiado tediosos como para que un ser humano dedicara años a seguirlos. Recurrió a herramientas provenientes de una rama completamente distinta, como lo es la teoría algebraica de números. Es decir, no solo aceleró cálculos o revisó bibliografía más rápido, sino que fue capaz de conectar disciplinas diferentes para producir una idea original. 

Esto abre un nuevo espacio en la conversación sobre la IA y su implicancia para los abordar los problemas de desarrollo de nuestra región. Tendemos a pensar la inteligencia artificial principalmente como una herramienta para automatizar tareas, resumir textos, programar más rápido o generar imágenes. Todo eso ya es relevante, por supuesto. Pero casos como este empiezan a insinuar algo más profundo: la posibilidad de utilizar sistemas de razonamiento avanzados para ayudarnos a enfrentar problemas complejos que llevan décadas resistiendo soluciones. Problemas donde quizá no falta información, sino nuevas formas de conectar la información existente. 

Y América Latina y el Caribe está llena de esos problemas. 

La región arrastra desde hace décadas enormes desafíos vinculados a vivienda, informalidad, productividad, desigualdad territorial, infraestructura, resiliencia climática, capacidad institucional, entre otros. Son problemas que rara vez pertenecen a un único sector. Al contrario, suelen surgir precisamente de la interacción entre múltiples sistemas. 

La crisis de vivienda, por ejemplo, no es solamente un problema de construcción de casas. Involucra mercados de suelo, transporte, regulación urbana, financiamiento, capacidad municipal, empleo, infraestructura y planificación territorial. Muchas veces analizamos cada dimensión por separado, pero las dinámicas reales ocurren en la interacción entre todas ellas. 

Algo similar ocurre con la informalidad económica, la congestión urbana, la baja productividad o la vulnerabilidad climática. Sabemos muchísimo sobre estos temas. Existen décadas de estudios, diagnósticos y experiencias y, sin embargo, muchos de esos problemas persisten. 

Tal vez parte del desafío sea justamente ese: nuestros problemas son demasiado complejos para ser entendidos desde compartimentos estancos. 

Ahí es donde la inteligencia artificial podría abrir posibilidades nuevas. No necesariamente reemplazando expertos, gobiernos o instituciones. Tampoco resolviendo mágicamente los problemas del desarrollo. Sería ingenuo plantearlo así. Pero sí aumentando radicalmente nuestra capacidad para detectar patrones, modelar escenarios, integrar información dispersa y encontrar relaciones que hoy permanecen invisibles. 

Por ejemplo, sistemas capaces de identificar correlaciones entre expansión urbana, acceso al empleo y precios del suelo. O herramientas que permitan anticipar zonas de riesgo hídrico combinando información climática, territorial y social. O modelos que ayuden a diseñar políticas públicas más adaptativas, integrando evidencia que hoy se encuentra fragmentada entre distintas instituciones. 

En otras palabras, quizás la inteligencia artificial no solo pueda ayudarnos a hacer mejor lo que ya hacemos, sino también a pensar de maneras que todavía no estamos imaginando. 

Eso no significa que debamos caer en un optimismo tecnológico ingenuo. Muchas promesas sobre inteligencia artificial probablemente estén sobredimensionadas. Existen riesgos reales asociados a concentración tecnológica, sesgos, desinformación, gobernanza, y todavía estamos lejos de comprender plenamente el alcance de estas tecnologías. 

Pero también sería un error subestimar la velocidad y profundidad de los cambios que estamos empezando a ver. Hace apenas unos años, los modelos más avanzados apenas podían mantener conversaciones coherentes. Hoy empiezan a producir contribuciones que matemáticos de primer nivel consideran originales y valiosas. 

Por ello, quizás la pregunta relevante ya no sea si la inteligencia artificial tendrá impacto sobre el desarrollo. La pregunta es si seremos capaces de orientarla hacia los grandes desafíos colectivos que todavía no hemos logrado resolver. 

En ese sentido, vale especialmente la pena ver el documental The Thinking Game, que sigue durante cinco años el trabajo del laboratorio DeepMind y de su fundador Demis Hassabis https://youtu.be/d95J8yzvjbQ?si=o_F5egYNpytVW32a. El documental muestra algo importante y que es que muchos de los avances más transformadores de la inteligencia artificial no surgieron intentando automatizar tareas, sino tratando de comprender problemas profundamente complejos.  

Realizando un recorrido que va desde sistemas que aprendieron a dominar juegos de estrategia hasta AlphaFold, capaz de abordar el histórico problema del plegamiento de proteínas -un desafío científico que llevaba más de 50 años abierto y cuyo avance terminó contribuyendo a un Premio Nobel, la película muestra que tal vez estamos entrando en una etapa en la que algunos problemas históricamente intratables comiencen, por primera vez, a volverse más abordables. 

En una región marcada por desafíos estructurales persistentes, la verdadera oportunidad podría no estar solamente en usar inteligencia artificial para ganar eficiencia, sino en utilizarla para encontrar soluciones que hasta ahora no habíamos sido capaces de imaginar.