El artículo analiza la integración de los modelos de lenguaje grandes (LLM) en la investigación matemática, evaluando si su adopción generará una era de descubrimiento acelerado o una degradación de la actividad científica humana. El autor, Francesco Maggi, argumenta que la realidad será una mezcla de ambos escenarios: el aumento de la productividad a corto plazo y la posible erosión de la independencia intelectual a largo plazo. Se destaca que, aunque los LLM son eficaces en la generación de pruebas formales en asistentes como Lean, su traducción a lenguaje natural resulta confusa y requiere una interpretación humana intensiva, lo que plantea la pregunta fundamental de por qué estudiar matemáticas si las máquinas pueden probar teoremas. El texto enfatiza que la matemática es un artefacto humano con raíces biológicas y culturales, y que sin comprensión humana, no existe matemática humana. Además, se critica la falta de escepticismo científico ante los logros de la IA, recordando que el método científico exige definiciones precisas y evidencia empírica. Se discuten las limitaciones de la creatividad de los LLM, su dependencia de la riqueza de la literatura existente y la necesidad de liderazgo político y científico para definir cómo se integran estas herramientas. Finalmente, se introduce el concepto de 'matematización' como una función matemática humana irreducible a la demostración de teoremas, citando a figuras como Newton, Fourier y Grothendieck, y concluye que la sociedad necesita más matemáticos, no menos, para mantener la relevancia cultural y científica de la disciplina.
