Cálculo simbólico frente a modelos de lenguaje: determinismo, validación y control
Ante un problema de cálculo —una integral, una ecuación diferencial, un límite— conviven hoy dos tipos de herramienta: los modelos de lenguaje (los chatbots de propósito general) y los sistemas de cálculo simbólico, los CAS (computer algebra systems). Ambos devuelven un resultado y una explicación, y esa semejanza superficial oculta una diferencia de fondo: el primero genera un texto que se parece a una solución; el segundo ejecuta un algoritmo que la calcula. Este artículo expone, sin ánimo de descalificar a ninguno, qué consecuencias tiene esa diferencia en tres aspectos que en matemáticas no son negociables: la reproducibilidad, la corrección y la posibilidad de comprobar lo que se afirma.
Dos mecanismos distintos. Un modelo de lenguaje es una función que, dado un texto, asigna probabilidades al siguiente fragmento (token) y los va muestreando uno tras otro. Cuando escribe «» no ha evaluado nada: ha estimado que esa continuación es la más verosímil a la vista de las soluciones con las que se entrenó. Un sistema de cálculo simbólico representa la expresión como un árbol y le aplica reglas de reescritura y algoritmos con fundamento demostrado: la factorización de polinomios, la eliminación gaussiana, el algoritmo de Risch para las primitivas elementales, la descomposición en fracciones simples. Su resultado no es probable: es la salida de un procedimiento cuyo comportamiento está especificado y cuya corrección se ha demostrado.
Determinismo y reproducibilidad. De ahí se sigue la primera diferencia práctica. Un motor simbólico es una función en el sentido matemático: la misma entrada produce siempre la misma salida, hoy y dentro de un año, en cualquier máquina. Un modelo de lenguaje muestrea de una distribución, y aunque se fije su «temperatura» a cero la respuesta cambia con la versión del modelo, con el contexto previo de la conversación y hasta con la forma de redactar el enunciado: ln(x)/x y «la integral del logaritmo partido por equis» pueden recibir respuestas distintas. Para estudiar, para corregir o para encadenar cálculos, la reproducibilidad no es un lujo: es lo que permite que dos personas que resuelven el mismo problema obtengan lo mismo y puedan discutir sobre ello.
La naturaleza del error. Ningún sistema es infalible, pero cómo falla cada uno es muy diferente. Cuando un motor simbólico no sabe resolver algo, lo habitual es que lo diga: devuelve la integral sin evaluar o declara que no dispone de un método. Y cuando acierta, acierta por la razón correcta: el teorema de Liouville garantiza, por ejemplo, que no tiene primitiva elemental, y el motor no la inventará. El error característico del modelo de lenguaje es de otro tipo: es plausible. Una cadena de pasos con el aspecto y el vocabulario correctos en la que un signo cambia al pasar de línea, aparece una constante que no estaba o se aplica una identidad que se parece a una verdadera. La fluidez es la misma en el paso correcto y en el incorrecto, porque el modelo no distingue lo que sabe de lo que improvisa; y cuanto más larga es la manipulación algebraica, más probable es que en algún punto se desvíe.
Validación: comprobar en lugar de confiar. La ventaja decisiva del cálculo simbólico es que puede verificar su propio resultado con una operación independiente de la que lo produjo. Una primitiva se comprueba derivándola: es una igualdad simbólica que se decide, no se opina. La solución de una ecuación diferencial se sustituye en la ecuación; el valor de una integral definida se contrasta con una cuadratura numérica; las raíces obtenidas tras elevar al cuadrado se prueban en la ecuación original para descartar las extrañas; una inversa se multiplica por su matriz y debe dar la identidad. Un chatbot al que se le pide «revisa tu respuesta» hace algo distinto: genera otro texto, de la misma naturaleza probabilística que el primero, y puede aprobar con idéntica seguridad un resultado erróneo. La verificación auténtica exige un procedimiento distinto del que se está verificando, y ese procedimiento es un cálculo.
Control y trazabilidad de los pasos. En un motor simbólico la solución paso a paso no es un relato añadido después: cada paso es una transformación real de la expresión —la que el algoritmo aplicó de hecho— y por eso se puede auditar uno por uno, comprobando que la línea se sigue de la . En un modelo de lenguaje el resultado y la explicación se generan juntos, como un mismo texto, y nada obliga a que sean coherentes: no es raro encontrar una explicación que conduce a y un resultado final . La entrada también es distinta. Una expresión formal como x*sin(3x) - ln(x)/x tiene una única lectura, mientras que la lengua natural admite ambigüedades —«el logaritmo de entre al cuadrado»— que el modelo resuelve sin avisar de que ha elegido una.
Qué aporta cada herramienta. Nada de lo anterior convierte a los modelos de lenguaje en inútiles para las matemáticas; los hace inadecuados como calculadora. Son valiosos en lo que un motor simbólico no hace: entender un enunciado redactado en prosa y traducirlo a una expresión formal, sugerir qué método probar, explicar con otras palabras un concepto que no se ha entendido o situar un resultado en su contexto. La combinación natural es, por tanto, la de un intérprete y una calculadora: el modelo conversa y formula; el motor calcula y verifica. Esa división del trabajo —que hoy se está estandarizando mediante protocolos que permiten a un modelo invocar herramientas externas— es la que convierte una respuesta plausible en una respuesta comprobada.
Los límites del cálculo simbólico. Conviene ser igual de claros con las limitaciones del otro lado. Un motor simbólico no demuestra teoremas en general: resuelve problemas de cálculo con un catálogo de métodos, y fuera de él devuelve la expresión sin evaluar. Algunas integrales no tienen forma cerrada y solo admiten un valor numérico; algunas ecuaciones diferenciales solo se resuelven en serie o de manera aproximada. La elección del método es una regla, no una intuición, y a veces el camino elegido es correcto pero no el más elegante. Lo que un CAS garantiza no es la omnisciencia, sino algo más modesto y más útil: que lo que devuelve es lo que ha calculado, y que lo ha comprobado.
En MathOperator. Esta calculadora es un motor de cálculo simbólico con esas propiedades. Cada operador —integrales, derivadas, límites, ecuaciones diferenciales, series, transformadas, matrices— devuelve el resultado junto con los pasos que de verdad lo produjeron; las vías alternativas se contrastan con el resultado de referencia antes de mostrarse, las integrales definidas incluyen su comprobación numérica, las soluciones de una ecuación se sustituyen en ella, y cada paso enlaza con la entrada del blog que demuestra la técnica empleada. La misma entrada devuelve siempre la misma salida, sin registro y sin coste. Cuando lo que se necesita es una respuesta que se pueda comprobar, esa es la diferencia.