La enseñanza de la Física universitaria frente a la inteligencia artificial

Hay que reconocer que la IA generativa ya ha ganado la batalla de la computación. En problemas estructurados, axiomáticos y de programación, los LLMs son imbatibles. Sin embargo, desde la universidad, debemos reivindicar el Slow learning frente al Deep Learning.

En grados generalistas, como los científicos puros y en especial el Grado en Física (la filosofía del mundo natural), mientras la IA practica un aprendizaje fútil, el estudiantado necesita tiempo para que los conceptos sedimenten y consoliden.

Muchos conceptos sesudos de Física avanzada, como la entropía o la curvatura del espacio-tiempo, requieren un tiempo de incubación y disociar ideas preconcebidas. Sin esa espera incómoda frente al papel en blanco, el modelo mental no se asienta.

Por supuesto, los semestres cerrados de quince semanas lectivas constriñen esa maduración, pero quizás el desafío sea priorizar la profundidad sobre la extensión de contenidos. Del mismo modo, el futuro de la evaluación continua no será el problema-tipo, sino la pregunta conceptual que obliga a estimar, como los problemas de Fermi, a estresar el sentido común con las paradojas físicas, o a diferenciar entre el error experimental espurio, sistemático, del imponderable.

Por qué la IA aún falla en Física

En un reciente estudio (Nature 649, 1139–1146 (2026))se confirma que la Física es una de las áreas donde la IA muestra un bajo rendimiento sistémico, lo que subraya que la capacidad de «pensar» de la IA aún no iguala la frontera del conocimiento humano experto en esta disciplina. La IA todavía tiene un largo camino para integrar la visión con el razonamiento físico.

Dominar la Física de vanguardia requiere una síntesis no trivial de información y experiencia directa en investigación, algo que los modelos actuales no pueden replicar simplemente «recordando» sus datos de entrenamiento. En tareas académicas complejas, más computación no siempre garantiza la respuesta correcta, sugiriendo que la dificultad de la Física para la IA no es solo una cuestión de potencia de cálculo, sino de la calidad del razonamiento subyacente.

Resolución vs. entendimiento en la enseñanza de la física

En la enseñanza de la Física siempre nos enfrentamos a que el estudiante inexperto confunde resolver la ecuación con entender el fenómeno, pero esto se acentúa con el uso de la propia IA. La IA permite encontrar una respuesta sin esfuerzo, pero la ciencia real requiere esfuerzo, duda, ensayo y error; incluso experimentos fallidos. Existen estudiantes tan concentrados en que una ecuación cuadre que son incapaces de ver que el resultado es físicamente imposible, aunque matemáticamente sea correcto.

La IA a menudo padece este efecto túnel: es tan eficiente siguiendo una estructura lógica que ignora la realidad física circundante.

Ante un dato anómalo en el laboratorio, el estudiante inquieto se puede preguntar: «¿Y si la ley está mal?». La IA responderá: «Esto es estadísticamente improbable; lo corregiré para que encaje con lo que ya sé».

La intuición física como motor de la creatividad disruptiva

Mientras la matemática es un campo de estudio cerrado y autorreferencial, la Física es abierta y fenomenológica.

La IA clava la matemática porque la matemática es lenguaje puro. En cambio, la Física usa el lenguaje matemático, además del visual y kinestético, para describir la realidad material.

El físico maneja este salto con desorden intuitivo y precisamente este erratismo es su ventaja creativa. La creatividad disruptiva permitió a Hopfield (Premio Nobel de Física-2024 y padre de las redes neuronales) vincular espines con memoria. Un pensador disruptivo humano (físico/a) es capaz de romper un paradigma al sentir una disonancia cognitiva entre la teoría y su intuición del mundo natural. La IA más avanzada imita esa disonancia mediante una optimización de respuesta, aunque siempre termina con una especulación (alucinación).

El valor del grado en Física

Mientras enseñamos, hemos de hacer apología de la serendipia en nuestros estudiantes. La IA no puedo tener un momento EUREKA mientras procrastina porque no practica un segundo plano mental. Si mañana las leyes de la Física cambiaran ligeramente en el mundo real, la IA seguiría defendiendo las antiguas leyes con la misma seguridad hasta que alguien subiera un nuevo PDF a la nube. El estudiante ha de saber contemplar, divagar, improvisar y aplicar el pensamiento divergente.

Defendamos el valor del título universitario de Física, frente al autoaprendizaje basado en IA. El Grado en Física debe ser el refugio de la semántica científica antes que resignarse a enseñar la sintaxis del universo.