La supuesta solución de OpenAI a Navier-Stokes: qué se sabe y por qué generó rechazo

La afirmación de OpenAI del 8 de septiembre fue extraordinaria: la empresa dijo haber avanzado sobre uno de los problemas abiertos más importantes de las matemáticas. Pero también fue polémica desde el primer momento, porque anunciar una prueba —incluso si está acompañada de métodos formales— no equivale a que la comunidad matemática la haya examinado y aceptado de manera independiente.

Qué afirmó OpenAI

OpenAI sostuvo que un sistema interno no publicado produjo una prueba analítica y una formalización en Lean que muestran que un flujo inicialmente suave de Navier-Stokes en tres dimensiones puede desarrollar una singularidad en tiempo finito. Según la empresa, en el trabajo participó un grupo de alrededor de 10.000 agentes concurrentes. 2

En términos sencillos, una singularidad sería un punto en el que una solución inicialmente regular deja de comportarse de forma suave o controlable. Si el resultado resiste la revisión y satisface la formulación oficial, resolvería en sentido negativo la pregunta sobre existencia y suavidad: las soluciones suaves no tendrían por qué seguir siéndolo para todo tiempo.

Por qué Navier-Stokes importa

Las ecuaciones de Navier-Stokes describen el movimiento de los fluidos. Son básicas para el estudio matemático de fenómenos como corrientes de aire y agua, turbulencia y otros flujos; sin embargo, el comportamiento general de sus soluciones tridimensionales sigue siendo poco comprendido, pese a que las ecuaciones se formularon en el siglo XIX. 30

El problema forma parte de los Problemas del Milenio del Clay Mathematics Institute (CMI). Su formulación se refiere a la existencia y suavidad de soluciones de Navier-Stokes en el espacio euclídeo tridimensional. 18 La descripción oficial plantea demostrar que las soluciones suaves y físicamente razonables existen globalmente, o aportar una resolución alternativa que cumpla las condiciones establecidas. 1721

Por eso no se trata simplemente de una demostración de capacidad de una IA. Una solución válida afectaría una cuestión central del análisis matemático y la dinámica de fluidos. Precisamente por su relevancia, el estándar de comprobación es especialmente alto.

Por qué no se aceptó de inmediato como una solución

El 11 de septiembre, el CMI señaló que contemplaba el anuncio de que el problema «aparentemente» había sido resuelto, pero subrayó que el proceso para evaluar el logro y asignar crédito es deliberadamente pausado. 18

Las reglas del instituto establecen tres requisitos antes de considerar una solución propuesta: que se publique en un medio que cumpla los criterios, que transcurran al menos dos años desde esa publicación y que alcance aceptación general en la comunidad matemática mundial. 27 Además, el CMI debe determinar que la propuesta responde satisfactoriamente a la descripción oficial del problema. 20

Lean es un asistente de demostración formal: puede comprobar si una cadena de afirmaciones se sigue de las definiciones y los supuestos codificados. Es una herramienta de verificación muy potente, pero no reemplaza la evaluación matemática independiente. Los especialistas todavía deben comprobar que el teorema formalizado, sus hipótesis y la traducción del problema informal al lenguaje formal resuelven exactamente la cuestión planteada.

El estado más preciso, por tanto, es resultado reclamado y bajo escrutinio, no resultado universalmente aceptado ni certificado para un premio.

La disputa por prioridad y atribución

El anuncio coincidió con una controversia que involucró a Tristan Buckmaster, matemático de la Universidad de Nueva York, y a Levent Alpöge, matemático vinculado con Anthropic. Informaciones periodísticas señalaron que ambos trabajaban en cuestiones relacionadas y que Buckmaster expresó dudas sobre cómo OpenAI llegó a perseguir este problema. 953

Buckmaster también planteó acusaciones de conducta impropia en conversaciones sobre atribución y colaboración. OpenAI rechazó las acusaciones más amplias y afirmó que ni sus investigadores ni sus agentes vieron el trabajo de los matemáticos antes de que se hiciera público, y que no se accedió a datos específicos de usuarios para resolver el problema. 53

Son relatos en disputa, no hechos establecidos. Lo claro es que un anuncio técnico pasó a ser también una discusión sobre quién recibe crédito cuando laboratorios de IA e investigadores humanos trabajan cerca de la misma frontera científica.

Por qué importó la cuestión de los datos

Una cuestión especialmente sensible fue si el trabajo introducido en productos de IA pudo haber contribuido a las capacidades usadas posteriormente en esta investigación. OpenAI dijo que no accedió a los datos específicos de los investigadores para el trabajo sobre Navier-Stokes, pero añadió que no podía excluir por completo que datos desidentificados derivados del uso de sus productos hubieran ayudado a mejorar sus modelos. 59

La distinción puede ser técnicamente relevante, pero deja una pregunta de gobernanza: ¿qué nivel de procedencia, consentimiento y auditabilidad deben esperar los investigadores cuando usan sistemas de IA para trabajo no publicado?

Para quienes trabajan en el ámbito académico, la disputa es un recordatorio de revisar las políticas de datos de una herramienta antes de introducir borradores, conjeturas, código u otros materiales de investigación sensibles.

La advertencia de 25 medallistas Fields

El 11 de septiembre, Terence Tao publicó una declaración titulada A Severe Misalignment of AI in Mathematics («Un grave desalineamiento de la IA en las matemáticas»), con 25 firmantes iniciales, todos ganadores de la Medalla Fields. 43

La declaración reflejaba la preocupación de que las empresas traten problemas célebres sin resolver como métricas públicas de rendimiento o competiciones de publicidad, y no como trabajo intelectual colaborativo. Sus críticos temen que los anuncios apresurados, la exposición incompleta, la atribución insuficiente y los incentivos para adelantarse a otros investigadores reduzcan la voluntad de compartir ideas en fases tempranas.

La advertencia no fue que la IA deba quedar fuera de las matemáticas. Fue que las normas que sostienen el progreso matemático —escrutinio abierto, explicaciones cuidadosas, reconocimiento del trabajo y diálogo— deben protegerse a medida que estos sistemas ganan capacidad.

Qué exigiría una práctica responsable de matemáticas asistidas por IA

La polémica apunta a un estándar práctico para afirmaciones extraordinarias de investigación con IA:

• Pruebas públicas e inspeccionables: una afirmación debe ir acompañada de un manuscrito riguroso y, cuando sea posible, de una formalización verificable por máquina.
• Revisión independiente: la comprobación formal y la evaluación de expertos cumplen funciones distintas; las afirmaciones mayores necesitan ambas.
• Atribución clara: los laboratorios deben documentar el trabajo previo relevante, las contribuciones humanas y los límites del papel desempeñado por el sistema.
• Procedencia de los datos: quienes investigan necesitan compromisos comprensibles sobre si sus interacciones pueden contribuir, y de qué modo, a mejorar modelos.
• Tiempo para deliberar: resolver un gran problema no consiste solo en emitir un resultado de verdadero o falso; también implica establecer qué se demostró, por qué es correcto y cómo encaja en el campo.

En síntesis

El anuncio de OpenAI podría convertirse en un hito de la investigación matemática asistida por IA, pero no zanjó el asunto el día de su publicación. La pregunta decisiva es si la prueba reclamada logrará una aceptación independiente y sostenida conforme a los estándares de la comunidad matemática y del Clay Mathematics Institute. 1827

La reacción crítica mostró por qué ese proceso es esencial. A medida que la IA entra en ámbitos de investigación de alto impacto, la confianza dependerá no solo de lo que los sistemas puedan descubrir, sino también de que esos descubrimientos puedan verificarse, explicarse y atribuirse de forma justa.