OpenAI anunció el 8 de septiembre que un modelo interno sin nombre público —descrito como «significativamente más capaz que GPT-6 Astra»— ha producido una prueba matemática formal que resuelve el Problema de existencia y suavidad de Navier-Stokes, uno de los siete Problemas del Milenio del Instituto Clay. Si la prueba supera la revisión independiente de la comunidad matemática, sería solo el segundo Problema del Milenio resuelto en la historia, 23 años después de que Grigori Perelman resolviera la Conjetura de Poincaré en 2003.
El problema lleva sin resolverse aproximadamente 90 años. Las ecuaciones de Navier-Stokes describen el movimiento de fluidos —cómo se mueve el agua, el aire, cualquier gas o líquido— y la pregunta era si siempre tienen soluciones suaves y continuas, o si bajo ciertas condiciones pueden desarrollar singularidades (puntos donde las ecuaciones «estallan»). La IA de OpenAI argumenta que pueden: encontró una configuración específica en la que un vórtice se aprieta y gira cada vez más rápido —lo que los matemáticos llaman blowup en tiempo finito— mientras la energía del fluido permanece acotada. La prueba está formalizada en Lean, un lenguaje de verificación matemática formal que puede comprobarse automáticamente. Si el verificador de Lean acepta el certificado, la demostración es correcta sin ambigüedad. Hay una matización crucial que los titulares tienden a enterrar: la solución cubre dos de los cuatro enunciados que el Premio del Milenio exige para dar el problema por completamente cerrado. No es resultado menor —estos dos enunciados son el núcleo de lo que llevaba décadas sin demostración formal—, pero tampoco es el cierre definitivo. OpenAI lo reconoce: ha declarado explícitamente que no reclamará el Premio del Milenio por este resultado.
¿Qué recursos usó OpenAI para llegar aquí?
Diez mil agentes de IA trabajando en paralelo durante 88 horas, con costes de compute que según el Wall Street Journal se cuentan en millones de dólares. No es algo que un laboratorio universitario pueda reproducir mañana.
Para entender la escala: el modelo primero atacó una versión simplificada del problema —la ecuación de Euler forzada en lugar de Navier-Stokes completa— usando 1.000 agentes durante 50 horas. Cuando el resultado fue prometedor, escaló al problema completo con los 10.000 agentes. El sistema produjo también 249 páginas de argumentos matemáticos y 62 páginas de notas de razonamiento paso a paso que permiten a los matemáticos humanos seguir el camino y cuestionar cada decisión.
La racha que OpenAI inició en agosto resolviendo 10 problemas matemáticos sin resolver en décadas ya había señalado que el laboratorio había encontrado en las matemáticas un campo donde sus modelos podían demostrar capacidades verificables. Navier-Stokes es el salto cuantitativo más grande de esa trayectoria: de problemas abiertos por décadas a problemas abiertos por casi un siglo con premio de un millón de dólares en juego.
La controversia con Alpöge y Buckmaster: ¿quién llegó primero a qué?
El mismo 8 de septiembre, el matemático de la NYU Tristan Buckmaster y Levent Alpöge, investigador de Anthropic, publicaron de forma independiente una prueba de blowup en tiempo finito para las ecuaciones de Euler forzadas en 3D —un problema relacionado pero distinto del Navier-Stokes que atacó OpenAI.
La secuencia, según el relato de OpenAI, fue la siguiente: el 1 de septiembre, investigadores de la empresa oyeron un rumor de que dos Problemas del Milenio habían sido resueltos. Pusieron su sistema a trabajar en los que quedaban. El 6 de septiembre completaron la prueba de Navier-Stokes y la verificación en Lean. Entonces contactaron con Alpöge y Buckmaster para ofrecerles un anuncio conjunto, y fue en ese momento cuando descubrieron que los trabajos no eran sobre el mismo problema.
OpenAI ha reconocido formalmente la prioridad del trabajo de Alpöge y Buckmaster sobre las ecuaciones de Euler. La pregunta que varios matemáticos están formulando en público es si el sistema de OpenAI tuvo acceso —de alguna forma que la empresa no puede descartar con certeza— a la línea de trabajo de los investigadores antes de que la publicaran. OpenAI afirma que el sistema no accedió a ningún trabajo externo antes de su publicación pública, pero la coincidencia de fechas y enfoques genera preguntas legítimas sobre la metodología de divulgación responsable cuando se trabaja con modelos de este nivel.
Llevamos cubriendo los avances de la IA en matemáticas desde que DeepMind publicó AlphaProof con resultados en la Olimpiada Matemática Internacional, y el patrón que hemos observado en la Declaración de Leiden, donde 130 matemáticos advirtieron sobre los riesgos de la IA en su campo, es exactamente esto: el problema no es si la IA puede hacer matemáticas, sino quién tiene el poder de elegir qué preguntas atacar y quién se lleva el crédito cuando los resultados coinciden con el trabajo de investigadores independientes.
Qué significa para la ciencia y qué no significa
El resultado de Navier-Stokes tiene consecuencias físicas concretas. Las ecuaciones son el modelo más usado para simular fluidos en ingeniería, diseño de aviones, modelado climático y medicina. Saber que bajo ciertas condiciones las ecuaciones producen singularidades —comportamientos físicamente imposibles en la realidad— indica que el modelo matemático tiene límites. Esto no invalida las ecuaciones para la mayoría de aplicaciones prácticas; significa que los físicos necesitan entender en qué régimen los efectos de blowup son relevantes.
El modelo que resolvió Navier-Stokes no tiene fecha de lanzamiento. OpenAI lo describe como un «modelo interno» disponible solo para investigación. Los avances previos de OpenAI en benchmarks matemáticos de alto nivel como FrontierMath mostraban la trayectoria, pero ninguno había llegado a este nivel de resolución de un problema abierto de primera magnitud.
Lo que convierte este anuncio en algo más que un headline es la verificación en Lean: a diferencia de anuncios anteriores de «IA resuelve problema matemático», aquí hay un certificado que cualquier sistema de verificación formal puede comprobar automáticamente. La discusión ya no es sobre si el sistema parece convincente; es sobre si el verificador acepta la prueba. Y esa es una pregunta con respuesta objetiva. La controversia con los investigadores independientes, en cambio, no tiene respuesta objetiva fácil, y es la señal más importante de todo el anuncio: a medida que la IA se adentra en la investigación de frontera, las preguntas sobre prioridad y atribución van a seguir apareciendo.
El Clay Mathematics Institute, que gestiona los Problemas del Milenio, no se ha pronunciado oficialmente. El proceso de verificación independiente que precede a la concesión del premio de un millón de dólares puede llevar meses o años, independientemente de que haya verificación en Lean. La historia reciente de afirmaciones de pruebas matemáticas que luego resultaron incompletas justifica esa cautela, aunque la verificación formal en Lean reduce significativamente el margen de error respecto a demostraciones puramente narrativas.
☞ El artículo completo original de Natalia Polo lo puedes ver aquí
No hay comentarios.:
Publicar un comentario