La IA acelera una posible solución al problema de Navier-Stokes y desata una crisis sobre el trabajo intelectual
La inteligencia artificial puede haber dado con una solución para uno de los siete Problemas del Milenio, pero el avance llega acompañado de una fuerte polémica sobre los límites de la carrera tecnológica. La comunidad matemática todavía debe verificar la demostración y, mientras tanto, 25 medallistas Fields han advertido de que el actual modo de actuar de los laboratorios de IA amenaza la forma en la que se construye y se valida el conocimiento.
El caso gira en torno al problema de existencia y suavidad de las ecuaciones de Navier-Stokes. Estas ecuaciones describen el movimiento de fluidos como el agua o el aire y son fundamentales para entender fenómenos que van desde la turbulencia hasta la aerodinámica. La cuestión abierta consiste en demostrar si sus soluciones se mantienen siempre regulares o si pueden aparecer puntos de comportamiento infinito o singular.
El Clay Mathematics Institute incluyó este reto entre sus siete Problemas del Milenio y ofreció un premio de un millón de dólares por una solución válida. Hasta ahora, solo uno de esos siete problemas había sido resuelto oficialmente.
Una demostración generada con miles de agentes
El matemático Tristan Buckmaster, de la Universidad de Nueva York, y el investigador de Anthropic Levent Alpöge llevaban meses trabajando en el problema y habían logrado avances a partir de resultados previos de Diego Córdoba y Luis Martínez-Zoroa. En ese contexto, descubrieron que OpenAI había puesto en marcha un sistema para intentar completar la demostración.
La empresa asegura que comenzó a trabajar en el problema el 1 de septiembre, después de recibir rumores de que podía haber sido resuelto. Para ello habría utilizado un modelo todavía no presentado públicamente y una arquitectura basada en unos 10.000 agentes coordinados.
En inteligencia artificial, un agente es un sistema capaz de dividir una tarea compleja en pasos, proponer soluciones, comprobar resultados y colaborar con otros agentes. En este caso, el conjunto habría trabajado durante 88 horas y generado alrededor de 300.000 millones de tokens, las unidades de texto que utilizan los modelos para procesar y producir información.
El coste de computación estimado ascendería a 22,5 millones de dólares. OpenAI publicó finalmente una prueba que presenta como solución al problema, aunque su validez no está confirmada por la comunidad matemática. En matemáticas, una demostración no se considera aceptada únicamente porque un modelo o una empresa la publique: debe ser revisada, comprendida y reproducida por especialistas independientes.
La disputa por los avances previos
La controversia no se centra solo en si la prueba es correcta. Buckmaster pidió explicaciones a OpenAI sobre el proceso y, según su versión, recibió respuestas poco claras. También denunció presiones para apartar de la conversación a Alpöge por su relación profesional con Anthropic.
OpenAI niega haber consultado el trabajo de Buckmaster antes de publicar su propia demostración. Sin embargo, reconoce que no puede descartar por completo que parte de esa información llegara a sus sistemas a través del uso que el matemático hizo de Codex, su herramienta de asistencia para programación y razonamiento técnico.
El episodio pone sobre la mesa una cuestión cada vez más relevante: cómo utilizan las empresas las conversaciones y los materiales introducidos por investigadores en sus productos. También plantea quién debe recibir el reconocimiento cuando una IA completa una idea que parte de meses o años de trabajo humano.
Los matemáticos alertan de una amenaza más amplia
La carta firmada por 25 de las figuras más destacadas de las matemáticas no presenta la inteligencia artificial como un enemigo. Su crítica se dirige a la estrategia de publicar resultados a toda velocidad para ganar visibilidad y ventaja frente a otros laboratorios.
Los firmantes consideran que esa dinámica puede provocar atribuciones incorrectas, apropiación de avances ajenos y demostraciones imposibles de evaluar con rigor. Una prueba que nadie entiende de principio a fin puede ser técnicamente correcta, pero difícilmente se convierte en conocimiento útil para el resto de la comunidad.
El problema es especialmente delicado en matemáticas porque las demostraciones no solo deben ofrecer una respuesta, sino explicar por qué esa respuesta es válida. Los modelos de lenguaje pueden generar cadenas de razonamiento aparentemente convincentes, pero también cometer errores sutiles, introducir pasos no justificados o apoyarse en resultados inexistentes.
Los expertos advierten además de que lo ocurrido puede anticipar conflictos similares en otras áreas. La investigación científica, el periodismo, la programación, el diseño o la creación literaria también podrían verse afectados si las empresas priorizan el lanzamiento de resultados sobre la trazabilidad, la revisión y el reconocimiento del trabajo previo.
El riesgo de que la ciencia deje de compartir
Una de las consecuencias más preocupantes sería que los investigadores dejaran de compartir avances preliminares por miedo a que una compañía con más recursos los incorporase a sus sistemas y publicase antes una respuesta. La ciencia moderna se ha desarrollado sobre la circulación de ideas, la crítica entre pares y la posibilidad de que otros equipos revisen y mejoren los resultados.
Si la carrera por ser el primero sustituye a esos mecanismos, el incentivo puede cambiar radicalmente. Los matemáticos podrían ocultar sus progresos, limitar el uso de herramientas de IA o evitar introducir información sensible en asistentes capaces de reutilizarla durante el entrenamiento o la mejora de sus modelos.
La solución pasa por establecer reglas claras sobre el uso de conversaciones de investigación, exigir periodos razonables de revisión antes de anunciar grandes descubrimientos y garantizar una atribución transparente. La inteligencia artificial puede ampliar enormemente la capacidad de cálculo y exploración, pero no debería convertir la velocidad en el único criterio de éxito científico.
