25 medallistas Fields alertan de una amenaza general para el trabajo intelectual por la carrera de la IA
Veinticinco de los matemáticos más prestigiosos del mundo han reclamado más transparencia y prudencia a las empresas de inteligencia artificial tras la publicación de una posible solución al problema de existencia y suavidad de Navier-Stokes, uno de los siete Problemas del Milenio.
La comunidad matemática todavía debe revisar y confirmar la demostración, pero el caso ya ha abierto un debate sobre la forma en que los laboratorios de IA anuncian sus avances. Los firmantes no cuestionan el uso de estas herramientas, sino una competición empresarial que, a su juicio, puede sacrificar la revisión científica, la atribución del mérito y la comprensión de los resultados.
Una posible solución rodeada de polémica
El problema de Navier-Stokes trata de demostrar si las ecuaciones que describen el movimiento de fluidos, como el agua o el aire, siempre producen soluciones suaves y bien comportadas. Aunque se utilizan desde hace décadas en física e ingeniería, todavía no existe una prueba matemática general que despeje todas las dudas sobre su comportamiento.
El Clay Mathematics Institute incluyó esta cuestión entre sus siete Problemas del Milenio y ofreció un premio de un millón de dólares por cada solución válida. Hasta ahora, solo uno de esos problemas había sido resuelto oficialmente: la conjetura de Poincaré, demostrada por Grigori Perelmán a comienzos de siglo.
En este caso, los matemáticos Tristan Buckmaster, de la Universidad de Nueva York, y Levent Alpöge, investigador de Anthropic, llevaban meses trabajando en avances relacionados con Navier-Stokes. Su investigación continuaba, a su vez, trabajos previos de Diego Córdoba y Luis Martínez-Zoroa.
OpenAI terminó presentando una demostración propia después de poner en marcha una operación de gran escala. La compañía sostiene que comenzó a trabajar en el problema el 1 de septiembre, tras conocer rumores de que podía haberse resuelto, y que utilizó un modelo todavía no anunciado públicamente.
Diez mil agentes y millones de dólares en cálculo
Según la explicación ofrecida por la empresa, el sistema coordinó a 10.000 agentes durante 88 horas. En inteligencia artificial, un agente es un programa capaz de dividir una tarea, realizar pasos de forma autónoma y colaborar con otros agentes o con un modelo principal.
El proceso habría generado 300.000 millones de tokens, las unidades en las que los modelos de lenguaje procesan el texto. Un token puede ser una palabra completa, una parte de ella o un signo. OpenAI calcula que el coste computacional de la operación alcanzó los 22,5 millones de dólares.
La empresa niega haber consultado el trabajo de Buckmaster antes de publicarlo, pero admite 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 programación asistida por IA.
La situación provocó peticiones de explicaciones por parte de Buckmaster. Según el relato de los implicados, las respuestas fueron poco claras y llegaron a incluir advertencias sobre el posible impacto profesional de seguir cuestionando el proceso. También se habría sugerido apartar a Alpöge de la conversación por su relación con Anthropic, una empresa rival de OpenAI.
La protesta no es contra la inteligencia artificial
La carta abierta de los 25 medallistas Fields, el máximo reconocimiento internacional en matemáticas junto con el Premio Abel, no presenta la IA como un enemigo de la investigación. Su crítica se dirige al modo en que las empresas están utilizando estas herramientas para competir por ser las primeras en anunciar un resultado.
Una demostración matemática no es fiable solo porque la produzca un sistema avanzado. Debe ser revisada por especialistas, reproducida, explicada paso a paso y sometida a la crítica de la comunidad. Ese proceso puede durar meses o años, especialmente cuando se trata de un problema abierto durante décadas.
Los firmantes advierten de que publicar resultados sin ese periodo de comprobación puede generar errores, atribuciones injustas o apropiaciones de ideas desarrolladas por otras personas. También subrayan que una prueba que nadie entiende por completo tiene un valor limitado para el progreso científico.
El riesgo de que los investigadores dejen de compartir
El conflicto plantea una consecuencia especialmente delicada. Si los matemáticos perciben que compartir avances con herramientas de IA permite a una empresa con enormes recursos adelantarse y presentar una solución, podrían empezar a ocultar sus trabajos hasta tenerlos completamente cerrados.
Ese cambio afectaría a una de las bases de la ciencia moderna: el intercambio de ideas. Las investigaciones suelen avanzar gracias a que otros especialistas pueden revisar resultados, detectar fallos y construir sobre ellos. Una carrera dominada por la capacidad de cálculo podría sustituir la colaboración por el secretismo.
La carta describe el episodio como una amenaza general para el trabajo intelectual, no limitada a las matemáticas. El mismo problema puede aparecer en la investigación científica, la programación, el periodismo, la música o el diseño: sistemas capaces de producir resultados rápidamente, pero desconectados del propósito, el contexto y el reconocimiento de quienes han aportado las ideas.
Reglas para revisar y atribuir los resultados
Los matemáticos reclaman normas más claras sobre el uso de conversaciones de investigación para entrenar modelos, además de mecanismos que permitan identificar qué información ha llegado a un sistema y cómo se ha utilizado. También piden que las empresas no presenten como descubrimientos consolidados resultados que aún no han sido verificados.
La comunidad matemática ya había expresado preocupaciones similares con la Declaración de Leiden, publicada en junio, que planteaba recomendaciones para instituciones y responsables políticos ante el impacto de las demostraciones generadas por grandes modelos de lenguaje.
La posible solución de Navier-Stokes puede convertirse así en un hito científico, pero también en una prueba para la relación entre inteligencia artificial y conocimiento. La cuestión no es únicamente si una máquina puede encontrar una respuesta, sino si la ciencia está preparada para comprobarla, explicarla y reconocer justamente a quienes hicieron posible llegar hasta ella.
