OpenAI afirma que su IA ha resuelto más de 100 problemas matemáticos, pero aún falta demostrar qué significa resolverlos
OpenAI asegura que un modelo de inteligencia artificial desarrollado internamente ha resuelto más de 100 problemas matemáticos abiertos en apenas unas semanas. La compañía presenta el resultado como un avance extraordinario para la investigación científica, aunque también ha reavivado un debate esencial: una respuesta formalmente correcta, ¿equivale siempre a una solución matemática plenamente comprendida?
El anuncio incluye una demostración relacionada con las ecuaciones de Navier-Stokes, uno de los siete Problemas del Milenio del Clay Mathematics Institute. Sin embargo, todavía no se conocen todos los detalles de los más de cien problemas supuestamente resueltos ni existe una evaluación independiente que permita confirmar el alcance de esas afirmaciones.
Una IA entrenada para investigar matemáticas
El modelo habría sido entrenado desde el pasado 28 de agosto con el objetivo de trabajar en problemas de investigación matemática. A diferencia de los sistemas diseñados para resolver ejercicios escolares o generar código, este tipo de inteligencia artificial intenta proponer conjeturas, construir demostraciones y explorar caminos que podrían llevar a nuevos resultados.
OpenAI sostiene que el sistema ha encontrado soluciones para más de 100 problemas abiertos, algunos de ellos pendientes desde hace años. La empresa, no obstante, no ha publicado por ahora una relación detallada de esos problemas, sus demostraciones completas ni informes elaborados por expertos ajenos al proyecto.
Ese punto es especialmente importante en matemáticas. Una solución no se considera aceptada únicamente porque un modelo la genere o porque parezca razonable: debe poder revisarse, comprobarse y, en muchos casos, someterse al escrutinio de especialistas durante meses o años.
Qué plantea el problema de Navier-Stokes
Las ecuaciones de Navier-Stokes describen cómo se mueven los fluidos, desde el agua y el aire hasta otros líquidos y gases. El problema del Milenio relacionado con ellas intenta determinar si, partiendo de unas condiciones iniciales suficientemente regulares, las soluciones permanecen siempre suaves o pueden desarrollar una singularidad.
Una singularidad es una situación matemática en la que determinadas magnitudes crecen sin límite en un tiempo finito. En términos intuitivos, las ecuaciones dejarían de ofrecer una evolución regular y aparecería un comportamiento extremo cuya existencia o ausencia lleva décadas sin resolverse.
A principios de septiembre, OpenAI presentó una demostración acompañada de una formalización en Lean. Lean es una plataforma informática que permite expresar una prueba matemática mediante reglas formales y comprobar paso a paso que cada conclusión se deriva correctamente de las anteriores.
La diferencia entre cumplir el enunciado y responder a la gran pregunta
La propuesta de OpenAI se centra en unas formulaciones concretas del problema, identificadas como C y D. Estas versiones permiten introducir una fuerza externa suave. El modelo parte de un fluido en reposo y aplica una fuerza diseñada de manera específica hasta provocar la aparición de una singularidad.
Desde el punto de vista formal, esta estrategia no incumple necesariamente el enunciado. Las formulaciones oficiales contemplan la posibilidad de trabajar con fuerzas externas y la demostración explica el procedimiento utilizado. El matiz está en qué pregunta se considera realmente relevante.
Muchos investigadores esperaban saber si las propias ecuaciones podían generar una singularidad sin recurrir a una fuerza externa diseñada expresamente para producirla. La demostración presentada por OpenAI no responde a esa cuestión concreta, aunque sí aborda una de las alternativas incluidas en la formulación oficial.
Ahí aparece la principal controversia: ajustarse a una interpretación válida del problema no siempre coincide con resolver la cuestión física o matemática que la comunidad considera más profunda. El resultado puede ser correcto desde el punto de vista técnico y, al mismo tiempo, dejar abierta parte del debate que motivó la investigación original.
Una prueba verificable no siempre es una prueba comprensible
La formalización en Lean aporta una garantía relevante. Si el código está correctamente construido y se utilizan axiomas aceptados, el sistema puede comprobar que la demostración no contiene determinados errores lógicos. Esto reduce el riesgo de que una prueba aparentemente convincente esconda un salto injustificado.
Pero la verificación automática tiene límites. Que una máquina confirme una larga cadena de pasos no significa que los matemáticos comprendan con facilidad la idea central, por qué funciona o qué consecuencias tiene. Una demostración puede ser correcta y, aun así, resultar opaca para las personas.
Esta diferencia será cada vez más importante a medida que los sistemas de IA produzcan pruebas más extensas y especializadas. La comunidad científica no solo necesita saber si un resultado es cierto, sino también qué principios lo explican y si puede reutilizarse para resolver otros problemas.
El proceso de validación todavía no ha terminado
El Clay Mathematics Institute ha señalado que la solución parece abordar el problema, pero también ha recordado que la evaluación de una demostración de esta complejidad requiere tiempo. No existe, por tanto, una confirmación definitiva de que Navier-Stokes haya quedado resuelto en el sentido aceptado por la comunidad matemática.
OpenAI ha indicado además que no pretende reclamar el premio de un millón de dólares asociado a los Problemas del Milenio. La compañía prepara la colaboración con un grupo de asesores independientes para revisar y comunicar mejor sus futuros resultados, aunque sus recomendaciones no serán vinculantes.
El anuncio marca un posible cambio de escala en el uso de la IA para la investigación matemática, pero también recuerda que generar una respuesta es solo el primer paso. Para que una inteligencia artificial pueda afirmar que ha resuelto un problema, será necesario demostrar que la solución es correcta, que responde al núcleo de la pregunta y que puede ser examinada y comprendida por otros investigadores.
