OpenAI ha declarado haber encontrado una solución al Problema de Navier-Stokes, uno de los siete Problemas del Milenio. La compañía ha publicado una demostración analítica y su formalización en Lean, aunque la comunidad matemática aún debe validarla. Este anuncio ha generado controversia debido al trabajo previo de otros matemáticos, planteando interrogantes sobre el mérito del descubrimiento.
OpenAI ha afirmado haber resuelto el Problema de existencia y regularidad de Navier-Stokes, uno de los siete Problemas del Milenio establecidos por el Clay Mathematics Institute y premiados con un millón de dólares. La empresa ha hecho pública tanto la demostración analítica como su formalización en Lean. No obstante, es importante señalar que esto no significa que el problema esté oficialmente resuelto, ya que aún requiere el escrutinio de la comunidad matemática. Antes de este paso, ha surgido una considerable polémica en torno al trabajo previo de matemáticos humanos, lo que ha diluido el mérito del descubrimiento, si es que lo es.
Para llegar a esta teórica solución, OpenAI utilizó un modelo interno que describe como "significativamente más capaz" que el ya potente GPT-6 Astra, y que aún se encuentra en fase de entrenamiento. Los responsables de este proyecto emplearon aproximadamente 10.000 agentes coordinados, trabajando durante 88 horas y consumiendo varios millones de dólares en recursos computacionales.
OpenAI no seleccionó este problema de forma arbitraria. Tristan Buckmaster, matemático de la Universidad de Nueva York, y Levent Alpöge, matemático en Anthropic, llevaban meses logrando avances significativos en problemas relacionados. Ellos, a su vez, no partieron de cero, sino que su investigación continuaba una línea iniciada por los matemáticos españoles Diego Córdoba y Luis Martínez-Zoroa.
La ciencia progresa de esta manera: quienes buscan soluciones se apoyan en conocimientos y avances previos. Esto es precisamente lo que hizo OpenAI, que reconoce haber empezado a abordar este Problema del Milenio al percatarse de los importantes progresos de Anthropic. Aprovechar conocimientos públicos o líneas de investigación prometedoras no es irregular y tampoco constituye "hacer trampas".
Sin embargo, ha surgido una controversia. Buckmaster y Alpöge habían empleado herramientas de inteligencia artificial, incluido Codex, en su investigación. De hecho, Buckmaster emitió un comunicado sugiriendo la posibilidad de que OpenAI se hubiera beneficiado de esas sesiones privadas. La compañía lo niega, asegurando que ni sus investigadores ni sus agentes tuvieron acceso a sus prompts, demostraciones o trabajo privado antes de su publicación. Hasta la fecha, no existen pruebas de que OpenAI "indagara" en sus conversaciones para hallar la solución, por lo que esa acusación carece de fundamento probado.
Lo que ocurrió exactamente no está claro. OpenAI sí indica que, aunque lo considera improbable, no puede descartar que "datos anonimizados" derivados del uso que Buckmaster y Alpöge hicieron de Codex pudieran haber contribuido a la mejora de sus modelos. Esto no implica que el modelo fuera entrenado con su demostración ni que pudiera recuperarla, pero sí sugiere que, por el momento, no está definida la línea entre el uso privado de una herramienta de IA y el aprendizaje que los modelos suelen obtener de esas conversaciones anonimizadas.
En cuanto al reconocimiento del mérito, Buckmaster afirma que Sébastien Bubeck, de OpenAI, le propuso participar en la publicación del nuevo resultado excluyendo a Alpöge, quien trabaja para Anthropic. Buckmaster critica la manera en que se desarrollaron esas conversaciones. Según Bubeck, la situación fue diferente: no pretendían excluir a Alpöge, y la discusión se centraba en quién podría participar en una posible publicación de la demostración generada por el modelo de OpenAI. El desacuerdo persiste.
Que un laboratorio de IA se entere de la existencia de una línea de investigación prometedora y destine miles de agentes de IA para resolverla se está volviendo común. No obstante, esto requiere inversiones económicas enormes y plantea un dilema singular: ahora lo crucial no es solo tener una buena idea, sino también disponer de la capacidad computacional necesaria para finalizar la resolución del problema.
