OpenAI ha anunciado que uno de sus modelos internos de inteligencia artificial, apoyado por un enjambre de aproximadamente 10.000 agentes autónomos, logró resolver en solo 88 horas un problema matemático que llevaba 90 años sin demostración completa: una parte de las ecuaciones de Navier-Stokes, que describen el comportamiento de los fluidos y la turbulencia. La compañía calificó el logro de «hito» para sus capacidades matemáticas, pero el anuncio ha desatado una fuerte controversia por acusaciones de plagio.
Qué son las ecuaciones de Navier-Stokes y por qué importan
Las ecuaciones de Navier-Stokes describen cómo se mueven los fluidos —desde el aire alrededor de un avión hasta el agua en una tubería— y forman parte de los siete «Problemas del Milenio» del Clay Mathematics Institute, cada uno con un premio de 1 millón de dólares para quien logre demostrarlo formalmente. Durante nueve décadas, aspectos clave de estas ecuaciones carecieron de una demostración matemática rigurosa, especialmente en todo lo relacionado con la turbulencia, un fenómeno físico que los científicos aún no comprenden del todo.
Según OpenAI, su solución resuelve dos de las cuatro afirmaciones que exige el Instituto Clay para validar completamente la demostración. La empresa ha aclarado que no busca reclamar el premio del millón de dólares con este resultado, sino «informar sobre el progreso sustancial» de sus modelos de IA.
Cómo lo hizo la IA: 10.000 agentes y 130.000 millones de tokens
A finales de agosto, OpenAI comenzó a entrenar un nuevo modelo interno —todavía no disponible públicamente— que mostró rápidamente una aptitud inusual para las matemáticas avanzadas. Tras conocer rumores de que dos de los problemas del Milenio habían sido resueltos, la compañía puso a trabajar a miles de bots de IA entrenados con ese modelo sobre los problemas restantes.
En aproximadamente 88 horas, los agentes de IA intercambiaron casi 3 millones de mensajes y generaron 130.000 millones de tokens de salida solo para abordar el problema de Navier-Stokes. Se estima que el esfuerzo de cómputo habría costado alrededor de 10 millones de dólares, según los precios que la propia OpenAI aplica a sus modelos más avanzados.
Las acusaciones de plagio que empañan el anuncio
El mismo día del anuncio, pero horas antes, el matemático Tristan Buckmaster (Universidad de Nueva York) denunció que él y su colega Levent Alpöge —investigador de Anthropic, empresa rival de OpenAI— llevaban tiempo trabajando en la misma demostración usando la herramienta Codex de OpenAI.
Buckmaster afirmó haber descubierto el 3 de septiembre que «la información sobre nuestro progreso se había transmitido a OpenAI», y aseguró que la compañía no empezó a trabajar en las ecuaciones hasta después de que esos datos llegaran a su conocimiento. Publicó fragmentos de correos electrónicos como respaldo de sus dudas sobre los plazos y métodos de OpenAI.
OpenAI respondió calificando el trabajo «simultáneo» de Buckmaster y Alpöge como «extraordinario», y negó haber accedido a ningún trabajo de los investigadores «por ningún medio hasta que lo publicaron». Sin embargo, la empresa matizó: «Si bien es improbable, no podemos descartar que los datos anonimizados derivados del uso que hacen de nuestros productos hayan contribuido a mejorar nuestros modelos», aunque insistió en que las pruebas y los resultados comprobados «difieren significativamente».
Qué son los Problemas del Milenio y por qué son el «Everest» de las matemáticas
El Instituto Clay de Matemáticas planteó en el año 2000 siete problemas considerados los más importantes y difíciles sin resolver en la disciplina, cada uno con una recompensa de un millón de dólares. Desde entonces, solo uno —la conjetura de Poincaré— ha sido resuelto formalmente, por el matemático ruso Grigori Perelman en 2003, quien sorprendió al mundo académico rechazando tanto el premio en metálico como la prestigiosa Medalla Fields.
Los otros seis problemas —entre ellos la hipótesis de Riemann, P versus NP y las propias ecuaciones de existencia y suavidad de Navier-Stokes— siguen abiertos. Que un sistema de inteligencia artificial afirme haber avanzado de forma sustancial en uno de ellos no es un detalle menor: durante décadas, estos problemas han sido terreno exclusivo de matemáticos humanos con formación de posgrado y años, a veces décadas, dedicados a un solo enunciado. Si la demostración de OpenAI resiste el escrutinio de la comunidad matemática, supondría uno de los primeros casos documentados en que un sistema de IA contribuye de forma significativa a resolver un problema de esta magnitud histórica.
El contexto: la carrera de las IA por demostrar razonamiento matemático avanzado
Hasta hace relativamente poco, los modelos de lenguaje tenían un desempeño mediocre en matemáticas de nivel avanzado: cometían errores básicos de aritmética, «alucinaban» pasos de demostraciones inexistentes y fallaban sistemáticamente en problemas de olimpiada. Ese panorama ha cambiado con rapidez en los últimos dos años, a medida que empresas como OpenAI, Google DeepMind y Anthropic han apostado por modelos de razonamiento capaces de dedicar más «tiempo de pensamiento» antes de responder, en lugar de generar texto de forma puramente predictiva.
Este episodio se enmarca en esa competencia directa: cada compañía busca ser la primera en demostrar que su tecnología puede igualar —o superar— el razonamiento matemático humano en su forma más exigente. Un resultado como el que reivindica OpenAI funciona, además de como un logro científico, como una potente pieza de comunicación corporativa: refuerza la narrativa de que sus modelos internos, aún no disponibles públicamente, están muy por delante de lo que el mercado puede probar hoy.
Por qué este caso importa para el futuro de la IA
Este episodio no es solo una disputa académica: refleja la intensa carrera entre las grandes compañías de inteligencia artificial por demostrar quién tiene el sistema más avanzado, especialmente en razonamiento matemático, un terreno donde los modelos de IA han tenido, hasta hace poco, un desempeño limitado. También pone sobre la mesa una pregunta cada vez más relevante: ¿cómo se garantiza la trazabilidad y la propiedad intelectual cuando agentes de IA entrenados con datos de uso de herramientas como Codex pueden «absorber» el progreso de investigadores humanos sin que estos lo autoricen explícitamente?
La solución de OpenAI aún no ha sido verificada de forma independiente ni aceptada públicamente por el Clay Mathematics Institute, por lo que el debate sobre su validez —y sobre su origen— sigue abierto.
Qué dice esta disputa sobre la propiedad intelectual en la era de la IA agéntica
El conflicto entre Buckmaster, Alpöge y OpenAI pone sobre la mesa un problema que trasciende este caso concreto. Cuando un investigador usa una herramienta comercial de IA —como Codex, el asistente de programación de OpenAI— para avanzar en su propio trabajo, ¿quién es dueño del conocimiento generado durante ese proceso? ¿La empresa que provee la herramienta puede, aunque sea de forma indirecta o «anonimizada», beneficiarse de los patrones de uso de sus clientes para entrenar o guiar a sus propios modelos internos hacia el mismo objetivo?
OpenAI ha insistido en que no accedió al trabajo de Buckmaster y Alpöge «por ningún medio hasta que lo publicaron», pero al mismo tiempo reconoce que no puede descartar por completo que datos de uso anonimizados hayan influido en sus modelos. Esta ambigüedad es precisamente lo que preocupa a buena parte de la comunidad científica: la falta de transparencia sobre qué datos entrenan a los modelos de IA, y sobre cómo se documenta y verifica su procedencia, dificulta establecer con claridad los límites entre inspiración legítima, coincidencia científica y apropiación indebida de trabajo ajeno.
Este tipo de disputas probablemente se multiplicará a medida que más investigadores usen herramientas de IA comercial como parte habitual de su flujo de trabajo científico. Sin mecanismos claros de trazabilidad —registros verificables de qué modelo entrenó con qué datos y cuándo— será cada vez más difícil dirimir casos como este de forma objetiva, y la confianza en los anuncios de las grandes empresas de IA seguirá dependiendo, en gran medida, de su propia palabra.
Conclusión
El anuncio de OpenAI ilustra hasta qué punto la IA agisntica, cuando se despliega a gran escala con miles de agentes trabajando en paralelo, puede acelerar drásticamente la resolución de problemas científicos complejos. Pero también expone los riesgos de una carrera competitiva sin suficiente transparencia: acusaciones de plagio, falta de verificación independiente y preguntas abiertas sobre cómo se entrenan y qué datos «aprenden» realmente estos sistemas. Será clave observar si el Clay Mathematics Institute valida formalmente el resultado y cómo se resuelve la disputa entre OpenAI y los investigadores que aseguran haber sido la fuente original del avance.
Preguntas frecuentes sobre el caso OpenAI-Navier-Stokes
¿Ganará OpenAI el millón de dólares del Premio del Milenio?
No, al menos no de forma inmediata. La propia empresa ha declarado que no busca reclamar el premio con este resultado. Además, su solución cubre solo dos de las cuatro afirmaciones exigidas por el Clay Mathematics Institute, por lo que la demostración completa sigue incompleta y, sobre todo, sin verificación independiente por parte de la comunidad matemática.
¿Es la primera vez que la IA resuelve un problema matemático de este nivel?
No exactamente, pero sí es uno de los intentos más ambiciosos hasta la fecha. En los últimos años, modelos de razonamiento de distintas compañías han logrado resolver problemas de olimpiadas matemáticas internacionales con medalla de oro, pero abordar directamente un Problema del Milenio —aunque sea de forma parcial— representa un salto de complejidad considerablemente mayor.
¿Qué pasa ahora con la disputa entre Buckmaster y OpenAI?
De momento no hay una resolución pública. Buckmaster ha optado por publicar su versión de los hechos, incluyendo fragmentos de correos electrónicos, mientras OpenAI mantiene que no accedió al trabajo de los investigadores antes de su publicación. Sin un organismo independiente que audite los registros de entrenamiento del modelo interno de OpenAI, es poco probable que el caso se resuelva de forma concluyente en el corto plazo.
¿Por qué cuesta 10 millones de dólares resolver un problema matemático con IA?
El coste no proviene del problema en sí, sino del volumen de cómputo necesario para que miles de agentes de IA generen y evalúen posibles caminos de demostración en paralelo. Con casi 3.000 millones de mensajes intercambiados y 130.000 millones de tokens de salida solo para esta ecuación, el gasto en infraestructura de centros de datos y potencia de procesamiento se dispara rápidamente, incluso para una empresa del tamaño de OpenAI.
Fuente: artículo original de BBC News Mundo, «OpenAI asegura haber resuelto en 88 horas un problema matemático sin respuesta durante 90 años (y las acusaciones de plagio en su contra)».
