IA · 20 de octubre de 2026
OpenAI presenta una posible solución al problema de Navier-Stokes sin comprender su propia demostración
La organización OpenAI ha presentado una posible resolución para uno de los problemas matemáticos no resueltos más famosos, aunque aparentemente no comprende la prueba que ha generado. El documento, que consta de ciento sesenta y seis páginas, fue exhibido a principios de septiembre y aborda las ecuaciones de Navier-Stokes. La entidad afirmó inicialmente que su metodología seguía el enfoque desarrollado por los matemáticos Diego Córdoba y Luis Martínez-Zoroa. Sin embargo, esta afirmación ha sido cuestionada por especialistas en la materia que han analizado el trabajo recientemente.
Diversos grupos de expertos han llegado a conclusiones distintas sobre la naturaleza del aporte. Gonzalo Cao-Labora, matemático de la Escuela Politécnica Federal de Lausana, indicó que, al examinar los detalles, se trata de un enfoque diferente. Según sus palabras, las similitudes con el trabajo de los investigadores españoles son únicamente superficiales. Esta discrepancia sugiere que el sistema de inteligencia artificial podría haber encontrado un camino lógico alternativo que difiere sustancialmente de las estrategias humanas previamente conocidas en este campo específico de la matemática fluida.
La verificación de este hallazgo presenta desafíos únicos debido a su formato técnico. La demostración está codificada en el lenguaje de verificación formal llamado Lean, el cual valida la corrección lógica de cada paso pero no garantiza que el resultado sea comprensible para los seres humanos. Actualmente, el documento se encuentra bajo revisión en el Instituto Clay de Matemáticas. Camillo De Lellis, del Instituto de Estudios Avanzados, comentó que una aclaración definitiva podría ser imposible debido a que los modelos de lenguaje funcionan como cajas negras, lo que dificulta rastrear el origen exacto de las ideas generadas por la máquina.
Existen controversias adicionales respecto a la originalidad de los datos utilizados. Tristan Buckmaster, de la Universidad de Nueva York, expresó sospechas de que la organización se basó en avances previos realizados por él y por Levent Alpöge de Anthropic utilizando modelos de acceso público. OpenAI negó rotundamente haber empleado los datos de Buckmaster. A pesar de las negativas, la opacidad inherente a la tecnología de los modelos de lenguaje dificulta verificar o refutar completamente estas acusaciones de manera concluyente.
El proceso computacional detrás de este logro fue masivo en escala. La organización utilizó aproximadamente diez mil instancias de modelos que operaron durante un total de ochenta y ocho horas de tiempo de cómputo, consumiendo ciento treinta mil millones de tokens. Noam Brown, investigador de la entidad, admitió que permanece incierto qué contribución real aportó este enorme enjambre de agentes a la solución final. Brown atribuye menos del diez por ciento del éxito al enfoque multiagente, señalando que la capacidad del modelo base para procesar tareas en paralelo durante largos periodos fue el factor determinante.
La publicación de estos resultados, junto con otros cuatrocientos hallazgos adicionales liberados a principios de octubre en una colección dispersa de documentos en Github, ha generado malestar en la comunidad matemática. Muchos expertos sienten que esta forma de difusión menosprecia la disciplina. Además, el comportamiento de sistemas a esta escala carece de estudio sistemático, ya que las pruebas comparativas con miles de agentes resultan excesivamente costosas, dejando sin respuesta preguntas sobre la eficiencia real frente a configuraciones más pequeñas.