La IA resuelve uno de los siete problemas del milenio: ¿hito histórico o nueva polémica?

La comunidad científica se ha visto sacudida por un anuncio que, de confirmarse, podría entrar en los libros de historia de las matemáticas. OpenAI asegura que uno de sus modelos internos más avanzados ha encontrado una solución al problema de existencia y regularidad de las ecuaciones de Navier-Stokes, uno de los siete célebres problemas del milenio propuestos por el Clay Mathematics Institute.

La magnitud de la afirmación es enorme. Desde que estos desafíos se presentaron en el año 2000, solo uno ha sido oficialmente resuelto: la conjetura de Poincaré, demostrada por Grigori Perelman. Si la propuesta de OpenAI supera el proceso de verificación científica, sería la segunda solución aceptada de la lista.

Sin embargo, el anuncio ha abierto un debate igual de intenso que el logro matemático: ¿quién merece realmente el reconocimiento cuando una IA, investigadores humanos y años de trabajo previo convergen en el mismo resultado?

¿Qué son los problemas del milenio?

Los problemas del milenio son siete cuestiones matemáticas consideradas entre las más difíciles del mundo. Cada una está asociada a un premio de un millón de dólares y, más importante aún, al prestigio de resolver una pregunta que ha resistido décadas de investigación.

En concreto, el problema de Navier-Stokes se centra en unas ecuaciones formuladas en el siglo XIX para describir el movimiento de fluidos como el agua, el aire o los gases. Estas ecuaciones son fundamentales para comprender fenómenos tan diversos como la meteorología, las corrientes oceánicas, la aerodinámica de un avión o el flujo sanguíneo. La cuestión pendiente era determinar si, en determinadas condiciones, un fluido puede desarrollar singularidades extremas, es decir, puntos donde ciertas magnitudes físicas se vuelven infinitas en un tiempo finito.

Según OpenAI, la respuesta sería afirmativa y habría sido demostrada mediante una prueba matemática de 165 páginas acompañada por una formalización completa en Lean, un sistema de verificación matemática asistida por ordenador. No obstante, el reconocimiento oficial está lejos de producirse. El Clay Mathematics Institute sigue considerando el problema abierto y la comunidad matemática deberá revisar durante años cada detalle de la demostración antes de aceptar cualquier conclusión.

¿Cómo se llegó a la solución?

La historia resulta tan llamativa como la propia demostración. Según la compañía, la decisión de abordar el problema se tomó después de tener conocimiento de que otros investigadores podrían estar cerca de resolverlo.

A partir de ese momento, OpenAI puso en marcha una infraestructura extraordinaria: alrededor de 10.000 agentes de inteligencia artificial trabajando de forma coordinada para analizar, explorar hipótesis y desarrollar líneas matemáticas en paralelo. El resultado habría llegado en apenas 88 horas de trabajo continuo y con un coste que la propia empresa reconoce que ascendió a varios millones de dólares.

Más allá de la exactitud o no de la solución, el episodio ilustra un cambio profundo en la forma de investigar. Tradicionalmente, resolver un problema matemático de esta complejidad podía requerir décadas de trabajo humano. Ahora aparece un modelo de investigación basado en enormes capacidades computacionales y miles de agentes colaborando simultáneamente. La pregunta ya no es únicamente qué pueden descubrir las personas, sino qué ocurre cuando las personas disponen de sistemas capaces de explorar millones de posibilidades a una velocidad imposible para cualquier investigador individual.

La controversia

El anuncio provocó reacciones inmediatas dentro de la comunidad matemática. Los investigadores Tristan Buckmaster, de la Universidad de Nueva York, y Levent Alpöge, vinculado a Anthropic, llevaban meses trabajando sobre enfoques relacionados con este mismo problema y sostienen que OpenAI pudo beneficiarse de líneas de investigación muy próximas a las que ellos estaban desarrollando. La empresa rechaza esa interpretación y afirma que ni sus investigadores ni los sistemas utilizados tuvieron acceso al trabajo privado de ambos matemáticos antes de que este fuera público.

Sin embargo, OpenAI reconoce un matiz importante: no puede descartar completamente que información anonimizada procedente del uso de herramientas como Codex por parte de investigadores externos haya contribuido indirectamente al entrenamiento de sus modelos. La compañía insiste en que eso no equivale a utilizar una demostración matemática concreta ni supone apropiarse de resultados ajenos.

La discusión está lejos de cerrarse y, por ahora, ambas versiones continúan enfrentadas.

El papel de dos matemáticos españoles

Entre la polémica ha emergido un detalle especialmente relevante para España. Diversos expertos han señalado que algunos de los avances conceptuales que hicieron posible esta línea de investigación se apoyan en ideas desarrolladas previamente por los matemáticos españoles Diego Córdoba y Luis Martínez-Zoroa.

Según diversas interpretaciones recogidas en el debate científico, buena parte del enfoque utilizado posteriormente por otros equipos parte de conceptos introducidos por estos investigadores. Incluso Charles Fefferman, autor de la descripción oficial del problema para el Clay Mathematics Institute, ha destacado públicamente la importancia de sus aportaciones.

El episodio vuelve a poner sobre la mesa una cuestión recurrente en la ciencia: los grandes descubrimientos suelen asentarse sobre décadas de trabajo previo que rara vez recibe la misma visibilidad que el resultado final.

¿Por qué es importante para la sociedad?

• Ciencia e investigación. La posibilidad de coordinar miles de agentes de IA para abordar problemas matemáticos complejos abre una nueva etapa en la investigación científica. El acceso a capacidad computacional podría convertirse en un factor tan decisivo como el talento o la creatividad individual.
• Autoría científica. Cuando los resultados dependen simultáneamente de modelos entrenados, investigadores humanos y décadas de conocimiento acumulado, surge una pregunta inevitable: ¿cómo debe repartirse el mérito?
• Verificación y confianza. La revisión por pares se enfrenta a un desafío inédito. Validar demostraciones generadas con apoyo intensivo de IA puede exigir nuevos mecanismos de colaboración entre matemáticos y sistemas de verificación formal.
• Competencia tecnológica. El caso también refleja cómo los grandes laboratorios de IA han comenzado a competir en ámbitos que hasta hace poco parecían exclusivos de universidades y centros de investigación.

Conceptos clave

• Problema del Milenio: uno de los siete grandes problemas matemáticos propuestos por el Clay Mathematics Institute, dotados con un premio de un millón de dólares.
• Ecuaciones de Navier-Stokes: modelo matemático que describe el comportamiento de fluidos y gases.
• Formalización en Lean: traducción de una demostración matemática a un lenguaje verificable automáticamente por ordenador.
• Agentes coordinados de IA: múltiples instancias de inteligencia artificial trabajando conjuntamente en tareas complementarias.
• Revisión por pares: proceso mediante el cual expertos independientes evalúan la validez de una investigación antes de considerarla aceptada.