La IA de OpenAI y el problema del milenio de Navier–Stokes: qué se resolvió de verdad
El 8 de septiembre OpenAI publicó algo que hace un año sonaba a ciencia ficción: una solución a Navier–Stokes, uno de los siete Problemas del Milenio del Instituto Clay, cada uno con un premio de un millón de dólares.
Hubo mucho ruido y bastantes imprecisiones en redes. Aquí va lo que se sabe, con sus matices.
¿Qué es Navier–Stokes?
Las ecuaciones de Navier–Stokes describen cómo se mueven los fluidos: el agua en una tubería, el aire alrededor de un avión, el humo, los gases. Se usan todos los días en ingeniería, pero desde el siglo XIX nadie había podido demostrar algo básico: si en tres dimensiones sus soluciones siempre se mantienen suaves o si pueden "romperse" y formar una singularidad, un punto donde la velocidad se dispara al infinito.
¿Qué demostró OpenAI?
Que sí pueden romperse. Su sistema produjo una demostración de que un fluido que empieza suave y en reposo, con una fuerza suave aplicada, puede desarrollar una singularidad en tiempo finito mientras su energía se mantiene finita. Eso corresponde a los enunciados C y D de la formulación oficial del problema.
La forma de la solución es casi poética: un vórtice que gira en espiral hacia adentro y se estira como espagueti, haciéndose más delgado y más rápido sin que su energía se dispare.
¿Lo resolvió GPT-6 Astra?
No exactamente, y es un detalle que vale la pena cuidar:- La demostración la encontró un modelo interno de OpenAI que aún no se ha lanzado, más capaz que GPT-6 Astra.
- Trabajó 88 horas con unos 10,000 agentes coordinados en grupos, con ejecución de código y acceso a internet en caché. Intercambiaron 2.7 millones de mensajes y generaron unos 130 mil millones de tokens de salida.
- Después, GPT-6 Astra tardó otras 17 horas en formalizar y verificar la prueba en Lean, un lenguaje donde una computadora revisa cada paso lógico.
Las dudas y la polémica
Que una prueba compile en Lean es una garantía fuerte, pero la comunidad matemática todavía tiene que revisarla a fondo, y el anuncio llegó con polémica:
- Crédito: el matemático Tristan Buckmaster (NYU) y Levent Alpöge, investigador de Anthropic, trabajaban de forma independiente en un resultado relacionado sobre las ecuaciones de Euler. Buckmaster dijo no saber si sus datos se usaron; OpenAI sostiene que sus agentes no tuvieron acceso a ese trabajo.
- Comprensión: Terence Tao, medalla Fields, lo comparó con "ir al cine y saltar de los primeros diez minutos a los últimos diez": tenemos la respuesta, pero no necesariamente el entendimiento. Buckmaster, en cambio, lo llamó el momento "Deep Blue contra Kasparov" de las matemáticas.
- Atribución: veinticinco medallistas Fields firmaron una declaración que critica a las empresas de IA por priorizar la velocidad sobre el entendimiento y el crédito correcto.
Lo que significa más allá de las matemáticas
Hay tres lecciones que aplican directo al mundo de los negocios:
- Muchos agentes coordinados resuelven lo que uno solo no puede. El resultado no salió de un chat, salió de miles de agentes trabajando días con reglas de coordinación.
- La verificación es tan importante como la respuesta. La prueba vale porque una herramienta independiente revisó cada paso. En una empresa, el equivalente es que las cifras salgan de la base de datos y cada acción quede en una bitácora.
- Que la IA llegue a la respuesta no reemplaza que tu equipo la entienda. La supervisión humana no es un estorbo, es lo que vuelve útil el resultado.
En Agentik diseñamos operaciones con esa misma lógica: agentes que hacen el trabajo, verificación automática y personas que deciden. Agenda un diagnóstico.
Fuentes: OpenAI: On the Navier–Stokes Millennium Prize Problem · Quartz · Axios: la polémica por el crédito · The Brighter Side of News · Wikipedia: Problemas del Milenio