El avance de OpenAI con el problema de Navier-Stokes abrió un debate sobre la creatividad matemática, el papel humano y los riesgos asociados al desarrollo de inteligencia artificial.
El reciente avance de OpenAI con el problema de Navier-Stokes volvió a colocar a la inteligencia artificial en el centro del debate matemático y científico. Más allá de la demostración presentada por la compañía, el resultado abrió una discusión sobre cuánto pueden avanzar estos sistemas y qué papel conservarán los investigadores humanos en el futuro.
OpenAI informó el 8 de septiembre que un sistema interno de inteligencia artificial produjo una solución al problema de existencia y regularidad de Navier-Stokes, uno de los Problemas del Milenio del Instituto Clay de Matemáticas. La demostración plantea que las ecuaciones que describen el movimiento de los fluidos pueden desarrollar una singularidad en un tiempo finito.
La compañía indicó que los agentes llegaron a su resolución aproximadamente 88 horas después de iniciar el proceso. Posteriormente, la formalización y verificación mediante Lean requirieron otras 17 horas. OpenAI señaló además que durante el trabajo específico sobre Navier-Stokes sus agentes intercambiaron 2.7 millones de mensajes y utilizaron alrededor de 130 mil millones de tokens de salida.
El anuncio provocó una reacción inmediata entre matemáticos, debido a que Navier-Stokes llevaba décadas sin una respuesta aceptada para una de las cuestiones fundamentales que plantea: determinar si soluciones inicialmente regulares pueden permanecer así indefinidamente o desarrollar singularidades.
El resultado también reavivó una pregunta que va más allá de una ecuación: si las inteligencias artificiales son capaces de producir demostraciones de problemas matemáticos extremadamente complejos, ¿qué lugar ocuparán los matemáticos en la investigación científica?
Terence Tao, uno de los matemáticos más reconocidos de la actualidad y ganador de la Medalla Fields, ha planteado precisamente esa preocupación. Para él, el valor de las matemáticas no se limita a llegar a una respuesta, sino que también incluye las ideas, perspectivas y nuevas preguntas que aparecen durante el proceso de investigación.
La discusión se vuelve especialmente relevante porque el sistema de OpenAI no trabajó completamente aislado del conocimiento humano. La compañía explicó que sus agentes exploraron diferentes aproximaciones y posteriormente utilizaron Codex para intercambiar y consolidar las ideas que habían producido los propios grupos.
Además, investigadores como Tristan Buckmaster y Levent Alpöge habían trabajado previamente en resultados relacionados con el problema. Su trabajo y el de otros matemáticos españoles forman parte del contexto científico en el que se desarrollaron las investigaciones recientes sobre estas ecuaciones.
La cercanía temporal entre esos trabajos y el anuncio de OpenAI generó cuestionamientos sobre la procedencia de las ideas utilizadas por la inteligencia artificial. Buckmaster planteó dudas sobre si interacciones previas con herramientas de OpenAI pudieron influir en el resultado.
OpenAI, sin embargo, informó que realizó una investigación interna y concluyó que las instrucciones de Codex proporcionadas por Buckmaster durante los dos meses anteriores al anuncio no pudieron influir en el sistema utilizado para obtener el resultado, incluido mediante entrenamiento. La empresa también sostuvo que las demostraciones presentan diferencias significativas.
El episodio ha provocado un debate más amplio sobre autoría, transparencia y reconocimiento dentro de la investigación científica. Algunos matemáticos consideran que la utilización de sistemas de IA puede ampliar considerablemente la capacidad para explorar problemas, mientras otros cuestionan cuánto de ese avance corresponde a nuevas ideas y cuánto depende de conocimientos desarrollados previamente por investigadores humanos.
La profesora Anima Anandkumar, del Instituto Tecnológico de California, también ha trabajado con inteligencia artificial aplicada a problemas relacionados con las ecuaciones de fluidos. Su equipo utilizó una red neuronal informada por la física, conocida como PINN, para estudiar una versión simplificada del problema.
Este tipo de herramientas funciona de una manera diferente a los modelos de lenguaje convencionales, debido a que incorpora información derivada de las propias leyes físicas dentro del proceso de aprendizaje.
La experiencia muestra que la inteligencia artificial puede utilizarse de distintas maneras dentro de las matemáticas. En algunos casos funciona como una herramienta para acelerar cálculos o explorar posibilidades; en otros, puede participar de manera mucho más activa en la construcción de argumentos matemáticos.
Para algunos investigadores, sin embargo, el diseño de los sistemas continúa dependiendo de una importante intervención humana. Elegir el problema, determinar qué métodos utilizar, construir el modelo y establecer la manera en que debe comprobarse una solución son tareas que requieren decisiones científicas.
Por ello, el debate no se reduce necesariamente a una sustitución de matemáticos por máquinas. Una de las preguntas centrales es cómo cambiará la relación entre investigadores e inteligencia artificial a medida que los modelos sean capaces de realizar tareas que anteriormente requerían años de trabajo especializado.
El propio OpenAI ha presentado su resultado con una consideración importante: la empresa indicó que no pretende reclamar el Premio del Milenio por esta demostración. Esto significa que el anuncio no equivale por sí mismo al reconocimiento oficial de haber resuelto uno de los problemas establecidos por el Instituto Clay.
La controversia tampoco se limita al ámbito académico. El rápido desarrollo de sistemas capaces de actuar mediante agentes autónomos ha generado preocupaciones relacionadas con la seguridad, la ciberseguridad y la capacidad de los seres humanos para mantener el control sobre sistemas cada vez más avanzados.
Yoshua Bengio, uno de los investigadores más influyentes en el desarrollo de la inteligencia artificial moderna, ha advertido que el avance acelerado de esta tecnología requiere mayores medidas de seguridad. En declaraciones recientes, sostuvo que la humanidad podría estar perdiendo capacidad de control sobre algunos desarrollos y pidió considerar mecanismos de protección comparables, en términos de importancia, con los establecidos para otras tecnologías de alto riesgo.
Las preocupaciones aumentaron después de incidentes relacionados con agentes de inteligencia artificial capaces de actuar de manera autónoma. El caso de Hugging Face, ocurrido durante el verano, se convirtió en uno de los ejemplos utilizados para discutir los riesgos de permitir que sistemas de IA tengan acceso a herramientas y recursos externos.
Bengio ha advertido que sistemas suficientemente avanzados podrían llegar a encontrar formas de superar determinadas barreras de seguridad, manipular información o influir en decisiones humanas. Estos escenarios forman parte de un debate internacional que actualmente abarca desde la investigación científica hasta la seguridad informática y la regulación.
La discusión también ha llegado al ámbito político y regulatorio. En septiembre de 2026, OpenAI pidió que Estados Unidos impulse estándares técnicos internacionales para sistemas avanzados de IA, especialmente en materia de seguridad, medición de riesgos y reporte de incidentes.
En el campo de las matemáticas, mientras tanto, el caso Navier-Stokes representa un punto de inflexión en la percepción de las capacidades de estos sistemas. La demostración presentada por OpenAI muestra que una IA puede participar en investigaciones que hasta hace poco eran consideradas exclusivamente humanas, pero también deja abiertas preguntas sobre creatividad, comprensión, autoría y validación.
Para especialistas como Terence Tao, el reto consiste en evitar que el objetivo de obtener una respuesta termine desplazando el valor del proceso intelectual que conduce a ella. Formular nuevas preguntas, establecer conexiones entre áreas y desarrollar conceptos que permitan avanzar hacia otros problemas continúan siendo elementos centrales de la actividad matemática.
La inteligencia artificial, por tanto, no solo está intentando resolver problemas que durante décadas han desafiado a los especialistas. También está obligando a las matemáticas a replantearse cómo se produce conocimiento, quién puede producirlo y qué significado tendrá el trabajo humano cuando las máquinas sean capaces de participar en investigaciones cada vez más complejas.
El caso de Navier-Stokes todavía deberá pasar por el escrutinio de especialistas antes de que pueda considerarse una solución matemática plenamente reconocida. Pero incluso mientras continúa ese proceso, el avance ya abrió una discusión sobre el futuro de una disciplina en la que la inteligencia artificial comienza a desempeñar un papel cada vez más relevante.
