OpenAI afirma resolver ecuaciones de Navier-Stokes pero un matemático acusa robo de ideas

OpenAI anunció que uno de sus modelos de inteligencia artificial aún no público logró resolver el problema de existencia y suavidad de las ecuaciones de Navier-Stokes, uno de los siete Problemas del Milenio del Instituto Clay de Matemáticas, que ofrece un premio de un millón de dólares.

Las ecuaciones describen el movimiento de los fluidos y se aplican en campos como la predicción del clima. El interrogante central era si estas ecuaciones podían “romperse”. Según la empresa, su prueba demuestra que existen fluidos que, partiendo de condiciones iniciales normales, alcanzan velocidades infinitas en un tiempo finito, un resultado físicamente imposible que cuestionaría su fidelidad a la realidad.

El esfuerzo no fue menor. El 1 de septiembre, alertada por rumores de que matemáticos habían avanzado con modelos de Anthropic, OpenAI volcó recursos masivos al problema. Comenzó con una versión simplificada usando 1.000 agentes de IA durante 50 horas y luego escaló a más de 10.000 agentes para atacar la versión completa, que el modelo resolvió en 88 horas.

El investigador de OpenAI Sébastien Bubeck describió la inversión de recursos como “sin precedentes”. Ven Chandrasekaran, científico informático de la compañía, defendió que la demostración prueba la existencia de soluciones singulares en fluidos.

Sin embargo, la polémica estalló casi de inmediato. El 7 de septiembre, los matemáticos Levent Alpoge, de Harvard y empleado de Anthropic, y Tristan Buckmaster, de la Universidad de Nueva York, publicaron una solución para el caso simplificado de un fluido sin viscosidad, utilizando modelos como Claude, Codex y Astra. Prometieron extender el resultado a una solución más general.

Ese mismo día, Anima Anandkumar, del Instituto Tecnológico de California, presentó otra aproximación con una red neuronal informada por la física.

Buckmaster publicó un extenso comunicado reconstruyendo los días previos al anuncio de OpenAI. Según su relato, dos empleados de la empresa, incluido Bubeck, le informaron que un modelo interno había resuelto las ecuaciones y describieron exactamente el mismo enfoque que él y Alpoge habían desarrollado.

El matemático pidió ver los prompts utilizados y preguntó cuándo habían comenzado a enviarlos. La respuesta llegó tarde: las indicaciones se enviaron “en los últimos días”, justo después de que el trabajo de ambos investigadores llegara a conocimiento de OpenAI. Buckmaster también reveló que había cargado borradores en ChatGPT y que el modelo pareció alimentarse de ellos, aunque OpenAI insistió en que “el modelo no consulta los datos de los usuarios”.

Además, según Buckmaster, Bubeck le pidió en dos oportunidades que el nombre de Alpoge no figurara como autor, argumentando que trabajaba en Anthropic, competidora directa. OpenAI negó las acusaciones de apropiación indebida, felicitó a ambos investigadores por “su notable trabajo matemático” y admitió que “datos desidentificados” derivados del uso de sus productos pueden haber contribuido a mejorar sus modelos.

Bubeck se disculpó en X por una “elección de palabras extremadamente pobre” y aclaró que solo le parecía inadecuado que un empleado de una empresa rival figurara como autor de un trabajo de OpenAI.

Más allá del mérito científico, el episodio pone en evidencia un problema que afecta a millones de usuarios cotidianos de chatbots. Buckmaster y Alpoge volcaron ideas, borradores y líneas de investigación en ChatGPT. La pregunta de fondo es si ese material terminó entrenando un modelo que luego reprodujo su propio enfoque.

OpenAI reconoce que datos desidentificados de sus productos pueden usarse para mejorar los modelos. En términos simples, lo que se escribe en un chatbot puede convertirse en combustible para la IA, incluso sin que el nombre del usuario aparezca. Una vez incorporado, no existe un mecanismo claro para recuperarlo ni eliminarlo de los pesos del sistema.

Para un matemático de élite esto puede significar perder un millón de dólares y el crédito científico. Para una persona común, subir datos sensibles, contratos o información médica implica que ese conocimiento quede atrapado en una caja negra corporativa sin control real.

La reacción en la comunidad matemática está dividida: algunos celebran que la IA esté acelerando descubrimientos en fronteras del conocimiento, mientras otros temen que sus propias herramientas de trabajo se vuelvan en su contra.

El caso deja preguntas incómodas sobre crédito, propiedad de los datos y la veracidad de las garantías de privacidad de las grandes compañías de inteligencia artificial.