OpenAI anunció que un sistema interno de inteligencia artificial produjo una demostración para una pregunta que las matemáticas llevan cerca de 90 años intentando responder: si las ecuaciones de Navier-Stokes pueden desarrollar singularidades aun cuando el movimiento de un fluido comienza bajo condiciones regulares.
Las ecuaciones de Navier-Stokes describen el comportamiento de fluidos como el agua y el aire y tienen aplicaciones en campos como el diseño aeronáutico, la predicción meteorológica y el estudio del flujo sanguíneo. El problema no está en su utilidad práctica, sino en una cuestión fundamental sobre su comportamiento matemático.
En tres dimensiones, los investigadores no habían logrado demostrar si una solución inicialmente suave permanece así indefinidamente o si, bajo determinadas condiciones, puede aparecer una singularidad. En este contexto, una singularidad implica que ciertas magnitudes descritas por las ecuaciones, como la velocidad, crecen sin límite en un periodo finito.
Según el resultado presentado por OpenAI, su sistema construyó una demostración analítica en la que un fluido inicialmente en reposo desarrolla una singularidad en tiempo finito pese a recibir una fuerza externa suave y mantener una energía finita durante todo el proceso.
La solución describe un vórtice que se contrae y se alarga progresivamente mientras aumenta su velocidad. Con esa construcción, OpenAI sostiene haber demostrado los enunciados C y D contemplados en la formulación oficial del problema, que permiten resolver el desafío demostrando que, bajo determinadas condiciones, las soluciones de Navier-Stokes pueden dejar de ser regulares.
La pregunta tiene casi un siglo de antecedentes. En 1934, el matemático francés Jean Leray demostró la existencia de soluciones en un sentido generalizado, pero quedó pendiente establecer si estas podían mantenerse siempre suaves. En 2000, el Clay Mathematics Institute incorporó el problema de existencia y suavidad de Navier-Stokes a sus siete Problemas del Milenio, cada uno asociado a un premio de US$ 1 millón.
Miles de agentes buscando una prueba
La demostración no fue producto de una sola interacción con un modelo generativo. OpenAI utilizó un sistema de agentes coordinados basado en un modelo interno que, según la organización, tiene capacidades matemáticas superiores a las de GPT-6 Astra.
El grupo que produjo el resultado de Navier-Stokes involucró alrededor de 10,000 agentes trabajando de manera concurrente. Estos fueron separados en grupos que exploraron diferentes variantes y estrategias para abordar el problema. En etapas posteriores, los resultados considerados más útiles fueron compartidos entre esos grupos para orientar nuevas búsquedas.
Los agentes llegaron a la demostración el 5 de septiembre, unas 88 horas después del inicio del proceso. La investigación generó alrededor de 2.7 millones de mensajes y 130,000 millones de tokens de salida solo para este problema.
Después vino una segunda etapa. GPT-6 Astra necesitó otras 17 horas para realizar la formalización y verificación mediante Lean, un sistema utilizado para representar demostraciones matemáticas de forma que sus pasos lógicos puedan ser comprobados por una computadora.
Esa formalización es importante porque una demostración matemática extensa puede contener errores difíciles de detectar mediante una revisión convencional. Sin embargo, no equivale a la aceptación científica del resultado ni elimina la necesidad de que especialistas independientes examinen la construcción, sus supuestos y su relación con la formulación original del problema.
Aún no es un problema oficialmente cerrado
El Clay Mathematics Institute continúa incluyendo Navier-Stokes entre sus problemas no resueltos. Además, sus reglas para los Problemas del Milenio establecen que una solución debe publicarse en un medio calificado, deben transcurrir al menos dos años desde esa publicación y debe alcanzar una aceptación general entre la comunidad matemática antes de que el instituto pueda considerar su reconocimiento. OpenAI, por su parte, ha señalado que no pretende reclamar el premio.
Más allá de que la demostración termine siendo aceptada, el episodio muestra una posible evolución del uso de IA en investigación. El modelo ya no opera únicamente como un asistente que responde preguntas, sino como parte de una arquitectura capaz de distribuir un problema entre miles de agentes, explorar rutas en paralelo, ejecutar código, intercambiar hallazgos y someter el resultado a verificación formal.
El alcance real de ese cambio dependerá ahora de algo menos inmediato que las 88 horas empleadas para encontrar la prueba: que matemáticos independientes determinen si el resultado resiste el escrutinio necesario para cerrar definitivamente una pregunta abierta desde hace casi un siglo.
