El paper que incomoda a OpenAI
Un nuevo artículo en arXiv (Navier-Stokes lost in translation) pone el dedo en una herida que la industria de la IA prefiere no mirar: que una prueba pase el filtro del asistente formal Lean no significa, en absoluto, que la prueba en lenguaje natural sea correcta. El paper, recién publicado, examina directamente el anuncio que OpenAI hizo en septiembre sobre una supuesta solución al problema de Navier-Stokes, y concluye que la formalización en Lean no corresponde al argumento que la compañía presentó en lenguaje natural.
El hallazgo importa porque rompe una de las promesas más repetidas del último año: la de que la autoformalización —el proceso de traducir una demostración matemática a un lenguaje que una máquina pueda verificar— es la prueba definitiva de que un modelo de IA «ha resuelto» un problema. Si el paper está en lo correcto, esa promesa tiene un agujero estructural.
Qué dice exactamente el estudio
El argumento técnico es denso, pero la conclusión es directa. Para que la traducción del lenguaje natural (NL) a un lenguaje formal como Lean sea fiel al razonamiento original, el sistema tiene primero que resolver las ambigüedades del texto en NL: qué dice exactamente cada variable, qué hipótesis se están usando, qué se está afirmando. El paper demuestra que ese problema de desambiguación está en lo más alto de la jerarquía del Solvability Complexity Index (SCI) —el SCI es infinito—, es decir, es más difícil computacionalmente que cualquier problema computacional, incluido el problema de la parada de Turing, que tiene un SCI de 1.
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 díasTraducido: la autoformalización semánticamente fiel es, en el peor de los casos, un problema indecidible en la práctica. Ningún modelo de IA actual —por muy grande que sea— puede garantizar que su traducción captura exactamente lo que el matemático quiso decir. Y el paper no se queda en la teoría: aporta varios ejemplos concretos de malas traducciones de enunciados y pruebas NL a Lean, incluido el caso de la prueba de Navier-Stokes de OpenAI.
La prueba de Navier-Stokes bajo la lupa
Para dimensionar el contexto: el problema de existencia y suavidad de las ecuaciones de Navier-Stokes es uno de los siete Problemas del Milenio del Clay Mathematics Institute, listado en 2000, con un premio de USD 1 millón para quien lo resuelva. Describe el comportamiento de fluidos —aire, agua, corrientes oceánicas— y la pregunta central es si una solución inicialmente suave puede desarrollar una singularidad (velocidad infinita) en tiempo finito.
Según publicó The Next Web a partir del propio blog de OpenAI, la compañía organizó aproximadamente 10.000 agentes concurrentes que trabajaron el problema durante unas 88 horas entre el 1 y el 5 de septiembre, intercambiando 2,7 millones de mensajes y generando cerca de 130.000 millones de tokens de salida. A eso se sumaron 17 horas adicionales de formalización y verificación con GPT-6 Astra, el modelo frontera que OpenAI lanzó la semana previa, según la cronología recogida por The Journal y The Verge.
La compañía publicó la prueba en lenguaje natural, un PDF y una formalización en Lean con un repositorio público en GitHub, lo que permite que cualquier matemático ejecute la verificación. Pero el nuevo paper de arXiv sostiene que esa formalización no corresponde al argumento NL anunciado.
Por qué los matemáticos no están convencidos
El escepticismo de la comunidad matemática ya era público antes de que se publicara este nuevo análisis. The Verge y Futurism recogieron declaraciones en esa línea:
- James Maynard, matemático de Oxford, dijo a NPR que hasta el momento ha sido «muy difícil extraer comprensión humana de esta nueva prueba de IA».
- Javier Gómez-Serrano, matemático de Brown University, fue más directo: «El paper no está escrito para humanos».
- Luis Silvestre, de la University of Chicago, recordó a Scientific American que «el problema más importante sigue sin resolverse» y que la variante que OpenAI atacó —la versión forzada, con una fuerza externa aplicada al fluido— no es la que más interesa al campo, que apunta a la versión no forzada.
Hay además un dato de contexto importante que el paper nuevo amplifica: OpenAI no piensa reclamar el Premio del Milenio, una decisión que el propio análisis de TNW describe como «la señal más clara disponible sobre cómo OpenAI mismo califica la fuerza de su afirmación» frente a los criterios formales del Clay Institute.
El crédito también es objeto de disputa. Tristan Buckmaster (NYU) y Levent Alpöge (Anthropic) publicaron, el día anterior al anuncio de OpenAI, trabajo sobre la versión no forzada del problema conexo de Euler. OpenAI reconoció a ambos como concurrentes en su página publicada y les ofreció reconocer prioridad, aunque niega haber tenido acceso a su trabajo antes de completar el suyo.
Qué significa esto para tu startup
Para founders que están adoptando autoformalización, verificación formal o herramientas tipo Lean para validar código, papers o contratos inteligentes, la conclusión práctica es incómoda: «verificado por Lean» no equivale a «correcto». Es una verificación del texto formal, no del significado. Cualquier pipeline de producto que hoy trate la luz verde de un asistente de pruebas como un sello de calidad está, en el mejor de los casos, validando una capa superficial.
Acciones concretas que puedes implementar esta semana:
- Audita tu pipeline de autoformalización. Si usas Lean, Coq, Isabelle o herramientas similares para validar código crítico (contratos inteligentes, lógica de negocio, kernels), añade una revisión humana sobre el enunciado formal, no solo sobre el resultado. El paper de arXiv es el recordatorio técnico: la desambiguación del enunciado es la parte no resuelta.
- Separa «se compila» de «está bien» en tu documentación interna. Un build verde de tu prueba formal no debería comunicarse a clientes o inversores como una garantía funcional sin una segunda capa de revisión semántica.
- Sigue la pista a la versión de OpenAI y al SCI. El paper recién publicado va a recibir contestación; conviene monitorizar las réplicas en arXiv y los comentarios de la comunidad en los próximos 30 días antes de tomar decisiones estratégicas sobre qué proveedor de verificación formal usar.
El interés sectorial por combinar IA con verificación formal es real —el propio Vitalik Buterin publicó en mayo un argumento extenso sobre por qué la verificación formal asistida por IA podría ser la «forma final» del desarrollo de software, y señaló a Lean como herramienta clave—. Pero la pieza que el paper de arXiv acaba de poner sobre la mesa es que la frontera se ha movido: ya no basta con que la prueba compile, hay que demostrar que la traducción al lenguaje formal es fiel al razonamiento original. Y ese paso, según los autores, es más difícil que el problema de la parada.
Fuentes
- Navier-Stokes lost in translation: Why Lean verification of AI autoformalisation does not guarantee correct natural language proofs — arXiv
- OpenAI publishes its Navier-Stokes proof and says it will not claim the Millennium Prize — The Next Web
- AI Models Generate Advances in Mathematical Research — THE Journal
- Drama swirls around OpenAI’s legendary mathematical milestone — The Verge
- Mathematicians Can’t Make Sense of How OpenAI’s Agents Solved One of the Toughest Math Problems — Futurism
- Vitalik Buterin argues AI can enhance software security against hacking — CryptoBriefing
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días
