OpenAI dice resolver un problema del milenio y acusan plagio

OpenAI asegura haber resuelto un problema del milenio: lo que realmente pasó

El 8 de septiembre, OpenAI afirmó haber resuelto con un sistema de IA las ecuaciones de Navier-Stokes, uno de los siete Problemas del Milenio planteados por el Clay Mathematics Institute a comienzos del siglo XXI, cada uno con un premio de US$1 millón. Según la compañía, su sistema demostró que estas ecuaciones —que llevan más de 200 años describiendo cómo se mueven los fluidos— pueden «explotar» en ciertos casos, alcanzando velocidad infinita en tiempo finito, un comportamiento físicamente imposible para un líquido o un gas reales. El anuncio llegó envuelto en una disputa pública con el matemático Tristan Buckmaster, de NYU, que acusa a OpenAI de haberse apropiado de un trabajo previo suyo y de su colaborador Levent Alpöge, investigador de Anthropic.

Cómo OpenAI llegó a la solución

Para atacar el problema, OpenAI desplegó un sistema de agentes de IA en paralelo sobre un modelo más avanzado que Astra, su próxima generación aún sin publicar. Sébastien Bubeck, responsable del equipo de matemáticas de OpenAI, explicó en una rueda de prensa recogida por Wired que el equipo empezó a entrenar este nuevo modelo el 28 de agosto y decidió concentrar recursos en Navier-Stokes el 1 de septiembre, después de escuchar rumores de que dos matemáticos ya tenían avances.

El primer intento resolvió una versión simplificada en 50 horas con 1.000 agentes simultáneos, según Bubeck. Para el problema completo, el sistema escaló hasta 10.000 agentes operando en paralelo durante un fin de semana. En total, la operación consumió 300.000 millones de tokens de salida, lo que la propia OpenAI cifró en aproximadamente US$22,5 millones de cómputo a tarifas actuales de Astra, según reportó TechCrunch. La prueba final quedó formalizada en Lean, el lenguaje de programación usado para verificar demostraciones matemáticas.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

La contracrónica de Buckmaster: «se apropiaron de nuestra ruta»

El mismo día del anuncio, Tristan Buckmaster, matemático de NYU, publicó un comunicado en el que acusaba a OpenAI de copiar la ruta matemática que él y Alpöge llevaban semanas explorando. Los puntos clave de su relato, verificados contra las fuentes de Wired, TechCrunch y Scientific American:

Él y Levent Alpöge (Anthropic) trabajaban desde hace cerca de un año sobre el método «forcing», una idea original de los matemáticos Diego Córdoba y Luis Martínez-Zoroa.
El 15 de agosto obtuvieron un resultado clave: las ecuaciones de Euler (la versión sin viscosidad de las Navier-Stokes) también pueden «explotar» con ese enfoque.
La filtración del método llegó a OpenAI, que redirigió a sus agentes hacia esa misma vía.
El 7 de septiembre a las 23:58 EDT, Buckmaster y Alpöge publicaron su paper; ese mismo día OpenAI completó su propia prueba.

En una llamada con Bubeck, según Buckmaster, OpenAI le ofreció ser «autor humano único» del resultado a cambio de excluir a Alpöge del crédito. Cuando Buckmaster rechazó y amenazó con hacer el caso público, Bubeck supuestamente respondió: «¿Por qué arruinarías tu carrera?» Buckmaster también preguntó si OpenAI había accedido a los prompts privados que él había enviado a Codex durante meses; Bubeck negó el acceso directo, pero la propia OpenAI reconoció en su blog que «aunque es improbable, no podemos descartar que datos anonimizados derivados de su uso de nuestros productos hayan ayudado a mejorar nuestros modelos».

El matemático Terence Tao (UCLA) describió el trabajo de Buckmaster y Alpöge como un «logro notable» en Mastodon, según recogió Nature.

Qué son realmente las ecuaciones de Navier-Stokes

Las ecuaciones de Navier-Stokes son el lenguaje matemático con el que ingenieros y físicos describen cómo se mueve el agua, el aire o la sangre. Están detrás del diseño de aviones, la predicción meteorológica, la aerodinámica de autos de F1 y los modelos climáticos. Llevan dos siglos en uso y funcionan muy bien en la práctica.

El problema abierto desde hace décadas —el existence and smoothness— es si estas ecuaciones siempre producen soluciones «limpias» o si en algunos casos generan singularidades matemáticas: puntos donde la velocidad se vuelve infinita en un tiempo finito. Si eso fuera posible, el modelo matemático dejaría de ser fiable para predecir el comportamiento de un fluido real.

«Nuestra prueba muestra que existen fluidos que comienzan perfectamente normales y, bajo las ecuaciones de Navier-Stokes, realmente alcanzan velocidad infinita en un tiempo finito», dijo Ven Chandrasekaran, científico de computación de OpenAI, en la rueda de prensa.

Un matiz importante que destacó Scientific American: el Clay Institute formuló el problema sin el término que el método «forcing» explota. Dependiendo de cómo se lea el enunciado original, lo que OpenAI resolvió podría no contar como el problema del Clay en sentido estricto, y el instituto aún no se pronunció oficialmente sobre si la demostración es válida para reclamar el premio.

La reacción del campo: «momento Deep Blue–Kasparov»

Buckmaster comparó el hito con Deep Blue contra Kasparov en 1997: un punto de inflexión donde la máquina supera al humano en un dominio que se creía exclusivo de la inteligencia humana. «La comunidad necesita tener una discusión seria y sin prisas sobre hacia dónde ir desde aquí», escribió.

En paralelo, la científica computacional Anima Anandkumar (Caltech) y sus colaboradores publicaron el mismo día una solución para el caso sin viscosidad usando una red neuronal informada por física, no un LLM de propósito general, lo que sugiere que el resultado podría haberse alcanzado con técnicas distintas a las que usó OpenAI.

El caso además reaviva un debate que llevaba meses latente: cuándo un sistema de IA cuenta como autor de un descubrimiento científico, qué pasa con la privacidad de los prompts que un investigador envía a un modelo y si los laboratorios deben tener reglas más estrictas sobre el uso de datos derivados de interacciones de usuarios en sus procesos creativos.

¿Qué significa esto para tu startup?

Aunque el caso involucra física teórica pura, hay tres lecturas prácticas para founders que construyen productos sobre IA:

El coste de los saltos de capacidad sigue siendo masivo y centralizado. OpenAI gastó unos US$22,5M de cómputo en una sola tarea. Para tu empresa eso significa que la frontera exige escala que solo los grandes labs pueden pagar; pero cada generación de modelo que sale de esa frontera se queda rápidamente al alcance vía API a precios mucho menores.
La frontera entre «asistente» y «colaborador» se está moviendo rápido. Si tu producto depende de LLMs para generar código, contenido o análisis, empieza a definir en tus términos legales y comerciales quién es el «autor» cuando tu modelo produce algo con valor comercial. El precedente OpenAI–Buckmaster probablemente acabe traducido en directrices académicas y legales que te afectarán.
La privacidad de prompts ya no es opcional. Buckmaster sospecha que datos anonimizados de su uso de Codex pudieron alimentar el entrenamiento de modelos que luego se usaron contra él. Si tu equipo trabaja con código propietario, datos de clientes o investigación sensible, revisa las políticas de opt-out de cada proveedor y considera despliegues on-premise o modelos privados para cargas críticas.