El avance matemático de OpenAI se desploma y deriva en una guerra de credibilidad

El anuncio que no fue.

OpenAI anunció el 8 de septiembre que había resuelto uno de los siete Problemas del Milenio: la pregunta sobre existencia y regularidad de Navier-Stokes, un acertijo de 100 años sobre si las ecuaciones de la dinámica de fluidos siempre producen resultados predecibles. El departamento de matemáticas de una empresa valorada en casi 1 billón de dólares, equipado con un modelo interno más poderoso que GPT-6 Astra, desplegó aproximadamente 10.000 agentes de inteligencia artificial que intercambiaron 4,9 millones de mensajes a lo largo de 88 horas. El costo total de cómputo ascendió a millones.

Luego, en apenas un día, todo se convirtió en una disputa pública sobre quién había construido la respuesta y quién tenía la claim sobre el descubrimiento.

Dos matemáticos ya estaban cerca.

Circulaban rumores de que dos investigadores —Tristan Buckmaster, profesor de la Universidad de Nueva York, y Levent Alpoge, matemático afiliado a Anthropic— estaban cerca de resolver el problema de Navier-Stokes. Según reportes de Axios y Forbes, OpenAI tomó conocimiento del revuelo y decidió entrar en la carrera antes que dejar que la narrativa se le escapara.

Es crucial señalar que ni Buckmaster ni Alpoge habían resuelto efectivamente el Problema del Milenio en sí. Su trabajo, tal como lo describió la prensa coreana, concernía a ecuaciones adyacentes a las de Navier-Stokes: un avance significativo, sin duda, pero no la demostración completa que requiere el Instituto Clay de Matemáticas. El blog de OpenAI reconoció este contexto directamente, diciendo que la compañía había sido motivada por los rumores que rodeaban el trabajo previo de esos dos investigadores.

Esa admisión es importante. Significa que OpenAI entró en un problema donde otros ya habían sentado las bases, y luego publicó un resultado sin divulgar cuánto de ese trabajo previo había informado su propio modelo.

La cuestión del acceso.

La disputa estalló alrededor de una preocupación técnica específica. Buckmaster publicó en redes sociales, según WCCF Tech, que le había preguntado a OpenAI si su modelo había accedido o sido entrenado con datos de sus sesiones de Codex —el entorno de cómputo privado que los investigadores utilizan para trabajo colaborativo—. Sébastien Bubeck, investigador de la compañía, habría confirmado que el modelo no leía datos de los usuarios. Pero cuando Buckmaster insistió preguntando si el modelo había sido entrenado con esos datos, dice que no recibió respuesta.

Bubeck declaró más tarde a periodistas que OpenAI no había utilizado el trabajo inédito de los dos matemáticos ni accedido a materiales de servidores compartidos. Sin embargo, concedió abiertamente una posibilidad: los datos generados por investigadores que utilizan productos de OpenAI podrían haber “contribuido a nuestras mejoras del modelo”. Esto no es una admisión de robo directo. Es una admisión de la realidad estructural del entrenamiento de IA a gran escala: los modelos absorben señales de todo lo que generan los usuarios, y la frontera entre “entrenar con tu trabajo” e “mejorar porque usaste nuestra herramienta” es tan delgada que puede desaparecer.

Buckmaster respondió con una alegación más grave. Afirmó que Bubeck le presentó dos opciones: que OpenAI publicara su resultado nominando a ambos, Buckmaster y Alpoge, como co-autores y compartiendo el premio de 1 millón de dólares, o que Alpoge fuera excluido de cualquier reconocimiento. Bubeck calificó la versión como “falsa e incendiaria”.

Ninguno de los dos bandos ha producido una declaración grabada ni un documento escrito que resuelva la disputa. Es palabra contra palabra, exactamente así como suelen verse estos conflictos antes de que alguien haga los cálculos.

La brecha de transparencia es la verdadera historia.

Esto es lo que hace que este caso sea estructuralmente distinto de las disputas académicas ordinarias: OpenAI publicó una afirmación y nada más. Sin demostración, sin metodología, sin resultados intermedios, sin trazas de cómputo crudo. Los dos matemáticos, en cambio, tienen sus artículos disponibles para revisión por pares.

Esto no es nuevo. Es la jugada estándar de OpenAI: anunciar primero, publicar los detalles después, y dejar que la comunidad se desactive para verificar mientras la compañía controla la narrativa. Pero aplicado a un Problema del Milenio, invierte siglos de práctica matemática. En matemáticas puras, una demostración no es una afirmación. Una demostración es un documento que cualquiera puede leer, verificar y reproducir. Una demostración generada por IA que no puede ser examinada de forma independiente hasta meses después no es una demostración: es un comunicado de prensa disfrazado de matemáticas.

Quién gana y quién pierde.

Si OpenAI finalmente presenta una solución verificable y revisada por pares del problema de Navier-Stokes, la compañía gana algo más que reputación. Gana legitimidad como productora de ideas matemáticas de nivel humano, no solo como productora de texto. Para una empresa que se prepara para una oferta inicial de acciones valorada en casi 1 billón de dólares, esa narrativa tiene un enorme peso comercial. Les dice a los inversores que OpenAI no solo automatiza el lenguaje: automatiza el descubrimiento.

Pero el costo de esa victoria es la erosión de la credibilidad. Cada semana que la compañía publica resultados más rápido de lo que pueden ser verificados, la comunidad académica aprende a tratar los futuros anuncios con escepticismo calibrado. La proporción señal-ruido de las matemáticas derivadas de IA disminuirá, y los avances genuinos enfrentarán la misma auditoria hostil que los exagerados.

Buckmaster y Alpoge pierden a corto plazo si su trabajo se absorbe sin atribución. Pierden a largo plazo de todos modos, porque el precedente que establecen —que el esfuerzo matemático riguroso puede ser superado por cómputo— desalentará ese mismo tipo de trabajo paciente e incremental que produjo sus resultados en primer lugar.

Qué sucede después.

El Instituto Clay de Matemáticas aún no ha respondido públicamente. No otorgará el premio de 1 millón de dólares sin una demostración que supere la revisión independiente de la comunidad matemática, lo cual típicamente toma meses o años. OpenAI ha dicho que no tiene intención de reclamar el premio: una posición estratégicamente limpia que evita la apariencia de monetizar las matemáticas puras mientras preserva el valor de titulares del anuncio.

El resultado más probable es un período prolongado de incertidumbre. OpenAI publicará alguna forma de material de apoyo. Matemáticos independientes intentarán verificarlo. Disputas sobre trabajo previo y procedencia de datos emergerán en revistas, en redes sociales y en los pasillos de conferencias. La comunidad matemática, ya tensionada por el ritmo de las afirmaciones generadas por IA, se verá obligada a desarrollar nuevos estándares para evaluar resultados que emergen de sistemas cerrados.

La lección más profunda.

La colisión entre OpenAI y estos dos matemáticos no trata realmente sobre un problema. Trata sobre lo que sucede cuando las instituciones que verifican la verdad —universidades, revistas, revisión por pares— se encuentran con actores que pueden producir salidas que parecen verificadas más rápido de lo que esas instituciones pueden procesarlas.

Navier-Stokes no es el último Problema del Milenio. La conjetura de Poincaré se resolvió en 2003. La hipótesis de Riemann permanece sin resolver. Quedan cinco. Cada uno atraerá eventualmente sistemas de IA capaces de generar candidatos a demostraciones en horas en lugar de décadas. La pregunta es si el ecosistema de verificación puede mantener el ritmo del ecosistema de generación.

Por ahora, no puede. Las 88 horas de OpenAI son impresionante ingeniería computacional. Si es matemáticas depende enteramente de lo que venga después, y de si la compañía elige hacer transparente esa siguiente parte.