OpenAI resolvió un problema matemático de 200 años en 88 horas. ¿Quién se lleva el crédito?
OpenAI afirma que su modelo de IA resolvió uno de los siete Problemas del Milenio en días, no en décadas. Pero la verdadera crisis no es de capacidad, sino de atribución: es una carrera para verificar lo que producen las máquinas más rápido de lo que los humanos pueden revisarlo por pares.
La afirmación llegó por las puertas traseras
OpenAI informó que su modelo de inteligencia artificial, aún no publicado, resolvió el problema de la existencia y suavidad de Navier-Stokes —uno de los siete Problemas del Milenio— en 88 horas. La noticia saltó primero en medios de Corea y Japón. Las redacciones occidentales aún no se ponían al día.
Esa secuencia es importante. Cuando la IA acelera el descubrimiento, también acelera la citación. Y la carrera por recibir el crédito —o por citar antes de que te citen— comienza en el momento en que aparece un resultado, no cuando se verifica.
Qué afirma exactamente OpenAI
Según el informe, el modelo conocido internamente como algo mejor que GPT-6 Astra comenzó a trabajar el 1 de enero y alcanzó una solución el 5 de enero. Aproximadamente 10.000 agentes de IA se comunicaron entre sí durante el proceso, consumiendo millones de dólares en recursos computacionales. El modelo demostró que las condiciones iniciales suaves en las ecuaciones de Navier-Stokes pueden mantener la regularidad a lo largo del tiempo —una pregunta que ha resistido una demostración desde que las ecuaciones se formularon en el siglo XIX.
Solo se ha resuelto un Problema del Milenio: la conjetura de Poincaré, demostrada por Grigori Perelman en 2002. Los otros seis permanecen abiertos. Si la afirmación de OpenAI se sostiene, la demostración de Navier-Stokes sería la segunda.
La velocidad no es la sorpresa
Lo que diferencia este momento de AlphaGo no es la velocidad, sino el dominio. Go es un juego finito con reglas fijas. Las matemáticas son una práctica abierta: las reglas evolucionan a medida que lo hacen los problemas. Una IA que domina Go juega dentro de un sistema. Una IA que produce una demostración matemática entra en un territorio donde el sistema mismo está en construcción.
El profesor Choi Kyu-don de la UNIST en Ulsan lo dijo con claridad: esto es más impactante que AlphaGo. «Creo que sin IA este problema no se habría resuelto en 100, tal vez 200 años», afirmó.
Las ecuaciones de Navier-Stokes describen cómo se mueven los fluidos. Gobernadan la predicción del tiempo, el diseño de aviones, las corrientes oceánicas. Dos siglos de los mejores matemáticos del mundo han trabajado en sus propiedades de existencia y suavidad. No se ha encontrado una demostración general.
La pregunta por el crédito comienza ahora
Esto es lo que la comunidad académica ya está debatiendo: si una máquina produjo la demostración, ¿quién recibe la citación?
Tristan Backmaster, profesor de la NYU, dijo que su propia investigación inédita podría haber sido utilizada por el modelo de OpenAI. Afirmó que él estaba trabajando activamente en el problema y que el resultado de la IA no reflejaba la dificultad que él había experimentado. «Este no es un problema en el que lo introduces en un modelo y encuentras una solución en pocos días», dijo Backmaster.
Si Backmaster tiene razón, el problema del crédito no es abstracto: es personal e inmediato. Una IA entrenada con preprints no publicados podría absorber efectivamente el trabajo de toda una vida de un investigador y devolver un resultado más rápido de lo que ese investigador podría publicarlo.
La pregunta de quién recibe la citación cuando ningún humano escribió la demostración no es teórica. Ya está ocurriendo.
Cómo se ve la revisión por pares a velocidad de IA
El modelo de OpenAI produjo un resultado en 88 horas. La revisión por pares tomará meses, posiblemente años. La brecha entre producción y verificación es la nueva fricción en el descubrimiento matemático.
El profesor Lee Joon-sang de la Universidad Yonsei señaló que la IA demostró una nueva herramienta de investigación —una que puede explorar y examinar formalmente las demostraciones matemáticas—. Pero «la validez final y el significado académico requieren verificación experta», afirmó.
Ese paso de verificación es donde reside la atribución. Cuando una demostración es revisada, los revisores deciden no solo si es correcta, sino quién merece el crédito por el camino que llevó a ella. Una IA a la que no se le puede otorgar crédito crea un vacío, y los vacíos se llenan de quien publica primero.
La respuesta institucional
Algunos en la comunidad matemática ya especulan que premios como la Medalla Fields —a menudo llamada el Nobel de las matemáticas— podrían volverse obsoletos. Si las máquinas resuelven problemas que llevaron siglos a los humanos, ¿qué institución otorga el crédito?
El Instituto de Matemáticas Clay, que patrocina los Problemas del Milenio, no ha hecho comentarios sobre la afirmación de OpenAI. El instituto ofrece 1 millón de dólares por la solución de cada problema. También requiere que las soluciones se publiquen en una revista revisada por pares y sean aceptadas por la comunidad matemática.
El modelo de OpenAI no ha publicado en ninguna parte. El resultado existe dentro de un sistema propietario.
Quién se mueve primero
La noticia saltó en Seúl y Tokio antes que en Nueva York y Londres. Ese es el patrón ahora: los resultados generados por IA circulan más rápido en los mercados donde son más útiles inmediatamente, no donde se verifican con mayor cuidado.
La infraestructura tecnológica de Corea y las redes académicas de Japón captaron la afirmación temprano. La cita del profesor coreano sobre «más impacto que AlphaGo» viajo más rápido que la duda del profesor de la NYU.
La latencia en la citación favorece a la velocidad. El primer relato de un resultado se vincula, se retuitea y se construye sobre él —incluso antes de que la tubería de verificación se ponga al día—.
Qué cambia si la demostración es real
Si la afirmación de OpenAI sobrevive a la revisión por pares, las implicaciones se extienden más allá de una sola ecuación. Los mismos modelos que produjeron este resultado podrían aplicarse a otros Problemas del Milenio —la hipótesis de Riemann, P vs. NP, la conjetura de Hodge—.
Cada problema resuelto sin autoría humana plantea la misma pregunta de atribución. Cada brecha de verificación amplía la distancia entre descubrimiento y crédito.
La comunidad matemática no está preparada para un mundo en el que las demostraciones lleguen más rápido de lo que los humanos pueden revisarlas. Pero el mundo está llegando de todos modos.
La siguiente pregunta no es si, sino quién
OpenAI dice que cree que el campo ha entrado en una nueva etapa del desarrollo de la IA. La pregunta ahora es si las instituciones que miden el crédito académico —universidades, revistas, comités de premios— pueden adaptarse lo suficientemente rápido para asignarlo correctamente.
Si una máquina resuelve un problema de 200 años en tres días, la sorpresa no es la velocidad. Es el silencio que sigue —los meses de verificación, la carrera por la atribución, la incertidumbre sobre quién será recordado cuando la demostración fue escrita por nadie.