88 horas, 10.000 agentes: OpenAI afirma haber resuelto Navier-Stokes, y la polémica ya está servida

Este primer hilo todavía no trata sobre las 88 horas, los 10 000 agentes ni el modelo interno de OpenAI. Está dominado por otra incertidumbre: ¿quién habría resuelto realmente el problema y en qué orden?

@TimTeaFan menciona un rumor rival en torno a Anthropic y su sistema Fable:

"¿No había rumores de que Anthropic lo había resuelto con Fable?" @TimTeaFan

La respuesta de @mark_k no es concluyente:

"Ahora mismo hay cierta disputa o polémica al respecto." @mark_k

Ante una pregunta similar sobre la identidad del autor o los autores de la resolución, añade:

"Actualmente no está del todo claro quién lo resolvió exactamente. Quizá ambos conjuntamente." @mark_k

La discrepancia entre ambos hilos constituye el núcleo de la actualidad. Antes del anuncio de OpenAI, el debate giraba en torno a un rumor, Anthropic, la prioridad y la identidad de las personas o los laboratorios implicados. Tras este anuncio, OpenAI transforma el rumor en una afirmación institucional cuantificada y técnica, sin responder a las preguntas sobre autoría y procedencia que el hilo de @mark_k ya señalaba.

Por tanto, el anuncio establece un punto concreto: OpenAI es, por ahora, el único actor que formula una afirmación oficial detallada. Por sí solo, no resuelve la cuestión de la prioridad científica.

Navier-Stokes, el problema detrás del eslogan

Las ecuaciones de Navier-Stokes son fundamentales en la mecánica de fluidos. Describen la evolución de un fluido, como el aire, el agua o un gas, relacionando varias magnitudes:

• la velocidad del fluido, representada por un campo que varía en el espacio y el tiempo;
• la presión, que restringe y redistribuye el movimiento;
• la viscosidad, es decir, la fricción interna del fluido;
• las fuerzas externas, como la gravedad u otras acciones aplicadas;
• la condición de incompresibilidad, en el caso clásico de un fluido incompresible.

En una formulación simplificada, la ecuación de cantidad de movimiento se expresa así:

[ \partial_t u + (u \cdot \nabla)u = -\nabla p + \nu \Delta u + f ]

Aquí, (u) representa la velocidad, (p) la presión, (\nu) la viscosidad y (f) las fuerzas externas. Para un fluido incompresible, suele añadirse la condición (\nabla \cdot u = 0).

Estos pocos símbolos condensan una dinámica extremadamente compleja. El término no lineal ((u \cdot \nabla)u) expresa el hecho de que el fluido transporta su propia velocidad. Esta es una de las principales fuentes de dificultad: los movimientos a una escala pueden alimentar los de otras escalas, deformarlos y amplificarlos.

La verdadera cuestión en dimensión 3: ¿regularidad global o singularidad?

El problema del Milenio no pregunta simplemente si se puede simular un flujo. Plantea una cuestión de regularidad global en dimensión 3.

Partiendo de datos iniciales suficientemente suaves, ¿puede demostrarse que la solución sigue siendo suave para todo tiempo? ¿O puede formar una singularidad en tiempo finito, fenómeno denominado con frecuencia blow-up?

Una singularidad no significa necesariamente que un fluido real «explote» físicamente. En análisis matemático, significa que ciertas magnitudes asociadas a la solución dejan de poder controlarse dentro del marco de regularidad requerido. Las derivadas de la velocidad pueden, por ejemplo, volverse infinitas o perder las propiedades necesarias para prolongar una solución suave.

La dificultad puede resumirse así:

1. Los datos iniciales son regulares.
2. La viscosidad tiende a amortiguar las estructuras pequeñas y a disipar la energía.
3. Pero la no linealidad puede concentrar la actividad en escalas cada vez más finas.
4. Es necesario demostrar que la disipación siempre prevalece o construir un caso en el que no sea suficiente.

Este control global entre la concentración no lineal y la disipación viscosa lleva resistiéndose desde hace casi nueve décadas.

¿Por qué unas ecuaciones tan compactas se resisten desde hace tanto tiempo?

Las ecuaciones son cortas. La turbulencia no.

En un flujo turbulento, las estructuras de gran tamaño transfieren energía hacia estructuras más pequeñas. Los vórtices interactúan, se deforman, se fragmentan y se recombinan. Esta cascada de escalas hace que las estimaciones analíticas sean especialmente delicadas.

Los matemáticos ya cuentan con resultados fundamentales. En particular, saben construir soluciones débiles en marcos generales y obtener resultados más sólidos en ciertas dimensiones, para determinados regímenes o durante períodos limitados. Pero el problema abierto se refiere a la garantía universal de una regularidad suave en tres dimensiones a partir de datos iniciales suaves.

Por eso, una eventual resolución sería trascendental. No consistiría simplemente en haber «calculado mejor» una simulación, sino en haber zanjado una alternativa fundamental sobre el posible comportamiento de estas ecuaciones.

Premio del Milenio de Navier-Stokes: qué exigiría una validación

Un anuncio, aunque sea oficial, no basta para resolver formalmente un problema del Milenio. La demostración debería hacerse accesible en una forma lo suficientemente completa como para permitir un examen exhaustivo por parte de expertos independientes.

Esto implica, en particular:

• la publicación del texto íntegro de la demostración y de sus hipótesis;
• la posibilidad de verificar cada lema, cada estimación y cada dependencia lógica;
• el examen crítico por parte de especialistas en ecuaciones en derivadas parciales y análisis armónico;
• la resolución de las posibles objeciones planteadas durante esta evaluación;
• un plazo suficiente para determinar que el resultado es aceptado por la comunidad matemática.

El Clay Mathematics Institute aplica sus propios criterios para reconocer oficialmente una solución a uno de sus problemas del Milenio. En particular, una demostración debe publicarse en una publicación especializada, ser objeto de una aceptación general dentro de la comunidad correspondiente y, posteriormente, superar un período de examen.

Por el momento, la publicación de OpenAI no aporta ninguna demostración publicada, revisión por pares ni validación independiente. Anuncia un resultado reivindicado cuyo reconocimiento matemático aún está por establecer por completo.

Una demostración correcta no permitiría predecir el tiempo a la perfección

Una de las reacciones más intuitivas, pero engañosas, consiste en relacionar directamente Navier-Stokes con la predicción meteorológica exacta.

"Por fin sabré con certeza si mañana va a llover en Londres o no" @ChShersh

Esta conclusión no se desprende del anuncio. Resolver el problema teórico de la regularidad no produciría de repente predicciones meteorológicas perfectas.

Las predicciones atmosféricas dependen, entre otras cosas:

• de mediciones iniciales incompletas y ruidosas;
• de modelos acoplados que incluyen la humedad, las nubes, la radiación y las interacciones entre el suelo y la atmósfera;
• de parametrizaciones físicas;
• de cálculos numéricos necesariamente discretos;
• de la sensibilidad a las condiciones iniciales propia de los sistemas caóticos.

Una demostración de regularidad, si llegara a establecerse, aclararía la estructura matemática de las ecuaciones. Eso sería considerable. Pero no eliminaría ni las incertidumbres de medición, ni los errores de modelización, ni las limitaciones operativas de cálculo.

Del mismo modo, no transformaría de manera instantánea la ingeniería aeronáutica, naval o energética. Estos campos ya utilizan Navier-Stokes bajo hipótesis específicas, con simulaciones, modelos de turbulencia y calibraciones experimentales. Un avance teórico puede enriquecer las herramientas a largo plazo, pero no se convierte automáticamente en un producto industrial.

El reconocimiento científico, el punto ciego de la publicación principal

La reacción más estructurada bajo el anuncio no cuestiona únicamente el papel de la IA. También se refiere a la visibilidad concedida a los investigadores humanos que podrían estar en el origen de elementos decisivos.

@Quasilocal formula la queja de manera directa:

"Vale, pero ¿qué tal si mencionáis a Tristan Buckmaster y Levent Alpöge en el tuit en el que os atribuís el mérito, en lugar de hacerlo en un tuit citado aparte que ni siquiera está enlazado desde este?" @Quasilocal

La crítica es precisa. No se refiere únicamente a la supuesta existencia de una mención en otro lugar. Señala la ausencia de Tristan Buckmaster y Levent Alpöge en el mensaje que reivindica públicamente el resultado.

OpenAI no respondió públicamente a esta interpelación en el hilo. En cambio, @calebcterry amplía esta petición de reconocimiento situando el resultado dentro de una genealogía matemática más extensa:

"Después de investigar más sobre esto, creo que también merece la pena mencionar la contribución humana. Según tengo entendido, esto surgió de años de trabajo de Diego Córdoba y Luis Martínez-Zoroa en el desarrollo del enfoque subyacente, y luego Tristan Buckmaster y Levent Alpöge utilizaron LLM para llevar esa investigación mucho más lejos y, finalmente, formalizar y verificar el resultado." @calebcterry

Esta afirmación debe leerse como lo que es: una interpretación expuesta por @calebcterry en el hilo, y no un reparto de méritos establecido de forma definitiva por una publicación académica reproducida aquí. No obstante, plantea la pregunta adecuada: ¿qué debe reconocerse cuando un sistema de agentes produce una demostración a partir de enfoques, intuiciones, formulaciones y trabajos preexistentes?

@X_is_Arbitrary extrae una conclusión más tajante:

"Esto parece bastante atrevido. Si lo que afirman los matemáticos es cierto, entonces no hace más que reforzar la idea de que la IA es incapaz de generar ideas nuevas. Necesitó que dos matemáticos brillantes le dijeran cómo resolver el problema." @X_is_Arbitrary

Esta interpretación no está respaldada por los elementos públicos disponibles. A partir del hilo, es imposible atribuir con precisión la invención entre Diego Córdoba, Luis Martínez-Zoroa, Buckmaster, Alpöge, las herramientas LLM utilizadas por estos investigadores y los agentes de OpenAI. Pero la continuidad entre trabajos humanos anteriores y el resultado reivindicado por los agentes constituye una cuestión central, no un simple detalle de comunicación.

La publicación principal de OpenAI no da crédito a ningún investigador humano por su nombre, mientras que las respuestas convierten esta ausencia en el principal motivo de controversia pública.

Sesiones de Codex: una acusación grave, no demostrada

La controversia alcanza un nivel más grave con las preguntas sobre posibles sesiones de Codex asociadas a los investigadores.

@Mmorgan_ML pregunta:

"¿Entrenaron o no con las sesiones de Codex de Buckmaster & Alpöge?" @Mmorgan_ML

@melqartvantyrus plantea esencialmente la misma pregunta. @ArtemR va más allá al difundir la acusación de un posible robo de investigaciones:

"Pero ¿hizo trampa OpenAI al robar la investigación?" @ArtemR

Es esencial distinguir los hechos de las sospechas. Estos mensajes demuestran que la acusación circula. No prueban que OpenAI haya utilizado indebidamente sesiones de Codex, notas, datos privados o trabajos de Buckmaster y Alpöge.

En los intercambios reproducidos no figura ninguna respuesta de OpenAI, ninguna precisión técnica sobre los datos de entrenamiento pertinentes ni ningún elemento de confirmación. Tampoco se reproduce el contenido del artículo externo citado por @ArtemR.

En este momento, la hipótesis de un uso indebido de sesiones de Codex es una acusación no confirmada. Sin embargo, la cuestión del origen de los datos y los trabajos merece una respuesta objetiva, pública y verificable.

Esta cuestión es distinta, aunque está relacionada, de la crítica sobre el carácter cerrado del sistema. Incluso en ausencia de una conducta indebida demostrada respecto a los datos, un laboratorio que dispone de un modelo interno más potente que las herramientas públicas crea una importante asimetría en la investigación.

Lo que este anuncio revela sobre el estado del arte

El elemento más novedoso del anuncio de OpenAI Navier-Stokes no es únicamente la palabra «solución». Es el sistema reivindicado: aproximadamente 10 000 agentes de IA coordinados, durante 88 horas, en torno a un modelo interno de OpenAI presentado como más capaz que GPT-6 Astra.

Esta configuración sugiere un posible cambio de paradigma en la organización de la investigación matemática. En lugar de un asistente conversacional aislado, OpenAI describe un sistema colectivo capaz de distribuir las tareas entre subproblemas, verificaciones, intentos de demostración, búsqueda de contraejemplos y síntesis.

Pero la industrialización del descubrimiento plantea una cuestión de gobernanza. @CircumjovialLLC la formula sin rodeos:

"No está bien utilizar modelos privados entrenados con el corpus matemático de la humanidad para resolver problemas abiertos cuando esos modelos son mucho más capaces que los que publicaron y no son accesibles para todos los investigadores. Esto es feudalismo tecnológico, que conduce a la tiranía intelectual." @CircumjovialLLC

Por el momento, ninguna respuesta de OpenAI aborda la publicación del modelo, sus pesos, su coste computacional, su huella energética o un posible acceso académico. @Adamlags pregunta explícitamente por el coste del experimento, mientras que @alono88 pregunta, con humor, por el coste en tokens. Estas preguntas siguen sin respuesta.

Por tanto, la crítica al acceso restringido no demuestra una conducta indebida. Plantea un problema estructural: ¿cómo puede la comunidad reproducir, auditar o cuestionar un descubrimiento producido con un modelo y una infraestructura a los que no tiene acceso?

Lo que hay que retener y lo que queda por demostrar

El anuncio de OpenAI es potencialmente histórico. El laboratorio reivindica una solución al problema de Navier-Stokes obtenida en 88 horas por aproximadamente 10 000 agentes de IA coordinados, con un modelo interno presentado como más potente que GPT-6 Astra. Se trata de una reivindicación oficial detallada, mientras que el hilo anterior de @mark_k solo recogía un rumor y una confusión sobre los posibles autores.

Pero varias cuestiones decisivas siguen abiertas:

1. ¿Dónde se encuentra el texto completo de la demostración de Navier-Stokes?
2. ¿Qué expertos independientes la han examinado?
3. ¿Cumple exactamente los criterios del problema del Premio del Milenio?
4. ¿Qué papel concreto desempeñaron los agentes: invención, exploración, redacción, formalización o verificación?
5. ¿Cómo atribuirá OpenAI las contribuciones de Córdoba, Martínez-Zoroa, Buckmaster, Alpöge y otros posibles investigadores?
6. ¿Qué datos y materiales se utilizaron para entrenar u orientar el modelo interno?
7. ¿Las preguntas sobre las sesiones de Codex recibirán una respuesta pública, técnica y verificable?
8. ¿Qué acceso tendrá la comunidad científica a los resultados, los métodos y las condiciones de cálculo?

La verdadera línea divisoria no enfrenta simplemente a los seres humanos con los agentes de IA. Enfrenta una afirmación espectacular con la exigencia científica de verificación, reproducibilidad y reconocimiento equitativo. OpenAI ha proporcionado cifras y descrito un método. El hilo recuerda todo lo que estas cifras aún no permiten dilucidar.