La polémica más reciente de OpenAI redefine el papel de la inteligencia artificial en las matemáticas futuras

OpenAI y el lío monumental con el problema de Navier–Stokes

Que OpenAI hoy anuncie que su inteligencia artificial ha resuelto uno de los famosos Millennium Prize Problems ya sería suficiente para volar cabezas. Pero aquí no estamos ante un logro limpio y brillante, sino ante una maraña de acusaciones, sospechas y, para ponerle más picante, disputas de autoría. Resulta que Tristan Buckmaster, matemático de NYU, junto con Levent Alpöge, de Anthropic (sí, la competencia directa de OpenAI), llevaban casi un año usando modelos públicos para atacar el mismo problema: el Navier–Stokes. Este problema, ni más ni menos, toca el cómo se comportan los fluidos en movimiento (agua, aire, gases) y tiene premio de un millón de dólares si alguien lo cierra de forma correcta —antes solo uno de los siete problemas había sido resuelto.

Lo que desató la tormenta es que OpenAI presentó una solución que parece ir un paso más allá: no solo para una versión simplificada, sino para las ecuaciones completas. Pero, ojo, la controversia gira alrededor de si OpenAI pilló ideas o incluso datos de los trabajos realizados por Buckmaster y Alpöge, algo que ellos mismos niegan, aunque el propio Buckmaster ha documentado intercambios con empleados de OpenAI donde se planteaba que podrían publicar juntos o, en un giro grotesco, que Alpöge quedase fuera del paper junto a OpenAI por su relación con Anthropic. ¿Te imaginas usar el trabajo de tus rivales y encima querer borrarlos del mapa? Pues se está viendo que en el mundo del AI/matemáticas, los códigos de conducta académicos están bastante rotos.

¿Milagro de la IA o pura trampa con trampas?

Analicemos la jugada técnica: tanto el equipo de Buckmaster-Alpöge como OpenAI usaron un método desarrollado hace tiempo por Córdoba y Martínez-Zoroa, dos matemáticos que metieron capo en esta cuestión antes. La cosa puede ser perfectamente fragmentada: dos grupos pueden llegar por caminos parecidos a la misma conclusión, sobre todo cuando un par de ideas dominantes andan dando vueltas. El problema es que, al menos en parte, OpenAI confirmó que su equipo se enteró de que Buckmaster y Alpöge estaban calientes con ese problema y “se inspiraron” en eso —que viene siendo un eufemismo para decir: “sí, es probable que hayamos usado pistas que salieron de ahí”.

Pero el asunto se calienta porque OpenAI no quiso decir si sus modelos de IA habían entrenado con el código o los documentos que el dúo había desarrollado. Un silencio que huele a turbio. El jefe investigador de OpenAI, Mark Chen, negó rotundamente que sus agentes accedieran directamente al trabajo de Buckmaster y Alpöge, aunque una reciente filtración en Hugging Face ha demostrado que OpenAI ni siquiera controla todo lo que sus propios agentes hacen. Una empresa que gasta millones para armar estas bestias de cálculo y no sabe qué demonios están haciendo sus modelos… deja que uno se pregunte si vamos a viajar a la luna o al desastre sistemático.

La brutal inversión para resolver un problema matemático

Mientras Buckmaster y Alpöge llevaron meses (casi un año) trabajando con modelos públicos, OpenAI tiró la casa por la ventana: según dijeron en la rueda de prensa, corrieron aproximadamente 10,000 agentes concurrentes y giraron millones de dólares para que su IA hiciera crunch intensivo y buscara la solución. Esto no es un capricho: resolver el problema total de Navier–Stokes (que básicamente pregunta si las soluciones a esas ecuaciones se vuelven imposibles o “explotan” bajo ciertas condiciones) demanda puertos de cómputo que nadie fuera de los titanes tecnológicos puede pagar.

¿Hay alguna matemática real ahí o solo músculo computacional? La duda mata. Parece que la conjunción de capacidades técnicas (hardware, dinero, agentes corrientes) fue indispensable para este “gran paso” en la ciencia matemática, y eso plantea un panorama donde los humanos empiezan a parecer secundarios en el juego. Que los modelos internos de OpenAI hacen que Astra (el modelo que liberaron hace apenas una semana) parezca chiquito; y que con esas herramientas puedan hacer apasionadas demostraciones de conceptos largamente elusivos es un fenómeno impresionante y también aterrador.

¿Dónde quedan los matemáticos humanos en esta ecuación?

Desde la trinchera académica no se está respirando precisamente optimismo. Que la matemática, antes un territorio de colaboración abierta y respeto académico, ahora dependa de corporaciones con súper-modelos propietarios y chequera abierta cambia el juego a nivel global. ¿Quién carajos podrá manejar esos recursos para continuar avanzando? ¿Qué pasa con los investigadores que no trabajan para OpenAI, Anthropic o cualquier otro gigante tech? Las voces que llegan hablan de desánimo, tristeza, incluso depresión.

Gómez-Serrano, matemático de Brown, apunta justo a este problema: unos pocos tendrán acceso a estas montañas de recursos, y muchos quedarán marginados. La matemática puede convertirse en privilegio exclusivo de mega corporaciones, más parecido a un departamento de I+D de Google o Microsoft que a un campo abierto de ideas compartidas. Eso no solo arruina oportunidades, también puede ser un antes y un después en la forma en la que se hace ciencia. Lo triste es que algo tan desencadenante y fascinante (resolver un problema centenario) se ve empañado por esta brecha creciente.

Las trampas ocultas detrás del “avance” y lo que nadie está contando

Terence Tao, el cerebro de UCLA y uno de los matemáticos más respetados, no participa en la fiesta con entusiasmo. En una serie de mensajes en Mastodon, advirtió que las soluciones prematuras y puramente automáticas pueden matar el proceso natural de descubrir errores, de tomar malos caminos, de discutir en la comunidad. Seguro que esto te suena familiar: el avance científico real se forja no sólo en encontrar la respuesta, sino en el camino tortuoso que lleva a nuevas ideas, a subcampos enteros, a flores de conocimiento.

Cuando unos agentes de IA con miles de millones invertidos la cierran en un santiamén, con libros y pasos ocultos, está bien probable que estén dejando desierta la tierra fértil para experimentos futuros y líneas de investigación. Sin debate, sin caminos malos, sin fallas documentadas, ¿qué queda para que los humanos crezcan? Tao lo clavó: la falta de transparencia y el centralismo tecnológico pueden ser un lastre enorme para el progreso. Y si las empresas no son claras, no se puede ni discutir ni aprender, y la matemática podría virar hacia un ecosistema cerrado y elitista.

¿Para qué sirven los matemáticos en pleno siglo XXI con IA tan avanzada?

La pregunta es: si los modelos pueden barrer con estos problemas en días y a costo multimillonario, ¿quién necesitamos que sea matemático? ¿Los humanos van a pasar a ser meros espectadores o gestores de estas máquinas? O peor: ¿en breve sólo serviremos para alimentar datos y supervisar que las IAs no enloquezcan, mientras las máquinas escupen soluciones incomprensibles para todos, salvo para unos pocos súper especialistas?

Los expertos hablan de “research taste”, ese sexto sentido que tiene un humano para identificar ramas prometedoras y tendencias en la investigación. Y, ojo, ese “gusto” parece ser el papel que todavía los humanos juegan en esta ecuación, al menos de momento. Porque las IAs por sí solas no eligen qué problemas atacar ni cómo dirigir la investigación con intuición o visión de conjunto.

Pero, si estos agentes empiezan a hacer eso también, y sin transparencia, quizá la humanidad quede como un escolta fuera de forma en esta carrera tecnológica.. y no hay señales de que las gigantes tecnológicas quieran devolver la sartén. La historia podría ser que mientras los humanos inventaban el álgebra o el cálculo con lápiz y papel (y debates eternos), ahora un puñado de empresas con supercomputadoras y contratos de millones resuelven ¡ya! lo que siglos costó soñar.

¿Ahora qué? El futuro de la matemática y la tecnología van de la mano, pero con sabor a amargo

Que OpenAI tenga el músculo técnico para resolver uno de los problemas más difíciles de la matemática no es cuestión baladí. Pero que este hito se vea empañado por sospechas de plagio, exclusión y manejo opaco hace que el futuro matemático y tecnológico se proyecte como una historia donde reina la desigualdad, secrecía y mercantilización.

¿Esto va a empujar a una revolución en ciencia o a un territorio casi feudal, donde sólo unos pocos actores deciden el avance? Tendremos que ver si los matemáticos sobreviven como exploradores libres, o si deben convertirse en engranajes de gigantes tecnológicos que llevan la batuta (y la pasta). Lo que sí está claro es que la matemática está atropellándose en un cambio brutal, y la IA no está sólo para ayudar: puede acabar escribiendo las reglas del juego entero.

¿Quieres apostar si eres el próximo Einstein o solo un mero espectador en esta nueva era?

Artículos Relacionados