Una inteligencia artificial produjo en 88 horas una demostración que, según OpenAI, responde una pregunta matemática que llevaba cerca de 90 años abierta. La empresa lo anunció el 8 de septiembre: su sistema interno había encontrado una demostración para el problema de Navier-Stokes, uno de los siete problemas del milenio del Clay Mathematics Institute. Los matemáticos consultados piden cautela. “Imagínese que quiere coronar el Cotopaxi y alguien le ofrece un helicóptero”, dice el matemático ecuatoriano Diego Chamorro, profesor e investigador de la Universidad Paris-Saclay. “Va a llegar rapidísimo, va a poder tomarse selfies arriba. Pero eso no es lo mismo que coronarlo a pie, con preparación, sudando, con un guía. En matemáticas, si nos dan haciendo, se quita toda la esencia”.
🌀 ¿Por qué importa esto más allá de las matemáticas?
Este no es solo un debate de mecánica de fluidos, que plantea el problema de las ecuaciones de Navier-Stokes. Es un ensayo general de un conflicto que va a repetirse en más campos a medida que la IA avance: ¿Quién decide qué cuenta como resuelto, quién recibe el crédito, y cuánto puede confiar el público en un anuncio que ni siquiera los expertos han terminado de verificar?
Si el campo mejor preparado del mundo para revisar con rigor una afirmación de IA –las matemáticas, donde cada paso se puede comprobar– todavía no puede decir con certeza si el resultado es cierto, eso dice algo sobre cómo se validan estos anuncios en áreas con menos herramientas para cuestionarlos.
La disputa por el crédito que abrió este caso también importa: mide cuánto está dispuesta una empresa de IA a reconocer el trabajo humano, publicado o privado, sobre el que construye sus resultados.
🧮 ¿Qué dice exactamente OpenAI que resolvió?
OpenAI afirma haber demostrado las versiones C y D del problema de Navier-Stokes. Son las dos formulaciones que permiten aplicar al fluido una fuerza externa suave. Partiendo de un fluido en reposo, y aplicando esa fuerza, el sistema encontró que la velocidad del fluido puede crecer sin límite en un tiempo finito. En matemáticas eso se conoce como una singularidad.
Las ecuaciones de Navier-Stokes describen cómo se mueven los fluidos: el aire, el agua, la sangre. Se usan para diseñar aviones y pronosticar el clima. El enunciado del problema lo elaboró el matemático Charles Fefferman y forma parte de los siete problemas del milenio que el Clay Mathematics Institute presentó en el año 2000. Tiene cuatro versiones posibles. OpenAI no tocó las versiones A y B, que plantean la misma pregunta sin ninguna fuerza externa. Como reseñó Scientific American, buena parte de la discusión posterior giró en torno a eso: si lo que interesaba era saber si las propias ecuaciones pueden romperse solas, sin una fuerza diseñada desde fuera.
⏳ ¿Está realmente resuelto el problema del milenio?
El propio Clay Mathematics Institute respondió el 11 de septiembre que el problema “aparentemente” había sido resuelto, pero aclaró que evaluar el resultado y asignar el crédito es un proceso “deliberadamente pausado”. OpenAI, por su parte, dijo que no reclamará el millón de dólares del premio.
Los matemáticos consultados por EL COMERCIO tampoco se apuran a confirmarlo. Diego Chamorro se dio hasta enero de 2027 para leer el artículo con el rigor que exige su oficio: “Mientras yo no esté en capacidad de rehacer toditos los cálculos, no le creo absolutamente nada a nadie. Así es la ciencia”.
Pablo Serrano, matemático y presidente de la Olimpiada Matemática Ecuatoriana (OMEC), recuerda que esta duda no es nueva: en 1976 el teorema de los cuatro colores se probó por computadora revisando miles de casos, y solo terminó de ganar la confianza plena de la comunidad en 1997, cuando otro equipo simplificó la prueba a 633 casos. “El estándar de oro ha sido por décadas la revisión por pares”, dice Serrano. “En el caso de la IA, aún no hay un estándar definido.”
⚖️ ¿De quién es la idea detrás del resultado?
El método que usó OpenAI se apoya en un trabajo publicado por los matemáticos españoles Diego Córdoba y Luis Martínez-Zoroa, primero en 2023 y luego en mayo de 2026. Martínez-Zoroa le dijo a diario El País que lo que hizo la IA fue “ganar tiempo, no tener ideas nuevas”, y advirtió sobre el riesgo de fondo: si una IA puede tomar la idea de cualquier científico para resolver en horas un problema de años, ¿qué incentivo le queda a un investigador para publicar sus resultados?
Hay otra disputa, más personal. Tristan Buckmaster es profesor en la Universidad de Nueva York. Levent Alpöge es matemático y trabaja en Anthropic, empresa rival de OpenAI. Los dos llevaban casi un año trabajando juntos, en privado, sobre esa misma línea de investigación. El 7 de septiembre, un día antes del anuncio de OpenAI, publicaron sus propios resultados. No eran los mismos: ellos demostraron una ruptura en las ecuaciones de Euler, un problema emparentado pero distinto del de Navier-Stokes.
Buckmaster sostiene que un investigador senior de OpenAI le pidió que no incluyera a Alpöge como coautor, por trabajar para la competencia. También cuenta que preguntó a la empresa si su modelo se había entrenado con las sesiones de Codex -la herramienta de programación de OpenAI- donde él y Alpöge guardaron un año de borradores.
OpenAI lo niega en su comunicado oficial. Dice que investigó específicamente ese punto y concluyó que las instrucciones de Buckmaster no pudieron influir en el sistema, ni siquiera a través del entrenamiento, y que no accedió a datos de usuarios. La empresa reconoce en ese mismo texto la prioridad del trabajo de ambos sobre las ecuaciones de Euler.
📈 De un problema del milenio a “más de 100”
Apenas una semana después de anunciar que había resuelto el problema de Navier-Stokes, OpenAI afirmó que el mismo modelo interno había resuelto “más de 100 problemas que llevaban años abiertos en matemáticas”. No detalló cuáles son, ni incluyó evaluaciones independientes de esos resultados.
La velocidad del anuncio generó inquietud dentro y fuera de la empresa. OpenAI creó entonces un comité asesor de nueve matemáticos para ayudarla a decidir cómo comunicar sus resultados. Sus integrantes no cobran sueldo de la empresa, sus recomendaciones no son vinculantes y el grupo no tiene autoridad para decidir qué problemas investiga OpenAI ni a qué ritmo lo hace.
La propia empresa mencionó en su anuncio una carta abierta que preocupa a toda la comunidad matemática. La firmaron, en un inicio, 25 medallistas Fields -el equivalente al Nobel de Matemáticas-. En el documento advierten que “los objetivos de las empresas de IA y de la comunidad matemática están gravemente desalineados”.
🔍 Pablo Serrano: ‘Quien afirma haber resuelto algo debe poder probarlo’
Para Serrano, el problema no es que una IA participe en la investigación matemática, sino que se salte el paso que siempre ha sostenido a la disciplina: la verificación. “Quien afirma haber resuelto un problema debe también proveer una manera de verificar ese resultado”.
Serrano insiste en que la comprensión humana sigue siendo insustituible, aunque la velocidad de cálculo no lo sea. Pone un ejemplo simple: si le piden verificar si 1 234 por 4 321 es igual a 5 332 113, puede descartarlo de inmediato, sin multiplicar, porque 1234 es par y el resultado también tendría que ser par. “Un matemático debe poder identificar argumentos que no son sólidos o conclusiones incorrectas si está usando IA”, resume.
✏️ Diego Chamorro: ‘las matemáticas siguen siendo papel y lápiz’
Diego Chamorro nunca ha usado inteligencia artificial. Escribió uno de sus libros sobre las ecuaciones de Navier-Stokes y dirige tesis doctorales, pero su herramienta de trabajo sigue siendo la misma de siempre: papel, lápiz y un pizarrón con tiza. “Nosotros todavía estamos en la edad de piedra”, dice, sin que le incomode.
Lo que sí le preocupa es lo que ve en sus estudiantes: proyectos “demasiado bonitos” que, al pedirles que expliquen en el pizarrón cómo llegaron al resultado, no pueden sostener. “Ahí caen”, dice, “porque lo único que hicieron fue escribir sin comprender”. Por eso cree que los estudiantes no deberían tocar la inteligencia artificial hasta la maestría o el doctorado: primero hay que aprender a caminar antes de subirse a un helicóptero. Es decir, invertir horas en resolver problemas con papel y lapiz. Para Chamorro, el verdadero riesgo no es que una IA resuelva o no un problema matemático. Es la ilusión de haber comprendido algo que en realidad no se comprendió. “Eso es mucho más grave que la ignorancia”.
🇪🇨 ¿Necesita Ecuador invertir en supercomputadoras para competir?
Chamorro cree que no. Sostiene que los problemas del milenio son problemas teóricos cuya solución depende de una demostración matemática, no de disponer de una supercomputadora. Y asegura que el nivel matemático del Ecuador ha mejorado mucho en las últimas dos décadas.
Chamorro es miembro de Amarun, una asociación de científicos fundada en París en 2006 con el objetivo de desarrollar las ciencias exactas en Ecuador, hoy concentrada casi por completo en las matemáticas. Entre sus proyectos sostenidos están las escuelas de verano en el país, la publicación de material académico y la gestión de becas de maestría. Chamorro calcula que en 20 años la asociación ha conseguido cerca de 40 becas para que estudiantes ecuatorianos estudien matemáticas en Francia, Estados Unidos y Alemania.
Mientras el Clay Institute completa su evaluación, el caso deja una pregunta que va más allá de Navier-Stokes: qué debe exigirle la comunidad científica a una IA para considerar que un resultado matemático no solo fue producido, sino comprendido, reproducido y correctamente atribuido.
Más información sobre las matemáticas
Cinco preguntas sobre OpenAI, el problema del milenio y los matemáticos
OpenAI afirma haber demostrado las versiones C y D del problema de Navier-Stokes, dos de las cuatro formulaciones oficiales del Clay Mathematics Institute. Son las que permiten aplicar una fuerza externa suave al fluido. Las versiones A y B, que plantean lo mismo sin fuerza externa, siguen abiertas.
No de forma definitiva. El Clay Mathematics Institute dijo el 11 de septiembre de 2026 que el problema “aparentemente” fue resuelto, pero que la evaluación es deliberadamente pausada. Matemáticos como Diego Chamorro y Pablo Serrano se han dado meses para revisar los cálculos por su cuenta antes de darlo por válido.
Porque el método de OpenAI se apoya en trabajo previo publicado por Diego Córdoba y Luis Martínez-Zoroa. Además, Tristan Buckmaster sostiene que OpenAI le pidió no acreditar a su colaborador Levent Alpöge por trabajar en una empresa rival, y cuestionó si el modelo se entrenó con su trabajo privado. OpenAI niega ambas cosas en su comunicado.
Eso afirma la empresa, pero sin detallar en su anuncio cuáles son ni presentar evaluaciones independientes. El anuncio llegó una semana después del de Navier-Stokes y llevó a OpenAI a crear un comité asesor de nueve matemáticos, cuyas recomendaciones no son vinculantes.
Según Diego Chamorro, no. Sostiene que los problemas del milenio son teóricos y su solución depende de una demostración, no de potencia de cómputo. Chamorro afirma que el nivel matemático del Ecuador ya ha mejorado mucho en los últimos 20 años, sin recurrir a la inteligencia artificial.