La inteligencia artificial acaba de cruzar una frontera que las matemáticas no lograban atravesar desde hace casi un siglo.
Un sistema interno de OpenAI produjo la demostración de que las ecuaciones de Navier-Stokes pueden desarrollar una singularidad en tiempo finito, resolviendo uno de los problemas más antiguos y respetados de las matemáticas modernas. 🤯
Para quienes aún no conocen ese nombre, tranquilos que les explicamos todo con calma.
El Premio Millennium, ofrecido por el Clay Mathematics Institute, es una lista de siete problemas matemáticos considerados los más difíciles del mundo, cada uno con una recompensa de un millón de dólares para quien consiga resolverlo.
El problema de Navier-Stokes está en esa lista desde el año 2000, y permaneció sin respuesta durante décadas, desafiando a los mayores matemáticos del planeta. La pregunta central sobre la existencia y suavidad de las soluciones para fluidos tridimensionales se mantuvo abierta durante cerca de 90 años.
Lo que nadie esperaba es que la solución viniera de donde vino: un sistema multiagente de IA funcionando con alrededor de 10 mil agentes simultáneos, intercambiando más de 2,7 millones de mensajes a lo largo de aproximadamente 88 horas de trabajo ininterrumpido.
Esto no es solo un hito científico, es una señal clara de que el ritmo del progreso en IA está acelerando a una velocidad que pocos imaginaban. OpenAI compartió tanto la redacción completa de la demostración como una formalización hecha en Lean, un lenguaje usado precisamente para verificar demostraciones matemáticas con rigor absoluto.
Pero antes de entrar en los detalles técnicos de esta hazaña histórica, vale la pena entender qué fue exactamente lo que se resolvió, y por qué esto importa tanto para la ciencia, la tecnología y nuestro día a día.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Qué son las ecuaciones de Navier-Stokes y por qué importan tanto
Las ecuaciones de Navier-Stokes son un conjunto de fórmulas matemáticas que describen cómo se comportan los fluidos, ya sea agua, aire, sangre en el cuerpo humano, humo saliendo de una chimenea o incluso el plasma de una estrella en colapso. Aplican la segunda ley de Newton, esa famosa F igual a m por a, para describir el movimiento de los fluidos, tratando al fluido como un medio continuo en lugar de rastrear cada molécula individualmente.
Fueron formuladas en el siglo XIX por los físicos Claude-Louis Navier y George Gabriel Stokes, y desde entonces se convirtieron en la base de prácticamente todo lo que involucra dinámica de fluidos. Los ingenieros usan estas ecuaciones para diseñar aviones más eficientes. Los climatólogos dependen de ellas para construir modelos de predicción del tiempo. Los médicos las utilizan para entender cómo fluye la sangre por las arterias. El problema es que, a pesar de toda esa utilidad práctica, nadie conseguía demostrar matemáticamente con total rigor si estas ecuaciones siempre producen soluciones estables y suaves, o si en algún momento pueden explotar, técnicamente hablando, generando valores infinitos que quiebran cualquier modelo computacional.
Ese punto de ruptura tiene un nombre técnico: singularidad. Una singularidad, en este contexto, ocurre cuando la velocidad del fluido crece sin límite dentro de un intervalo de tiempo finito, es decir, el sistema matemático simplemente deja de funcionar de manera predecible. Imaginen intentar simular el comportamiento de un remolino de agua y, en determinado momento, la ecuación te devuelve un número infinito sin ninguna explicación física plausible. Eso sería una singularidad. Y lo más impresionante es que esta ruptura tendría que ocurrir a pesar de la presencia de la viscosidad, que es justamente la propiedad del fluido que tiende a suavizar el movimiento y desacelerar todo.
Durante décadas, la gran pregunta era: ¿esto puede ocurrir con las ecuaciones de fluidos en la vida real, o es solo un problema teórico sin consecuencias prácticas? Como ningún fluido real puede moverse infinitamente rápido, una singularidad marcaría un fallo en la forma en que las ecuaciones modelan el fluido. A partir de ese punto, sería necesario volver a rastrear el comportamiento de cada partícula individualmente para seguir describiendo el sistema.
Un poco de historia ayuda a dimensionar el tamaño del desafío. En 1934, el matemático francés Jean Leray demostró que existen soluciones en un sentido generalizado para estas ecuaciones. Solo que la pregunta sobre si esas soluciones permanecen siempre suaves quedó sin respuesta y se convirtió en una de las grandes obsesiones de las matemáticas modernas. En 2000, el Clay Mathematics Institute oficializó el problema de existencia y suavidad de Navier-Stokes como uno de los siete Problemas del Premio Millennium.
La dificultad radica en que las ecuaciones de Navier-Stokes son altamente no lineales, lo que significa que pequeños cambios en las condiciones iniciales pueden generar resultados completamente diferentes e impredecibles a lo largo del tiempo. Esto hace imposible usar enfoques matemáticos tradicionales para analizar todos los escenarios posibles de una sola vez. Es como intentar mapear cada gota de un océano en movimiento constante. Y fue exactamente ese nivel de complejidad lo que mantuvo el problema intocable durante tanto tiempo, incluso con toda la evolución de las matemáticas modernas, de los computadores y de las herramientas de simulación disponibles en las últimas décadas.
Cómo la IA de OpenAI logró lo que las matemáticas no pudieron solas
El enfoque usado por OpenAI fue radicalmente diferente de cualquier intento anterior. En lugar de poner un único modelo de lenguaje a resolver el problema, la empresa desarrolló un sistema multiagente, donde aproximadamente 10 mil agentes de inteligencia artificial trabajaron de forma colaborativa y simultánea, cada uno responsable de una parte específica del problema.
Estos agentes estaban alimentados por un modelo interno descrito por OpenAI como significativamente más capaz que el GPT-6 Astra. Tenían acceso a herramientas poderosas, como la posibilidad de leer una versión en caché de internet y ejecutar código. Los agentes fueron divididos en grupos que podían comunicarse entre sí, y el grupo que produjo la resolución de Navier-Stokes involucró algo del orden de 10 mil agentes trabajando al mismo tiempo. 🚀
A lo largo de cerca de 88 horas continuas de procesamiento, los agentes involucrados en este problema específico intercambiaron aproximadamente 2,7 millones de mensajes y consumieron cerca de 130 mil millones de tokens de salida. Cada agente contribuía con una pieza del rompecabezas matemático, y el sistema en su conjunto iba organizando, verificando y refinando las demostraciones generadas, en un proceso que se asemeja, en cierta medida, al funcionamiento de un gran laboratorio de investigación donde cientos de especialistas colaboran en paralelo, pero a una velocidad infinitamente mayor.
Un detalle curioso es cómo empezó todo. OpenAI cuenta que, el 1 de septiembre, escuchó rumores de que dos problemas del Premio Millennium habrían sido resueltos. Inspirada por esos rumores y por el salto de rendimiento de su modelo interno, el equipo lanzó un esfuerzo para evaluar el sistema en todos los problemas abiertos del premio. Diferentes grupos de agentes recibieron variantes distintas del enunciado del problema, cubriendo tanto los caminos que llevarían a una demostración como los que llevarían a una refutación.
Un impulso proveniente de las ecuaciones de Euler
Antes de llegar a Navier-Stokes, el sistema resolvió un problema considerado más sencillo, pero igualmente relevante: la cuestión de la regularidad para las ecuaciones de Euler, que son básicamente las ecuaciones de Navier-Stokes sin el término de viscosidad. Cerca de 100 agentes trabajaron juntos durante aproximadamente 50 horas para producir esa refutación, en la versión sin fuerza externa aplicada al fluido. Fue precisamente esa victoria la que hizo que el equipo apostara todas las fichas en Navier-Stokes, redirigiendo recursos y alimentando a los agentes con la solución de Euler para acelerar el razonamiento.
El resultado fue la producción de una demostración analítica formal indicando que las ecuaciones de Navier-Stokes pueden efectivamente desarrollar una singularidad en tiempo finito. La solución encontrada fue un vórtice, un remolino de fluido que gira en espiral hacia adentro y se va haciendo cada vez más alargado, como un hilo de espagueti. Esa región central se encoge mientras acelera, de una forma en que la energía del sistema sigue siendo finita, exactamente como exigen las leyes de la física.
El desafío técnico era enorme: los términos de las ecuaciones que describen el movimiento, como aceleración, gradientes de presión, transferencia de momento y viscosidad, necesitaban al mismo tiempo volverse gigantescos y cancelarse de manera extremadamente precisa. Ese equilibrio delicado es lo que permite que exista una fuerza externa suave incluso mientras la velocidad del fluido crece sin límites. En términos prácticos, la IA encontró un escenario matemáticamente consistente donde el sistema de ecuaciones colapsa por causa del propio movimiento del fluido, y no por una fuerza infinita colocada artificialmente en la cuenta.
La formalización y verificación en Lean tomaron 17 horas adicionales, utilizando el GPT-6 Astra. Sumando todos los problemas probados, los agentes enviaron 4,9 millones de mensajes y consumieron cerca de 300 mil millones de tokens de salida. Cabe destacar que la demostración aún necesitará pasar por el proceso formal de revisión por parte de la comunidad científica, lo cual es absolutamente esperado y necesario para cualquier descubrimiento de esta magnitud. De hecho, la propia OpenAI dejó claro que no pretende reclamar el premio de un millón de dólares por este resultado.
Vale destacar que este tipo de sistema multiagente representa una evolución significativa en la forma en que la inteligencia artificial se usa para resolver problemas complejos. Antes, los modelos de IA se usaban principalmente para asistir a investigadores humanos, ofreciendo sugerencias, identificando patrones o acelerando cálculos específicos. Lo que ocurrió aquí fue diferente: el sistema condujo el razonamiento matemático de forma autónoma, estructuró argumentos lógicos encadenados y llegó a una conclusión que ningún ser humano había alcanzado antes.
Un trabajo paralelo que ocurrió al mismo tiempo
Un capítulo interesante de esta historia involucra a investigadores de otra empresa. El rumor que dio inicio al esfuerzo de OpenAI estaba relacionado con Levent Alpöge, empleado de Anthropic, y Tristan Buckmaster, profesor de matemáticas en la NYU. Tras concluir su proyecto y la verificación en Lean, OpenAI se puso en contacto con la dupla para ofrecer un lanzamiento conjunto y reconocer la prioridad de su trabajo. Se descubrió entonces que, usando un modelo interno de Anthropic, habían producido una resolución del problema de Euler con fuerza externa aplicada.
Herramientas que usamos a diario
OpenAI reconoció la prioridad de ese trabajo y felicitó a los investigadores por el logro. Cabe resaltar que las demostraciones son bastante diferentes: en el caso de Euler, Alpöge y Buckmaster demostraron un resultado con forzamiento externo, mientras que el sistema de OpenAI demostró un resultado sin forzamiento externo. La empresa también confirmó, tras una investigación, que no se accedió a ningún dato específico de usuarios para resolver el problema, y que nada del trabajo del equipo rival influyó en el sistema.
Qué cambia en la práctica con este descubrimiento
La confirmación de que las ecuaciones de fluidos pueden desarrollar singularidades tiene implicaciones prácticas bastante concretas, aunque a primera vista parezca un asunto puramente teórico. En simulaciones computacionales de dinámica de fluidos, ingenieros y científicos necesitan saber si los modelos matemáticos que están usando son confiables en todas las condiciones o si existen escenarios donde simplemente van a fallar de manera catastrófica.
Si una singularidad puede formarse en tiempo finito, eso significa que cualquier software de simulación basado en estas ecuaciones necesita incluir mecanismos de detección y tratamiento de estos colapsos, algo que antes se consideraba solo una precaución teórica, pero que ahora cobra un peso mucho mayor. Esto afecta desde el diseño de aeronaves hasta el modelado de fenómenos climáticos extremos. 🌪️
En la medicina, el impacto también es relevante. Los modelos computacionales de flujo sanguíneo se usan para planificar cirugías, predecir riesgos cardiovasculares y desarrollar dispositivos como válvulas cardíacas artificiales y stents. Si las ecuaciones que gobiernan esos modelos tienen puntos de fallo formal, los sistemas de simulación médica necesitan ser revisados con base en este nuevo entendimiento. Además, el descubrimiento abre camino para que los investigadores desarrollen nuevas versiones de las ecuaciones, o extensiones matemáticas que se comporten de forma más estable en condiciones extremas, lo que puede resultar en herramientas de simulación significativamente más precisas y confiables en los próximos años.
En el campo de la inteligencia artificial en sí, la hazaña demuestra que los sistemas multiagentes tienen un potencial enorme para atacar problemas que estaban más allá del alcance de cualquier enfoque individual, humano o computacional. Esto debería acelerar el interés y la inversión en arquitecturas de IA colaborativa, donde múltiples modelos especializados trabajan juntos en lugar de que un único modelo generalista intente resolver todo por su cuenta.
La propia OpenAI ve este resultado como una fotografía de un momento específico, y no como un punto final. La empresa afirma que estamos entrando en un nuevo período de progreso en IA, y refuerza que uno de sus objetivos centrales es construir sistemas orientables, responsables y conectados con las personas. Esto puede requerir decisiones más deliberadas sobre el ritmo del avance, a medida que la misión de garantizar que la inteligencia artificial general beneficie a toda la humanidad sigue en curso.
El Premio Millennium todavía cuenta con otros seis problemas abiertos, y la comunidad científica ya comienza a especular si el mismo tipo de enfoque podría aplicarse a ellos. Sea como sea, lo que OpenAI demostró aquí es que la frontera entre lo que es humanamente posible y lo que la IA puede alcanzar se está moviendo a un ritmo que nadie puede seguir ignorando. 🧠
