OpenAI asegura haber resuelto el problema de Navier-Stokes, uno de los ‘Problemas del Milenio’
La compañía tecnológica OpenAI anunció haber resuelto el problema de «existencia y suavidad de Navier-Stokes», uno de los siete Problemas del Milenio catalogados en el año 2000 por el Instituto Clay de Matemáticas, certamen que ofrece una recompensa de un millón de dólares a quien aporte una solución demostrable. El avance, calificado por la firma como una de las demostraciones más contundentes del alcance de la inteligencia artificial sobre las ciencias exactas, demandó 88 horas continuas de procesamiento mediante un modelo aún no lanzado al público y fue formalizado íntegramente a través del lenguaje de verificación matemática Lean.
Las ecuaciones de Navier-Stokes describen el movimiento del agua, el aire y otros fluidos, siendo una herramienta fundamental para modelos climáticos y aerodinámicos. El enigma teórico radicaba en determinar si estas fórmulas matemáticas siempre producen soluciones suaves y continuas o si, por el contrario, existen escenarios extremos donde fallan y se quiebran. La solución presentada por OpenAI asegura haber identificado precisamente las condiciones en las que las ecuaciones colapsan matemáticamente, si bien los físicos aclaran que este fallo teórico no se traduce en fenómenos físicos reales como la explosión espontánea de líquidos.
Para alcanzar este resultado, la tecnológica desplegó un enjambre de hasta 10.000 agentes de inteligencia artificial coordinados mediante aprendizaje por refuerzo, asistidos por investigadores humanos que facilitaron el intercambio de datos clave entre los diferentes grupos de trabajo. La operación supuso un gasto millonario debido al enorme consumo eléctrico exigido por los centros de datos, convirtiéndose en el segundo Problema del Milenio en hallar respuesta en la historia, tras la resolución de la Conjetura de Poincaré hace dos décadas.
Pese a la magnitud del anuncio, la noticia generó intensas discusiones en la comunidad científica internacional. Matemáticos de referencia como Terence Tao, profesor de la Universidad de California en Los Ángeles (UCLA), advirtieron que la delegación de estas demostraciones en modelos automatizados podría empobrecer la comprensión deductiva humana, señalando que la máquina encuentra atajos sin transferir el aprendizaje pedagógico que deja el esfuerzo del científico. El documento técnico y el código en Lean ya se encuentran abiertos a la revisión por pares para que expertos independientes verifiquen la validez de la demostración.
