OpenAI afirmó el 8 de septiembre que sus agentes de inteligencia artificial resolvieron el problema de Navier-Stokes, uno de los siete Problemas del Milenio y candidato al premio de un millón de dólares del Clay Mathematics Institute. La reacción de los matemáticos frente a la IA no fue de festejo: el anuncio encendió una disputa sobre quién firma un resultado construido sobre trabajo humano. El Instituto Clay aclaró que solo evaluará la solución cuando aparezca en una revista con arbitraje.
La polémica empezó antes del anuncio. El matemático Tristan Buckmaster, de la Universidad de Nueva York, y su colaborador Levent Alpöge, de Harvard, trabajaban en el problema con herramientas de OpenAI y Anthropic cuando supieron que la empresa preparaba su anuncio. Buckmaster había usado los modelos durante un año y contaba con tres cuentas de ChatGPT: solo en dos había desactivado el permiso para entrenar con sus conversaciones. La compañía respondió que ningún dato de usuarios posterior al 3 de julio pudo influir en el sistema, que empezó a trabajar en el problema el 1 de septiembre y que no vio ese trabajo antes de que se publicara.
De dónde viene el reclamo de los matemáticos frente a la IA
Los matemáticos frente a la IA formalizaron su reclamo por otra vía. Una carta abierta firmada por 25 medallas Fields apunta a un blanco preciso: el Caltech Mathathon, un desafío que abre el 30 de octubre y en el que Anthropic y OpenAI pondrán 2 millones de dólares en créditos de IA para que los participantes resuelvan problemas abiertos con modelos. Los firmantes sostienen que el formato convierte la investigación matemática en publicidad y traslada a la comunidad la tarea de verificar, difundir y a veces desmentir los resultados: trabajo sin pago, sin crédito y sin mención. El texto también advierte sobre atribución y plagio, porque los modelos aprenden de material humano y no registran de dónde.
La crítica distingue además qué produce la disciplina. Un ensayo del matemático Henry Cohn, publicado como invitado en el blog de Terence Tao, plantea que nadie puede determinar qué necesita saber si le falta el marco que le da sentido, y describe una deuda que no aparece en el anuncio y que la comunidad paga después. El problema que describe no es de herramientas, sino de marcos: un resultado sin el contexto que lo sostiene no puede evaluarse ni acreditarse. En el mismo terreno, la carta pide que las empresas describan de dónde sale el material con que entrenan sus modelos y que sometan los resultados al arbitraje antes de anunciarlos.
Qué queda pendiente después del resultado
Con la verificación en curso, el reparto del crédito sigue abierto. Buckmaster sostiene que la empresa se subió al problema después de conocer su trabajo; OpenAI lo niega y afirma que verificó su prueba con Lean, un lenguaje de demostración formal. Ninguna de las dos partes aportó todavía una cadena completa de procedencia del dato que zanjaría la discusión.
El episodio anticipa una escena extendida. Cada vez más disciplinas se enfrentan a la eficacia de un sistema de IA y, al mismo tiempo, a preguntas sobre su origen y su uso. Los matemáticos señalaron el camino de la colaboración: integrar la herramienta con interpretación humana y acreditar el aporte de cada parte. El arbitraje, la firma y el registro de origen son hoy la parte del método que el anuncio deja fuera. La parte pendiente sigue siendo la misma: quién responde por un resultado cuando el resultado ya está sobre la mesa.
Otras fuentes consultadas: The Guardian (20/09) · Nature (17/09) · Henry Cohn, blog de Terence Tao (15/09).
