Inteligencia artificial y matemáticas: ¿realmente resuelve problemas la IA o solo parece que lo hace?

Hace unas semanas, OpenAI soltó una noticia que sacudió a la comunidad científica: un modelo de inteligencia artificial interno había resuelto más de 100 problemas matemáticos abiertos. Y no en años, sino en cuestión de semanas. Si te quedas solo con ese titular, la reacción natural es la de abrir los ojos como platos. Pero cuando rascas un poco, la historia se vuelve bastante más interesante y bastante más incómoda.

En este post vamos a desgranar qué ha pasado exactamente, por qué los matemáticos no están precisamente echando cohetes y qué pregunta de fondo queda sin respuesta: cuando una IA resuelve un problema matemático, ¿lo resuelve de verdad?

Qué ha anunciado OpenAI exactamente

OpenAI ha comunicado que un modelo interno, que lleva en entrenamiento desde el 28 de agosto, ha sido capaz de resolver más de 100 problemas matemáticos que llevaban años abiertos. El anuncio llega acompañado de otro hito todavía más llamativo: la empresa publicó una demostración sobre las ecuaciones de Navier-Stokes, uno de los siete Problemas del Milenio del Clay Mathematics Institute, cuya resolución tiene asociado un premio de un millón de dólares.

Hasta aquí, impresionante. El problema es lo que viene después.

En ese anuncio inicial no se ofrecieron detalles sobre cuáles son los 100 problemas resueltos ni se incluyeron evaluaciones independientes de los resultados. Vamos, que se lanzó la noticia grande sin los deberes completos encima de la mesa.

El caso Navier-Stokes: resuelto, pero con matices importantes

Qué son las ecuaciones de Navier-Stokes

Para quien no esté familiarizado: las ecuaciones de Navier-Stokes describen cómo se mueven los fluidos. Desde el agua en una tubería hasta las corrientes de aire alrededor de un avión. El gran enigma matemático que llevan décadas intentando resolver es si, partiendo de condiciones iniciales "suaves" y controladas, las propias ecuaciones pueden generar una singularidad, es decir, una situación en la que ciertas magnitudes crecen sin límite en un tiempo finito.

Resolver esto tiene implicaciones tanto matemáticas como físicas enormes. No es un problema de pizarra: es una de las preguntas abiertas más importantes de las matemáticas aplicadas.

Lo que OpenAI ha resuelto (y lo que no)

Aquí está el nudo de la cuestión. El enunciado oficial del problema admite cuatro formulaciones distintas, identificadas como A, B, C y D. Algunas de ellas estudian la evolución del fluido sin ninguna fuerza externa aplicada. Otras permiten introducir una fuerza suave desde fuera.

OpenAI ha resuelto las formulaciones C y D: parte de un fluido en reposo y aplica una fuerza diseñada específicamente hasta que aparece la singularidad. Y aquí viene el matiz: esto no es una trampa ni una tramoya. Esa posibilidad está expresamente contemplada en el enunciado del problema, y la empresa lo explica con transparencia.

Entonces, ¿cuál es el problema? Que lo que la comunidad matemática lleva décadas queriendo saber es si las propias ecuaciones, sin ninguna fuerza externa de diseño, son capaces de generar esa singularidad por sí solas. Y esa pregunta sigue sin respuesta.

Como recoge Scientific American, la polémica ha surgido precisamente por esa discrepancia. Una cosa es ajustarse al enunciado del problema y aprovechar lo que permite, y otra es resolver la cuestión física y matemática de fondo que lleva investigándose décadas.

¿Está resuelto o no está resuelto?

El propio Clay Mathematics Institute, el organismo que administra los Problemas del Milenio, comentó que el problema había quedado aparentemente resuelto, pero sus responsables también subrayaron que el proceso de evaluación lleva tiempo y que no hay comentarios concluyentes todavía.

Por su parte, OpenAI ya ha dicho que no pretende reclamar el millón de dólares. Lo cual, dependiendo de cómo lo mires, puede interpretarse como humildad científica o como una señal de que ellos mismos saben que la solución no está completa en el sentido más exigente del término.

Así que, de momento, la respuesta honesta a la pregunta de si OpenAI ha resuelto el problema de Navier-Stokes es: no lo sabemos. Y esa incertidumbre importa.

La formalización en Lean: una garantía, pero no la única que importa

OpenAI presentó su demostración acompañada de su formalización en Lean, una plataforma informática que permite verificar formalmente la corrección de demostraciones matemáticas. Esto es relevante: Lean es una herramienta seria que añade una capa de validación técnica importante.

Pero hay un debate más profundo que conviene no ignorar.

En el blog de Terence Tao, los investigadores Silvia De Toffoli y Eamon Duede señalan algo que me parece fundamental: existe una diferencia entre una respuesta formalmente correcta y una demostración que los matemáticos puedan comprender e integrar en el conocimiento existente. No es lo mismo que un sistema certifique que algo es verdad a que la comunidad científica pueda asimilarlo, debatirlo y construir sobre ello.

Y eso no es un capricho. La matemática avanza precisamente porque las demostraciones se entienden, se cuestionan y generan nuevas preguntas. Una caja negra que escupe resultados correctos pero incomprensibles tiene un valor limitado para el progreso científico real.

El Advisory Group y el camino por recorrer

Consciente de estas limitaciones, OpenAI ha creado el Advisory Group on Mathematics and Artificial Intelligence, formado por nueve matemáticos independientes. Su función es precisamente ayudar a comunicar y validar los resultados futuros con mayor rigor.

Hay que decir que sus integrantes no cobran sueldo de OpenAI, lo cual es una buena señal de independencia. Sin embargo, también hay que decir que sus recomendaciones no son vinculantes. Es un paso en la dirección correcta, pero no resuelve por sí solo la cuestión de fondo.

La pregunta que de verdad importa

Todo este caso nos deja con una pregunta que va más allá de OpenAI y de Navier-Stokes: ¿cuándo decimos que una inteligencia artificial ha resuelto un problema matemático?

Si la IA produce una solución formalmente correcta pero que no responde a la pregunta que la comunidad lleva décadas haciéndose, ¿es una solución? Si la demostración no puede ser comprendida ni asimilada por ningún matemático humano, ¿qué valor tiene para el conocimiento colectivo?

Estamos, posiblemente, ante uno de los debates más importantes que va a generar la intersección entre inteligencia artificial y matemáticas en los próximos años. Y lo interesante no es si la IA es capaz de resolver problemas, que parece claro que en cierta medida lo es, sino qué significa exactamente resolver un problema cuando quien lo hace es una máquina.

No hay respuestas fáciles. Pero sí hay algo seguro: ignorar la pregunta sería el peor de los errores posibles.

¿Te ha parecido útil este análisis? En Trifani seguimos de cerca cómo la inteligencia artificial está transformando ámbitos tan exigentes como la investigación científica y matemática. Si quieres estar al día, suscríbete a nuestra newsletter.