Navier-Stokes: Avance de OpenAI en IA matemáticas
2026-09-11
El modelo interno de OpenAI resolvió el problema de Navier-Stokes, un Premio del Milenio que desafió a los matemáticos por 90 años.
Si alguna vez te has preguntado por qué los pronósticos del tiempo pierden precisión después de unos días o por qué la turbulencia sacude un avión, la respuesta se remonta a un conjunto de ecuaciones que desconcertó a los mejores matemáticos del mundo durante casi 90 años. El 8 de septiembre de 2026, OpenAI anunció que un modelo de IA interno las había resuelto.
La misma compañía detrás de la aplicación ChatGPT en tu teléfono demostró que la IA puede ahora abordar problemas que antes se consideraban territorio exclusivamente humano. Aquí te explicamos qué pasó, qué significa la solución de Navier-Stokes y por qué importa para quien siga los avances en IA matemáticas.
Comprendiendo las ecuaciones de Navier-Stokes y la dinámica de fluidos
Las ecuaciones de Navier-Stokes describen cómo se mueven los fluidos. Agua, aire, sangre, corrientes oceánicas. Si fluye, estas ecuaciones lo gobiernan. Son la base matemática de la dinámica de fluidos.
Claude-Louis Navier y George Gabriel Stokes las derivaron en el siglo XIX aplicando la segunda ley de Newton a fluidos continuos. En lugar de rastrear moléculas individuales, las ecuaciones tratan al fluido como una sustancia continua y suave. Modelan velocidad, presión y viscosidad para predecir cómo se comporta esa sustancia bajo diferentes condiciones.
Estas ecuaciones no son curiosidades teóricas. Los diseñadores de aeronaves las usan para simular el flujo de aire sobre las alas. Los meteorólogos dependen de ellas para el pronóstico del tiempo. Los investigadores médicos las aplican para estudiar el flujo sanguíneo a través de las arterias. Cada vez que la aplicación del clima en tu teléfono predice lluvia, hay una conexión distante con Navier-Stokes y la dinámica de fluidos.
Las ecuaciones se ven elegantes en el papel. El problema surge cuando haces una pregunta sencilla sobre ellas: ¿las soluciones suaves siempre se mantienen suaves, o pueden explotar y desarrollar singularidades donde las velocidades se vuelven infinitas? Esa pregunta, fácil de formular y brutal de responder, atormentó a los matemáticos durante décadas.
El Premio del Milenio que desconcertó a los matemáticos
En el año 2000, el Clay Mathematics Institute nombró la pregunta de existencia y suavidad de Navier-Stokes como uno de los siete Problemas del Premio del Milenio. Cada uno llevaba consigo una recompensa de un millón de dólares. Solo uno había sido resuelto desde entonces: la conjetura de Poincaré, resuelta por el matemático ruso Grigori Perelman en 2003.
La pregunta suena sencilla. Comienza con un fluido 3D incompresible, suave y estacionario. Aplica una fuerza suave. ¿La velocidad del fluido se mantiene acotada para siempre, o puede crecer sin límite en algún punto? Una singularidad, en este contexto, significa que la velocidad del fluido alcanza el infinito en tiempo finito.
En 1934, Jean Leray demostró que las soluciones existen en un sentido generalizado. Pero si esas soluciones permanecían suaves quedó sin respuesta. Durante nueve décadas, la pregunta de suavidad resistió cada intento. Ganadores de la Medalla Fields lo intentaron. Programas enteros de investigación se formaron en torno a resultados parciales. Nadie pudo resolverla.
Ese es el problema que el sistema de IA de OpenAI atacó y resolvió.
Cómo el modelo interno de OpenAI encontró la solución
OpenAI no usó un producto disponible al público. La compañía había estado entrenando un nuevo modelo interno desde el 28 de agosto que mostró un rendimiento sin precedentes en pruebas matemáticas. Este modelo es significativamente más capaz que GPT-6 Astra, su modelo insignia actual. El entrenamiento todavía estaba en curso cuando ocurrió el avance.
El 1 de septiembre, tras escuchar rumores de que se estaban resolviendo Problemas del Premio del Milenio, OpenAI lanzó un esfuerzo coordinado multi-agente en todos los Problemas del Premio del Milenio abiertos. Los agentes tenían acceso a internet y herramientas de ejecución de código. Trabajaban en grupos que podían comunicarse internamente, y diferentes grupos recibieron diferentes formulaciones de cada problema.
El grupo de Navier-Stokes involucró aproximadamente 10,000 agentes concurrentes. Probaron las cuatro variantes de la formulación oficial del problema. Las versiones A y B demostrarían que las soluciones se mantienen suaves. Las versiones C y D lo refutarían construyendo una singularidad. OpenAI asignó cada variante a grupos separados.
Los agentes encontraron la respuesta el 5 de septiembre, unas 88 horas después de comenzar. Durante el esfuerzo de Navier-Stokes, los agentes intercambiaron 2.7 millones de mensajes y consumieron aproximadamente 130,000 millones de tokens de salida. La verificación de formalización en Lean tomó otras 17 horas usando GPT-6 Astra. En todos los problemas intentados en conjunto, los agentes enviaron 4.9 millones de mensajes y usaron cerca de 300,000 millones de tokens.
Es un esfuerzo computacional masivo. El costo alcanzó millones de dólares. OpenAI declaró que no reclamará el premio de un millón de dólares, enmarcando el resultado como una instantánea del progreso de la IA.
Qué significa la solución de la singularidad
La demostración de la IA muestra que un fluido suave que comienza en reposo puede desarrollar una singularidad en tiempo finito, incluso con una fuerza externa suave y energía finita durante el proceso completo. Esto resuelve las declaraciones C y D de la formulación oficial de Clay. Es una refutación, no una confirmación.
La solución toma la forma de un vórtice. Se trata de un remolino de fluido que gira hacia adentro mientras se estira a lo largo de su eje, como un espagueti siendo estirado. La región central se encoge y acelera, pero la energía total se mantiene finita, consistente con las leyes de la física. La singularidad emerge del movimiento del propio fluido en lugar de un empuje externo infinito.
El desafío técnico aquí es considerable. Los términos en las ecuaciones de Navier-Stokes que describen el movimiento (aceleración, gradientes de presión, transferencia de momento, viscosidad) deben crecer simultáneamente mientras se cancelan entre sí de manera precisa. Este equilibrio detallado deja una fuerza externa suave incluso cuando la velocidad del fluido crece sin límite.
¿Qué significa una singularidad físicamente? Como los fluidos reales no pueden moverse a velocidad infinita, una singularidad indica que la aproximación de medio continuo falla. En ese punto, las ecuaciones dejan de ser útiles y sería necesario rastrear partículas individuales. Las matemáticas nos dicen dónde falla su propio modelo.
De Euler a Navier-Stokes: el camino inesperado de la IA
Antes de atacar Navier-Stokes directamente, los agentes intentaron problemas de calentamiento más sencillos. Uno fue la pregunta de regularidad de las ecuaciones de Euler, que es Navier-Stokes sin el término de viscosidad. Es una versión simplificada: sin fricción que suavice las cosas.
Unos 100 agentes pasaron aproximadamente 50 horas y resolvieron el problema de regularidad de Euler sin forzamiento. Este no era el objetivo principal. Era una misión secundaria que valió la pena. Cuando los agentes vieron la solución de Euler, reconocieron Navier-Stokes como el objetivo más prometedor y reasignaron recursos. La resolución de Euler informó su enfoque para el problema más difícil.
Simultáneamente, Levent Alpöge, investigador de Anthropic, y Tristan Buckmaster, profesor de matemáticas en NYU, trabajaban en problemas relacionados. Resolvieron el problema de regularidad de Euler con forzamiento usando su propio enfoque con varias herramientas de IA. Su trabajo y el de OpenAI son independientes. Los resultados difieren incluso en el caso de Euler: OpenAI resolvió la versión sin forzamiento, mientras que Alpöge y Buckmaster resolvieron la versión con forzamiento.
El trabajo concurrente generó controversia. Buckmaster planteó preguntas sobre si OpenAI había accedido a su investigación no publicada a través de datos de uso del producto. OpenAI lo negó, señalando que sus demostraciones difieren significativamente y que no se accedió a datos específicos de usuarios para resolver el problema, lo que plantea preguntas sobre privacidad y seguridad en la investigación con IA. La disputa destaca una tensión que solo crecerá a medida que los sistemas de IA participen cada vez más en investigación de frontera, con implicaciones para AI safety y el uso responsable de la tecnología.
Por qué este avance IA importa para la tecnología cotidiana
Podrías preguntarte por qué deberías interesarte en una demostración matemática. Pregunta justa.
Las ecuaciones de Navier-Stokes sustentan tecnologías que usas a diario. Comprender mejor cuándo y cómo fallan estas ecuaciones lleva a mejores métodos numéricos. Eso significa modelos meteorológicos más precisos, diseño de aeronaves más eficiente y mejores simulaciones de flujo sanguíneo para diagnósticos médicos. La dinámica de fluidos no es solo académica. Es la física detrás de cosas de las que dependes cada día.
También está el ángulo de la IA. OpenAI resolvió un problema que los matemáticos de élite no pudieron resolver en 90 años. Los agentes lo hicieron en 88 horas. Eso no significa que la IA reemplace a los matemáticos. Significa que la IA se está convirtiendo en un colaborador poderoso para la investigación científica a un nivel que no habíamos visto. Es un avance IA sin precedentes, y las capacidades de IA matemáticas demostradas aquí son un adelanto de hacia dónde se dirigen las herramientas para consumidores.
La aplicación ChatGPT en tu teléfono viene de la misma compañía. Aunque el modelo interno que resolvió Navier-Stokes no está disponible para el público, las técnicas que se desarrollan, las capacidades de razonamiento que se refinan, se filtran hacia los productos que puedes usar. Cuando llegue la próxima generación de modelos de IA, avances como este son una vista previa de lo que viene.
Pros y contras de la IA ante los problemas del Premio del Milenio
Pros:
- Velocidad: lo que tomó décadas de esfuerzo humano se exploró en días
- Escala: 10,000 agentes pueden intentar miles de enfoques simultáneamente
- Nuevos métodos: la IA encontró estrategias de solución que los humanos no habían considerado
- Formalización: la demostración en Lean puede ser verificada por máquina, lo que añade confianza
Contras:
- Brecha de verificación: las demostraciones matemáticas necesitan revisión por pares, y las generadas por IA no son excepción
- Costo: ejecutar 10,000 agentes durante 88 horas no es barato
- Controversia: el trabajo concurrente planteó preguntas sobre ética de investigación y uso de datos
- Reproducibilidad: el modelo interno no está disponible públicamente
No está mal. Tampoco es perfecto.
Qué significa esto para el futuro de la IA y las matemáticas
La solución de Navier-Stokes de OpenAI es una instantánea de dónde está la IA ahora mismo. La demostración necesita revisión de la comunidad, pero la señal es clara. La IA puede ahora contribuir a la investigación matemática de frontera a un nivel que los humanos no han alcanzado solos. Descarga una aplicación de asistente de IA para explorar lo que estas herramientas pueden hacer hoy. Disponible para download en APKPure, porque la brecha entre los avances de investigación y las funciones para consumidores se cierra más rápido de lo que la mayoría espera.
NEWS
REVIEWS
HOWTO
