OpenAI dice haber resuelto Navier-Stokes con IA, pero la polémica sobre créditos eclipsa el logro

OpenAI anunció que un modelo interno, descrito como "significativamente más capaz que GPT-6 Astra", produjo una prueba de que las ecuaciones de Navier-Stokes en tres dimensiones pueden desarrollar una singularidad en tiempo finito, uno de los siete Problemas del Milenio del Clay Mathematics Institute, dotado con un premio de un millón de dólares. Se trata de ecuaciones que describen el movimiento de fluidos y que tienen aplicaciones que van desde la circulación sanguínea hasta la predicción de patrones climáticos.

Según la compañía, el esfuerzo comenzó el 1 de septiembre, después de que investigadores de OpenAI oyeran rumores de que dos Problemas del Milenio ya habían sido resueltos por terceros, lo que llevó a la empresa a lanzar su nuevo modelo interno contra los problemas restantes. En una llamada con periodistas, ejecutivos de OpenAI señalaron que dedicaron una cantidad enorme de cómputo a la tarea, con un coste situado en "millones de dólares" y aproximadamente 10.000 agentes trabajando en paralelo. La propia compañía ha dicho que no tiene intención de reclamar el millón de dólares del premio, y presenta el resultado más bien como una demostración de la velocidad a la que están mejorando sus sistemas más avanzados.

El problema es el contexto en el que surgió ese resultado. El matemático de la NYU Tristan Buckmaster y el investigador de Anthropic Levent Alpöge llevaban tiempo trabajando en una investigación estrechamente relacionada sobre dinámica de fluidos. Buckmaster ha cuestionado públicamente si OpenAI se lanzó a esa línea de investigación concreta a partir de información conocida sobre el trabajo de ambos, y ha planteado dudas sobre si material privado de Codex pudo haber jugado algún papel. Además, acusó al investigador de OpenAI Sébastien Bubeck de presionar para retirar a Alpöge de la autoría del resultado por el hecho de trabajar para Anthropic, principal competidor de OpenAI. Buckmaster afirmó que, cuando amenazó con hacer públicas sus conversaciones con Bubeck, este le respondió: "¿Por qué arruinarías tu carrera?" (la cita original en inglés recogida en el artículo era "Why would you ruin your career?").

OpenAI ha respondido a estas acusaciones asegurando que no accedió a los datos de usuario específicos de Buckmaster o Alpöge mientras perseguía la prueba. Sin embargo, la compañía reconoció que no puede descartar por completo una conexión indirecta: "Aunque es poco probable, no podemos descartar que datos desidentificados derivados de su uso de nuestros productos hayan ayudado a mejorar nuestros modelos", declaró OpenAI. La empresa recuerda que, por defecto, no entrena con las entradas o salidas de sus clientes empresariales, y que los usuarios de cuentas personales de ChatGPT pueden optar por que sus conversaciones no se usen para entrenamiento.

El propio consejero delegado de OpenAI, Sam Altman, se pronunció en X sobre la controversia: "Ahora que podemos ver su trabajo, los enfoques parecen ser distintos", escribió, reconociendo además que la compañía lanzó el esfuerzo tras oír rumores de que los modelos de Anthropic habían resuelto un problema matemático importante: "Teníamos curiosidad por saber si los nuestros también podían hacerlo".

El episodio pone sobre la mesa una pregunta incómoda que va más allá de este caso concreto: qué ocurre cuando la misma empresa que proporciona a los científicos las herramientas de investigación de IA puede además movilizar recursos de cómputo muchísimo mayores para competir directamente con ellos en sus propias líneas de trabajo. La disputa toca de lleno la cuestión de a quién pertenece el trabajo realizado con herramientas de IA, y si los laboratorios que fabrican esas herramientas compiten, de facto, con sus propios clientes y usuarios.

El caso, según se plantea en el artículo, es solo un primer ejemplo de un tipo de conflicto que previsiblemente se repetirá: disputas sobre qué saben las compañías de IA acerca del trabajo y el uso que investigadores y usuarios hacen de sus herramientas, y sobre si esa información —aunque sea de forma indirecta o desidentificada— puede terminar alimentando resultados con los que esas mismas compañías compiten con quienes las usan.