OpenAI asegura que un modelo interno de inteligencia artificial resolvió más de cien problemas matemáticos estudiados durante años. El sistema, cuyo entrenamiento comenzó el 28 de agosto, todavía no está disponible para el público y la empresa no reveló su nombre.
Según la compañía, esta IA sería bastante más capaz que GPT-6 Astra y sus resultados abarcarían la mayoría de las áreas de las matemáticas. Sin embargo, OpenAI aún no publicó la lista completa de problemas, las demostraciones ni el número de hallazgos revisados por especialistas externos.
El anuncio llega después de la polémica por el problema de Navier-Stokes, uno de los siete Problemas del Milenio del Instituto Clay. OpenAI atribuye al mismo sistema una solución para este desafío, que lleva cerca de noventa años sin una respuesta aceptada.
Navier-Stokes estudia las ecuaciones que describen el movimiento de fluidos, como el agua y el aire. La clave es saber si esas fórmulas pueden producir una velocidad infinita, una señal de que el modelo matemático dejó de representar de forma válida el fenómeno físico.
También te puede interesar:OpenAI Lanza el Modo Visión en Tiempo Real y Compartir Pantalla en EuropaUna casa con miles de revisores trabajando a la vez
OpenAI afirma que desplegó unos 10.000 agentes de IA, programas capaces de realizar tareas autónomas, durante 88 horas para investigar Navier-Stokes.
La IA no sería un único genio frente a una pizarra, sino una oficina con miles de asistentes que prueban caminos en paralelo. Algunos agentes buscan una pista, otros verifican un cálculo y otros descartan puertas que no llevan a ninguna parte.
Ese engranaje explica por qué la velocidad sorprende incluso a los investigadores de OpenAI. La máquina puede recorrer muchas variantes de una demostración sin cansarse, aunque recorrer más caminos no garantiza que la respuesta final sea correcta.
Ahí aparece el interruptor central de esta historia: la revisión independiente. En matemáticas no alcanza con anunciar un resultado. Otros expertos deben leer cada paso, detectar errores y comprobar que la prueba sostiene lo que promete.
También te puede interesar:OpenAI Lanza el Modo Visión en Tiempo Real y Compartir Pantalla en EuropaLa empresa creó AGMAI, un grupo asesor de nueve matemáticos respaldado por el Instituto de Estudios Avanzados de Princeton. Entre sus miembros figuran Timothy Gowers y Martin Hairer, y su primera tarea será orientar la publicación y revisión de los hallazgos anunciados.
El grupo no recibirá remuneración de OpenAI y podrá publicar recomendaciones o críticas. No obstante, su papel es consultivo. Martin Hairer reconoce que OpenAI puede ignorar los consejos del comité.
La prueba pendiente detrás del anuncio
Las dudas no solo se relacionan con los resultados. La publicación sobre Navier-Stokes generó una disputa por la autoría y el uso de trabajos previos de Tristan Buckmaster y Levent Alpöge. Buckmaster también cuestionó si sus consultas privadas en Codex, una herramienta de programación de OpenAI, pudieron influir en el sistema.
El 10 de septiembre, la compañía indicó que una investigación interna descartó esa influencia durante los dos meses anteriores al anuncio. Investigadores consultados cuestionan si AGMAI tendrá capacidad real para condicionar las decisiones de la empresa.
La oportunidad es concreta: una IA capaz de acelerar demostraciones podría funcionar como una pieza clave para investigadores, docentes y estudiantes. Pero antes debe mostrar su cableado, abrir sus cuentas y permitir que la comunidad compruebe cada conexión.
Si esas pruebas resisten la mirada externa, la matemática podría ganar una nueva herramienta: no una caja cerrada que entrega respuestas, sino una luz más potente para encontrar las pérdidas que todavía esconde la casa del conocimiento.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
