OpenAI creó un grupo asesor de matemáticos después de que su IA resolviera más de 100 problemas abiertos en un mes

OpenAI anunció la creación de un grupo asesor independiente de matemáticos, con sede en el Instituto de Estudios Avanzados de Princeton, después de revelar que un modelo interno resolvió más de 100 problemas matemáticos abiertos desde el 28 de agosto de 2026, además de una demostración disputada del problema Navier-Stokes, uno de los siete Problemas del Milenio.

El Advisory Group on Mathematics and Artificial Intelligence surge como respuesta a una carta abierta firmada por veinticinco matemáticos ganadores de la Medalla Fields, que acusó a las empresas de inteligencia artificial de usar los problemas abiertos como vidriera competitiva y de dañar el trabajo intelectual genuino de la disciplina.

Una polémica que empezó con Navier-Stokes

La tensión se desató a comienzos de septiembre de 2026, cuando el matemático de la Universidad de Nueva York, Tristan Buckmaster publicó, junto al investigador de Anthropic Levent Alpöge, avances preliminares sobre el problema Navier-Stokes usando modelos de Codex y Claude.

Buckmaster denunció públicamente que un equipo paralelo de OpenAI se había enterado del progreso de su investigación antes de que fuera pública y utilizó una ventaja de cómputo para llegar primero a una demostración completa.

Según su propio relato, cuando pidió explicaciones sobre cuándo había comenzado OpenAI a trabajar en el problema, las respuestas de la compañía se volvieron cada vez más evasivas. Horas después de que Buckmaster hiciera pública su versión, OpenAI publicó una demostración completa del problema de existencia y suavidad de Navier-Stokes, atribuida a un modelo interno de próxima generación todavía sin nombre comercial definitivo.

OpenAI confirmó buena parte de la cronología: reconoció que su intento por resolver Navier-Stokes había comenzado el 1 de septiembre de 2026, después de escuchar rumores de que dos matemáticos habían avanzado usando inteligencia artificial. La compañía también admitió conversaciones con Buckmaster y Alpöge mientras ambos equipos avanzaban en paralelo sobre el mismo problema.

Más de cien problemas resueltos en un mes por OpenAI

El comunicado publicado por OpenAI precisó que, a partir del 28 de agosto de 2026, comenzó a entrenar un nuevo modelo interno que, además de resolver Navier-Stokes, terminó dando solución a más de 100 problemas abiertos de larga data distribuidos en la mayoría de las áreas de la matemática. La compañía describió el ritmo de esos resultados como algo que sorprendió a sus propios matemáticos internos.

Ese progreso se suma a un antecedente de agosto de este año, cuando OpenAI ya había publicado diez avances en matemática y ciencias de la computación teórica —entre ellos la construcción de un grupo no sófico, una pregunta abierta desde 1999— logrados por una versión interna del modelo que la empresa bautizó Astra. Todos esos resultados fueron formalizados en el asistente de demostración Lean, que verifica automáticamente que cada paso lógico de una prueba sea correcto.

La velocidad y escala de los nuevos hallazgos llevó a la compañía a reconocer, en el texto que anunció el grupo asesor, que la comunidad matemática necesita más tiempo y mecanismos para adaptarse. “Esto llevó a discusiones internas sobre la mejor manera de informar a la comunidad sobre el rápido progreso para preparar y adaptar el campo”, señaló OpenAI en su publicación oficial.

Nueve matemáticos con voz pero sin poder de veto

El nuevo grupo está integrado por nueve matemáticos de primer nivel: François Charles, Camillo De Lellis, Timothy Gowers, Martin Hairer, Nikhil Srivastava, Ulrike Tillmann, Ravi Vakil, Edward Witten y Melanie Matchett Wood, todos vinculados a instituciones como Princeton, Cambridge, Oxford, Stanford y Harvard. Solo uno de ellos, De Lellis, había firmado también la carta de los medallistas Fields.

Según el propio comunicado de OpenAI, el grupo funcionará de manera independiente: podrá dar consejos que la empresa no pidió, criticar públicamente su impacto en la matemática y decidir su propia composición, sin recibir pago por su tarea. Su función central será asesorar sobre cómo comunicar y revisar los resultados que vaya publicando la compañía, además de opinar sobre estándares académicos y profesionales de la investigación matemática.

Sin embargo, la propia OpenAI fue explícita sobre el límite de esa independencia: “el grupo no será responsable de asesorarnos sobre el ritmo de nuestro progreso interno en matemática”, aclaró la empresa en su publicación. El Instituto de Estudios Avanzados reforzó ese matiz en un comunicado propio, al señalar que asesorará pero no tendrá poder de decisión en ninguna empresa de inteligencia artificial, y que la responsabilidad de cada decisión seguirá recayendo en la compañía que la tome.

Ninguno de los más de 100 resultados anunciados fue publicado todavía con el detalle técnico que sí acompañó a los diez avances de agosto, que incluyeron manuscritos completos y certificados formales en Lean disponibles públicamente. Esa diferencia alimenta las dudas de parte de la comunidad matemática, que reclama poder revisar cada demostración de manera independiente antes de darla por válida.

Qué está en juego para la ciencia y la industria

El episodio expone una tensión de fondo entre la velocidad con la que los laboratorios de inteligencia artificial buscan demostrar avances científicos y los tiempos tradicionales de validación por pares que exige la matemática. Mientras un resultado formalizado en Lean elimina la duda sobre la consistencia lógica de una demostración, no garantiza que el problema haya sido interpretado correctamente ni reemplaza el juicio de especialistas sobre su relevancia real.

Para la comunidad académica de habla hispana, el caso también anticipa un dilema que empieza a discutirse en universidades de la región: qué reglas de atribución y verificación deberían regir cuando un sistema de inteligencia artificial produce resultados científicos originales, y qué rol les queda a los investigadores humanos en ese proceso.

La disputa con Buckmaster y Alpöge, sumada a la carta de los medallistas Fields, sugiere que otros laboratorios como Anthropic y Google DeepMind podrían verse presionados a adoptar mecanismos de supervisión similares antes de anunciar sus propios avances matemáticos. Por ahora, ninguno de esos dos competidores formó un organismo comparable al que OpenAI presentó esta semana.