La IA podría haber alcanzado uno de los hitos científicos más importantes de su historia.

Un sistema experimental formado por unos 10.000 agentes de IA habría elaborado en 88 horas una solución sobre uno de los Problemas del Milenio.

OpenAI anunció el 8 de septiembre de 2026 la publicación de una posible solución al problema de existencia y suavidad de las ecuaciones de Navier–Stokes, uno de los siete grandes Problemas del Milenio establecidos por el Clay Mathematics Institute.

La demostración fue producida por un sistema experimental de inteligencia artificial, formado por miles de agentes capaces de explorar simultáneamente diferentes caminos matemáticos, compartir resultados y revisar sus propios razonamientos. Según OpenAI, el sistema consiguió completar la investigación principal después de aproximadamente 88 horas de trabajo y posteriormente formalizó la prueba mediante Lean, un entorno especializado en la verificación de demostraciones matemáticas. (openai.com)

Se trata de un anuncio extraordinario, aunque todavía debe interpretarse con prudencia. OpenAI ha publicado la demostración y sostiene que resuelve el problema, pero la comunidad matemática aún no ha completado su evaluación independiente. El Clay Mathematics Institute continúa clasificando oficialmente Navier–Stokes como un problema no resuelto. (www.claymath.org)

Por tanto, todavía no puede hablarse de una solución definitivamente reconocida. Sin embargo, incluso si durante la revisión aparecieran errores o aspectos que debieran corregirse, la capacidad mostrada por el sistema constituye por sí misma un avance muy significativo para la inteligencia artificial aplicada a la ciencia.

¿Qué son las ecuaciones de Navier–Stokes?

Las ecuaciones de Navier–Stokes describen matemáticamente el movimiento de los fluidos. Se aplican tanto a los líquidos como a los gases y permiten representar fenómenos tan distintos como el agua que circula por una tubería, el aire alrededor del ala de un avión, las corrientes oceánicas, el humo de un incendio o el flujo de la sangre por las arterias.

Estas ecuaciones se apoyan en principios físicos conocidos, entre ellos la conservación de la masa, la energía y el momento. Su origen se encuentra en los trabajos desarrollados durante el siglo XIX por el ingeniero y físico francés Claude-Louis Navier y el matemático británico George Gabriel Stokes.

En la práctica, las ecuaciones funcionan extraordinariamente bien y constituyen una herramienta fundamental en numerosas áreas científicas e industriales. Se utilizan en aeronáutica, meteorología, ingeniería naval, automoción, medicina, generación de energía, climatología y diseño de infraestructuras.

Pero existe una pregunta matemática profunda que ha permanecido sin respuesta durante cerca de noventa años: si un fluido comienza moviéndose de manera suave y regular, ¿las ecuaciones garantizan que continuará comportándose así indefinidamente o podría aparecer, en un tiempo finito, un punto en el que determinadas magnitudes crezcan sin límite?

Ese posible punto de ruptura se conoce como una singularidad.

El misterio de las singularidades

Una singularidad matemática no significa necesariamente que en un fluido real vaya a aparecer una velocidad infinita. Indica que el modelo continuo utilizado para describirlo deja de ofrecer una solución regular y que, a partir de ese momento, las ecuaciones ya no pueden explicar adecuadamente lo que sucede.

La viscosidad tiende a suavizar el movimiento de los fluidos. Por esta razón, demostrar que puede formarse una singularidad pese a ese efecto estabilizador constituye una dificultad matemática excepcional.

Desde 1934 se sabe, gracias al matemático francés Jean Leray, que las ecuaciones de Navier–Stokes admiten determinadas soluciones generalizadas. Lo que no se había conseguido demostrar es si las soluciones tridimensionales permanecen siempre suaves y únicas o si, bajo ciertas condiciones, pueden experimentar una ruptura.

Esta cuestión fue incluida en el año 2000 entre los siete Problemas del Milenio. El Clay Mathematics Institute estableció un premio de un millón de dólares para cada solución aceptada. Hasta ahora, únicamente uno de esos siete problemas —la conjetura de Poincaré— había sido resuelto y reconocido oficialmente.

La solución propuesta por OpenAI

OpenAI afirma que su sistema ha construido una demostración analítica según la cual un fluido inicialmente suave y en reposo puede desarrollar una singularidad en un tiempo finito después de recibir la acción de una fuerza externa también suave.

El mecanismo matemático descrito adopta la forma de un vórtice que gira, se estira y se concentra progresivamente en una región cada vez más pequeña. Mientras esa región se contrae, la velocidad aumenta hasta perder su regularidad, aunque la energía total permanece finita.

El desafío consiste en demostrar que la singularidad se genera mediante la propia dinámica del fluido y no introduciendo artificialmente una fuerza infinita. Los distintos componentes de las ecuaciones —aceleración, presión, viscosidad y transferencia de momento— deben crecer y compensarse con una precisión extrema.

Según OpenAI, la demostración satisface las condiciones correspondientes a los enunciados C y D de la formulación oficial del Problema del Milenio. La compañía ha publicado tanto una explicación matemática extensa como una versión formalizada en Lean. (openai.com)

10.000 agentes trabajando como una comunidad científica digital

Uno de los aspectos más relevantes del anuncio no es únicamente el resultado, sino el procedimiento empleado para alcanzarlo.

OpenAI no presentó el problema a un solo chatbot esperando una respuesta inmediata. Organizó un sistema de aproximadamente 10.000 agentes de inteligencia artificial que trabajaron simultáneamente en diferentes variantes y aproximaciones.

Algunos grupos buscaron demostrar que las soluciones siempre se mantienen regulares. Otros investigaron la posibilidad contraria: encontrar una configuración en la que pudiera aparecer una singularidad. Los agentes examinaban hipótesis, ejecutaban cálculos, comparaban resultados y transmitían los descubrimientos más prometedores a otros grupos.

Durante la investigación relacionada con Navier–Stokes, los agentes intercambiaron alrededor de 2,7 millones de mensajes y produjeron aproximadamente 130.000 millones de tokens. El resultado se habría alcanzado unas 88 horas después del inicio del experimento.

Posteriormente, GPT‑6 Astra fue utilizado durante otras 17 horas para ayudar a desarrollar y verificar la formalización en Lean. El modelo principal que produjo la demostración, según OpenAI, es un sistema interno todavía en entrenamiento y considerablemente más avanzado que GPT‑6 Astra. (openai.com)

Este modelo de trabajo anticipa una nueva etapa en la investigación: equipos científicos digitales capaces de explorar miles de posibilidades en paralelo, mantener discusiones internas, corregir errores y concentrar sus recursos en las líneas más prometedoras.

¿Qué aporta la verificación mediante Lean?

Lean es un asistente de demostración que permite expresar definiciones, teoremas y razonamientos utilizando un lenguaje matemático formal. Cada paso debe derivarse correctamente de axiomas, definiciones o resultados previamente demostrados.

Esta formalización ofrece un nivel de control muy superior al de una explicación redactada solamente en lenguaje natural. El sistema puede detectar errores lógicos, pasos injustificados o contradicciones que podrían pasar inadvertidos durante una revisión convencional.

Sin embargo, una prueba formalizada no sustituye completamente el análisis de la comunidad científica. Los especialistas todavía deben comprobar que las definiciones empleadas coinciden con el problema original, que las hipótesis son las adecuadas y que no se ha formalizado correctamente una interpretación incompleta o diferente de la cuestión.

Lean aporta una garantía muy importante sobre la consistencia interna de la demostración, pero la validación definitiva deberá incluir también el criterio de matemáticos especializados en ecuaciones diferenciales y dinámica de fluidos.

Un avance que todavía debe ser confirmado

El anuncio de OpenAI debe considerarse, por ahora, una solución propuesta y no una resolución oficialmente aceptada.

Las demostraciones de gran complejidad suelen necesitar meses, e incluso años, de revisión. Diferentes equipos deberán estudiar el documento, reconstruir sus argumentos y comprobar tanto la parte analítica como la formalización informática.

El hecho de que el Clay Mathematics Institute mantenga el problema dentro de la categoría de cuestiones no resueltas confirma que el proceso de reconocimiento continúa abierto. (www.claymath.org)

Esta precaución no resta importancia al acontecimiento. La ciencia se construye precisamente mediante la publicación, el contraste independiente, la crítica y la reproducción de los resultados. Que una inteligencia artificial haya podido generar una demostración de esta dimensión y someterla al examen de los mayores especialistas del mundo ya representa un cambio cualitativo.

La colaboración entre inteligencia humana y artificial

El posible descubrimiento no surgió en un vacío científico. La investigación se relaciona con trabajos anteriores sobre las ecuaciones de Euler y con ideas desarrolladas por distintos matemáticos, entre ellos los españoles Diego Córdoba y Luis Martínez-Zoroa, así como Tristan Buckmaster y Levent Alpöge.

Este contexto demuestra que la inteligencia artificial no reemplaza simplemente a la ciencia humana. Aprende de conocimientos acumulados durante décadas, reorganiza resultados previos, explora nuevas combinaciones y acelera procesos que, de otro modo, podrían requerir años de trabajo.

La creatividad humana continúa siendo esencial para formular preguntas, desarrollar conceptos, escoger direcciones de investigación y comprender el significado profundo de los resultados. La IA añade una capacidad inédita para multiplicar la experimentación, comprobar hipótesis y recorrer espacios matemáticos demasiado amplios para un solo investigador.

La combinación de ambas inteligencias puede convertirse en una de las herramientas científicas más poderosas de nuestra época.

Una polémica sobre autoría, reconocimiento y privacidad

El anuncio también ha generado una controversia relacionada con el origen de algunas ideas y con el trabajo previo de otros investigadores.

Buckmaster y Alpöge estaban desarrollando resultados relacionados con las ecuaciones de Euler a partir de métodos anteriores. Buckmaster ha planteado dudas sobre si OpenAI pudo recibir alguna influencia indirecta de investigaciones introducidas en herramientas como Codex.

OpenAI niega haber accedido a datos concretos de los investigadores para resolver el problema. La empresa reconoce, no obstante, que no puede descartar completamente que datos desidentificados procedentes del uso de sus productos hubieran contribuido anteriormente a mejorar sus modelos. (elpais.com)

La discusión abre cuestiones que deberán abordarse con transparencia. Los investigadores necesitan garantías sobre el tratamiento de documentos inéditos, datos experimentales y razonamientos confidenciales. También será necesario establecer nuevas normas para atribuir adecuadamente el mérito cuando un descubrimiento combine ideas humanas, modelos de IA, herramientas de verificación y enormes infraestructuras computacionales.

Estos debates no invalidan el potencial de la tecnología. Al contrario, forman parte del proceso necesario para integrarla responsablemente en la ciencia.

Una nueva etapa para la investigación científica

La importancia de este anuncio va mucho más allá de Navier–Stokes.

Hasta hace pocos años, los sistemas de inteligencia artificial destacaban principalmente por reconocer patrones, generar textos, crear imágenes o automatizar tareas. La posibilidad de que ahora puedan contribuir a resolver problemas matemáticos abiertos indica que están comenzando a participar en la producción de conocimiento nuevo.

Los sistemas multiagente pueden convertirse en colaboradores científicos capaces de:

• Analizar millones de artículos y conectar resultados dispersos.
• Proponer hipótesis que los investigadores no habían considerado.
• Diseñar y simular experimentos.
• Buscar nuevos materiales, medicamentos y fuentes de energía.
• Formalizar demostraciones matemáticas.
• Detectar errores antes de que una investigación sea publicada.
• Reducir de años a días determinadas fases de exploración.
• Facilitar el acceso de pequeños equipos a capacidades científicas avanzadas.

Esto no significa que todos los problemas científicos vayan a resolverse automáticamente. Tampoco elimina la necesidad de laboratorios, observaciones, experimentos físicos y evaluación humana. Pero sí amplía de manera considerable la capacidad colectiva para investigar.

Beneficios potenciales para la sociedad

Los avances en inteligencia artificial científica pueden tener consecuencias positivas en numerosos ámbitos.

En medicina, pueden acelerar la identificación de moléculas terapéuticas, mejorar el estudio de enfermedades complejas y ayudar a personalizar tratamientos. En climatología, pueden perfeccionar las simulaciones atmosféricas y la predicción de fenómenos extremos. En ingeniería, pueden permitir diseños más eficientes, seguros y sostenibles.

Una comprensión más profunda de la dinámica de fluidos también podría contribuir a mejorar aeronaves, turbinas, sistemas hidráulicos, redes de distribución, dispositivos médicos y modelos meteorológicos.

Una demostración matemática no se convierte inmediatamente en una nueva tecnología industrial. Su valor reside en ampliar los fundamentos sobre los que podrán construirse futuras herramientas. Muchos de los grandes avances tecnológicos de la historia surgieron de investigaciones teóricas que inicialmente parecían alejadas de las aplicaciones cotidianas.

La IA como multiplicadora del conocimiento humano

El posible avance sobre Navier–Stokes ofrece una imagen positiva y a la vez realista del futuro de la inteligencia artificial.

No estamos solamente ante máquinas que producen contenidos con mayor rapidez. Estamos comenzando a disponer de sistemas capaces de colaborar en algunas de las preguntas más difíciles formuladas por la humanidad.

Su mayor valor puede encontrarse precisamente en esa capacidad para ampliar nuestras posibilidades: permitir que los científicos prueben más ideas, que los médicos analicen más información, que los ingenieros diseñen mejores soluciones y que nuevos equipos accedan a instrumentos antes reservados a instituciones con grandes recursos.

Será necesario acompañar este progreso con supervisión, transparencia, protección de los datos y mecanismos justos de reconocimiento. Pero la respuesta no debería ser frenar el conocimiento, sino aprender a utilizar estas capacidades de manera responsable y orientada al beneficio colectivo.

Un acontecimiento que puede marcar un antes y un después

Todavía es pronto para afirmar que el problema de Navier–Stokes está definitivamente resuelto. La última palabra corresponde a la comunidad matemática y al proceso formal establecido por el Clay Mathematics Institute.

Pero el acontecimiento ya permite extraer una conclusión: la inteligencia artificial está entrando en una fase en la que puede convertirse en un participante activo de la investigación científica.

Si la demostración supera la revisión independiente, estaríamos ante la primera resolución de un Problema del Milenio producida fundamentalmente por una inteligencia artificial y ante uno de los hitos científicos más importantes de este siglo.

Si se detectaran errores que obligaran a corregirla, el experimento seguiría mostrando una capacidad extraordinaria para generar matemáticas avanzadas, coordinar miles de agentes y producir resultados susceptibles de ser examinados por especialistas.

En ambos casos, el mensaje es relevante: la IA ya no se limita a ayudarnos a gestionar el conocimiento existente. Está empezando a acompañarnos en la tarea mucho más ambiciosa de descubrir lo que todavía no sabemos.