La última ruptura se produce tras la afirmación anterior de OpenAI de haber resuelto el problema de Navier-Stokes, un desafío del Premio del Milenio. Ese anuncio generó acusaciones de que la empresa se había adelantado a las normas académicas y pudo haberse beneficiado de trabajos de investigación en curso, una acusación que OpenAI negó. El episodio dejó receloso a un campo basado en el escrutinio lento ante un actor externo bien financiado que avanza a la velocidad de Silicon Valley.¹

En septiembre, el recién formado Grupo Asesor sobre Matemáticas e Inteligencia Artificial (AGMAI) instó a los laboratorios de IA a publicar los hallazgos con rapidez a través de canales establecidos, divulgar los modelos, las indicaciones y los costes computacionales, y evitar convertir las publicaciones de investigación en marketing. Su advertencia fue contundente: las empresas deberían «abstenerse de tratar la publicación de resultados matemáticos como vehículos de marketing».²

Luego, el martes, OpenAI publicó 722 manuscritos que abarcan 372 familias de resultados, afirmando que un modelo de frontera interno había producido el trabajo. La empresa dijo que se había basado en el asesoramiento de AGMAI; el presidente de OpenAI, Greg Brockman, presentó el esfuerzo como un avance «hacia la aceleración del descubrimiento científico y la mejora de la calidad de vida de todos».Greg Brockman (gdb)³

La escala impresionó incluso a los escépticos. Un relato sobre la publicación afirmó que demostraba que los avances de la IA probablemente se extenderán a nuevos campos especializados, tal como ya lo han hecho las herramientas de programación. Sin embargo, Stephen Wolfram ofreció el contrapunto: «Se puede hacer fácilmente un billón de teoremas. El problema es que la mayoría de esos teoremas no serán de los que le importen a nadie».⁴

La verificación es ahora la prueba inmediata. Para el jueves, OpenAI había retirado soluciones a al menos tres problemas tras errores aparentes, mientras que solo algunas demostraciones habían sido formalizadas para su comprobación por máquinas.¹ Los críticos dicen que la publicación sigue sin alcanzar el estándar de AGMAI de garantizar la comprensión humana: solo 10 de los 719 manuscritos incluían el razonamiento del modelo, y se informó de que el 42 % no había pasado por formalización.⁵

Para los defensores, la demostración formal automatizada podría liberar a los matemáticos para explorar nuevos conceptos. Para los críticos, el trabajo duro comienza después de que llega la respuesta del modelo: convertir una demostración afirmada en conocimiento que la disciplina en general pueda confiar, enseñar y ampliar.