Una prueba asistida por IA aborda el «resquicio» de Navier-Stokes

Una prueba asistida por IA aborda el «resquicio» de Navier-Stokes

Tristan Buckmaster y Levent Alpöge afirman haber cerrado el resquicio que recibió críticas en la prueba de OpenAI sobre Navier-Stokes: su nuevo resultado plantea una singularidad de las ecuaciones sin una fuerza externa diseñada para provocar el fenómeno. La prueba, desarrollada con un uso intensivo de inteligencia artificial, también cuenta con una formalización en Lean, aunque el trabajo aún requiere pulido.

La diferencia con el resultado de OpenAI no es menor. En septiembre, la empresa presentó una prueba de que las ecuaciones podían «explotar»: en ciertas condiciones, la velocidad del fluido tendería a infinito. El problema, según la cobertura de Scientific American, era que esa construcción recurría a una fuerza muy ajustada, capaz de remover el líquido justo de la manera necesaria. Aunque satisfacía técnicamente las condiciones del premio de un millón de dólares del Clay Mathematics Institute, esa elección dejó insatisfechos a numerosos expertos.

El cambio: una singularidad sin forzar el fluido

La nueva afirmación de Buckmaster y Alpöge se refiere a las ecuaciones incomprensibles de Navier-Stokes en tres dimensiones y a una singularidad en tiempo finito sin fuerza aplicada. Terence Tao, que ordenó los resultados recientes por el grado en que están «digeridos», describe el camino matemático: construir numéricamente una solución aproximadamente autosimilar en escalas discretas y convertirla después en una solución exacta mediante teoría rigurosa de perturbaciones.

Ese esquema importa porque responde directamente a la objeción planteada contra el resultado anterior. En lugar de elegir una fuerza externa que induzca la explosión, el argumento busca que la propia dinámica no forzada de las ecuaciones llegue a la singularidad. No elimina la necesidad de revisar los detalles matemáticos: cambia cuál es la dificultad central que debe resistir esa revisión.

Tao considera que la estrategia general resulta ampliamente clara, pero también señala que el texto, aunque técnicamente legible para humanos, todavía no tiene una redacción profesional. Su valoración distingue dos cuestiones que a menudo se confunden en los anuncios de resultados: que exista una ruta comprensible y que la exposición esté terminada para que otros puedan examinarla con rigor.

Lean aporta una comprobación formal, no una explicación automática

La prueba también está formalizada en Lean, un asistente de demostración. Tao indica que tanto el resultado de Navier-Stokes como otro sobre las ecuaciones de Euler en tres dimensiones tienen formalizaciones en ese sistema. La noticia de Scientific American, sin embargo, dice que los autores no publicaron el certificado del resultado junto con el anuncio y que afirmaron que lo difundirían pronto. La diferencia entre formalización indicada y material disponible obliga a separar el estado declarado del trabajo de lo que terceros pueden inspeccionar en ese momento.

Para los desarrolladores que trabajan con Lean, el caso tiene un interés concreto: el repositorio público de Tristan Buckmaster en GitHub muestra proyectos llamados navier-stokes y fluid_lean, ambos etiquetados como Lean. La existencia de esos repositorios no permite, por sí sola, concluir qué contiene cada uno ni si la formalización anunciada está completa; sí sitúa el resultado dentro de herramientas y artefactos de software que pueden formar parte de su evaluación.

La IA intervino de forma sustancial, según Tao, tanto en este resultado como en la prueba de Euler atribuida a Alpöge, Buckmaster y Matei Coiculescu. Pero la descripción no presenta al sistema como sustituto de la validación: la estrategia matemática debe entenderse, la formalización debe poder comprobarse y la exposición ha de permitir que especialistas examinen el argumento. Para una empresa que desarrolla herramientas de IA o verificación, el episodio ofrece un caso de uso específico: asistencia para producir pruebas matemáticas acompañadas de una codificación formal. No demuestra por sí mismo que el proceso sea reproducible a escala ni que la revisión humana deje de ser necesaria.

“couldn’t risk waiting”

— Tristan Buckmaster

Una carrera que ya había contaminado el anuncio

La urgencia no surgió en el vacío. Buckmaster había acusado públicamente a OpenAI de adelantarse deliberadamente al trabajo que él y Alpöge llevaban a cabo. También expresó sospechas de que la empresa hubiera robado sus datos de usuario; Scientific American señala que OpenAI negó las acusaciones de mala conducta. La publicación añade que los primeros informes apuntaban a que la prueba de la empresa quizá había seguido una ruta distinta.

En ese contexto, Buckmaster publicó el nuevo argumento en Mastodon y explicó que el texto estaba poco pulido porque, después de la experiencia anterior, él y Alpöge no podían arriesgarse a esperar. La decisión favorece la rapidez de divulgación, pero tiene un coste visible: la presentación aún necesita trabajo y el certificado no acompañó al anuncio. El episodio muestra una tensión específica de esta historia: adelantar una afirmación puede evitar que otro equipo se lleve el titular, pero no acelera automáticamente el examen que determina qué se ha demostrado.

La comparación de Tao con los otros resultados anunciados ese día también aconseja no meterlos a todos en la misma categoría. Sitúa primero la prueba de Euler, que considera legible para humanos y formalizada en Lean; después, la de Navier-Stokes, cuya estrategia juzga clara en términos generales pero cuya redacción falta pulir; y, más lejos, una prueba de la hipótesis generalizada de Riemann generada con un modelo interno de IA y presentada únicamente en Lean. Para Tao, esta última requiere un proceso de comprensión más largo.

Qué queda por evaluar

Según la descripción de Tao, el trabajo de Buckmaster y Alpöge aporta una estrategia reconocible para el caso no forzado, un texto que puede leerse con reservas de acabado y una formalización en Lean. El siguiente trabajo pasa por mejorar la exposición y hacer posible que otros examinen tanto el razonamiento como su codificación.

Para los equipos que construyen herramientas de demostración o modelos de IA, la implicación práctica no es una promesa general sobre matemáticas automatizadas: es que una prueba asistida por IA puede presentarse junto a una estrategia matemática y una formalización que facilite comprobaciones. El valor de esa combinación dependerá de que el argumento sea entendible y el artefacto formal esté disponible para revisión. El certificado anunciado para la prueba de Navier-Stokes todavía estaba pendiente de publicación.

Fuentes: Scientific American, What's new, GitHub