Un problema resuelto por 10.000 agentes de IA en 88 horas, una tarea diferente a la encargada por ADNOC

Un equipo de investigación de la Universidad de Cambridge y del King’s College London ha detectado una discrepancia con el texto original, de tan solo una línea, debido a que figura «m+5» en lugar de «m+4», en la demostración presentada por 10.000 agentes de IA tras intercambiar 2,7 millones de mensajes durante 88 horas. Dos meses después, el 2 de noviembre, la compañía estatal de petróleo de Abu Dabi (ADNOC), que utiliza la misma plataforma de IA, espera obtener una reducción del plazo de planificación del desarrollo de yacimientos de «varios meses a varias horas», algo ajeno a dicha demostración.

Los lectores pueden tender a conectar ambos acontecimientos pensando: «La IA ha resuelto un desafío matemático, así que pronto se utilizará en los yacimientos de petróleo». Sin embargo, en realidad, ambos casos no emplean la misma tecnología de la misma manera. La demostración revela los límites matemáticos de las propias ecuaciones de Navier-Stokes (fluidodinámica), mientras que la tarea que ADNOC ha decidido delegar a los agentes es la planificación del desarrollo de yacimientos y la valoración de barriles de crudo. El profesor Donald Koch, de ingeniería química de la Universidad de Cornell, ha señalado que, en el momento actual, no existe una aplicación ingenieril de esta demostración ¹. Aunque existe un punto de conexión al tratarse de la misma plataforma, dicha conexión no se basa en la conclusión matemática de la demostración, sino en la capacidad general de la colaboración multiagente.

Qué significa la demostración: posibilidad de colapso de las ecuaciones de fluidos

Las ecuaciones de Navier-Stokes son fórmulas que describen el movimiento de fluidos que fluyen de manera continua, como el agua o el aire. Se utilizan en campos donde es necesario calcular flujos, como el diseño de aeronaves, la meteorología o el estudio del flujo sanguíneo. Según la nota de publicación de OpenAI, el núcleo del problema de Navier-Stokes de los Premios del Milenio radica en la pregunta sobre si puede surgir una «singularidad» en la que la velocidad aumente sin límite dentro de un tiempo finito, incluso cuando un fluido tridimensional incompresible de densidad constante comienza a moverse de manera suave ². Dado que una velocidad infinita del fluido es un fenómeno imposible en los fluidos reales, en ese instante las ecuaciones fracasan a la hora de describir la materia.

OpenAI ha declarado que ha presentado una demostración que prueba que pueden surgir singularidades en un tiempo finito cuando se aplica una fuerza externa suave a un fluido inicialmente en reposo y suave. Este resultado satisface las proposiciones C y D de la especificación oficial del Instituto de Matemáticas Clay ². También se ha revelado una forma concreta que ilustra cómo puede colapsar el movimiento del fluido: un vórtice rotatorio de fluido se alarga extendiéndose hacia el interior en espiral, de manera similar a unos espaguetis. En la zona central, la velocidad aumenta y el volumen se reduce, mientras que la energía total se mantiene finita ². Un punto clave es que el incremento de la velocidad no se debe a la aplicación artificial de una fuerza infinita, sino a un equilibrio en el que la aceleración, el gradiente de presión, la transferencia de momento y la viscosidad aumentan simultáneamente pero se contrarrestan con precisión dentro del propio movimiento del fluido ².

Sin embargo, si este resultado corregirá de inmediato las fórmulas de cálculo en el ámbito de la mecánica de fluidos es una cuestión distinta. El profesor Brian Kirkeby, de ingeniería mecánica de la Universidad de Cornell, ha explicado que el problema de Navier-Stokes es un problema matemático inspirado en la mecánica de fluidos, que abarca un dominio de velocidad infinita que no ocurre en el mundo físico real ¹. El profesor Koch ha señalado que no es posible juzgar la aplicabilidad real basándose únicamente en los 160 páginas de resultados publicados por OpenAI, y que es necesario un proceso en el que los matemáticos comprendan el resultado y se lo transmitan a los ingenieros ¹.

88 horas, 2,7 millones de mensajes y la intervención humana que no se ha omitido

La escala revelada por OpenAI es grande. El equipo comenzó a entrenar un nuevo modelo interno que había mostrado un rendimiento sin precedentes en su propia referencia estándar el 28 de agosto, y tras escuchar rumores el 1 de septiembre sobre que se habían resuelto dos problemas del Milenio, inició la evaluación. Este modelo interno se presenta como significativamente superior en rendimiento al GPT-6 Astra ². En la solución de Navier-Stokes participaron aproximadamente 10.000 agentes, y la solución apareció unos 88 horas después de la primera ejecución. Posteriormente, se necesitó un tiempo adicional de 17 horas para la verificación formal. En este problema se utilizaron aproximadamente 2,7 millones de mensajes y unos 130.000 millones de tokens de salida, y en total, incluyendo los problemas del Milenio y otros más sencillos, se emplearon 4,9 millones de mensajes y unos 300.000 millones de tokens ².

En la inauguración de la feria de energía ADIPEC de Abu Dabi, el 2 de noviembre, Sam Altman, director ejecutivo de OpenAI, presentó este caso afirmando: «No hubo jerarquía ni superiores. Estaba completamente descentralizado». Explicó que los agentes determinaron la dirección de búsqueda, compartieron los avances, aprendieron unos de otros y decidieron por sí mismos qué hacer ³.

En los registros públicos de OpenAI no solo queda la «autonomía». El equipo de investigación asignó distintas variantes del problema de Navier-Stokes a diferentes grupos de agentes, y presentó a un grupo separado formas que podían conducir a la demostración mediante «A/B» o a la refutación mediante «C/D» ². En la ecuación de Euler, aproximadamente 100 agentes resolvieron el problema sin fuerza externa en unas 50 horas; tras ello, el equipo de investigación consideró Navier-Stokes como el objetivo más prometedor y trasladó agentes desde otros problemas para transmitir dicha solución ². Con Codex, se reunieron las ideas de cada grupo y se utilizaron los resultados intermedios en las siguientes instrucciones; también se orientó al grupo de 10.000 unidades que encontró la solución mediante este método ³.

Incluso dentro de OpenAI surgieron explicaciones divergentes sobre la contribución de la estructura de colaboración. Según The Decoder, Noam Brown, investigador de OpenAI, sostuvo en una entrevista de septiembre con Dwarkesh Patel que la contribución de la configuración multiagente al logro fue inferior al 10%, valorando que el protagonista principal del éxito fue el modelo mismo, más que la estructura de colaboración ³. La cifra de 10.000 corresponde a la escala real de participación simultánea, pero es difícil leerla como «lo lograron solos, sin humanos». Etapas como la selección de variantes del problema, la reasignación de recursos y la transmisión de resultados intermedios permanecen en los registros de trabajo de OpenAI.

La publicación de la «resolución» y la validación reconocida son documentos distintos

La expresión «problema del Milenio» no es una metáfora. El Instituto de Matemáticas Clay publicó los 7 problemas del Milenio el 24 de mayo de 2000 en París, estableciendo un premio de 1 millón de dólares por problema ⁴. De estos, hasta la fecha, solo la Conjetura de Poincaré ha sido reconocida oficialmente como resuelta ³. Según las normas del premio, las demostraciones propuestas deben publicarse en revistas académicas tras una revisión por pares y someterse a un mínimo de dos años de escrutinio ³.

OpenAI ha declarado que no tiene intención de reclamar el premio, y ha definido este resultado como un hito que muestra un progreso significativo de los modelos de IA ²⁵. El Instituto de Matemáticas Clay, en su comunicado del 11 de septiembre, reconoció el interés matemático por la propuesta de OpenAI, pero confirmó el principio existente de no apresurar intencionadamente los procedimientos de evaluación y reconocimiento ³. A 4 de noviembre, en la sección de noticias del Instituto Clay no figura ningún dictamen ³.

También el contenido requiere verificación. Un equipo de investigación formado por Anders Hansen y Fabian Czirzel de la Universidad de Cambridge, y Alexander Vastunis del King’s College London, sostuvo en el artículo presentado el 6 de octubre que la demostración en lenguaje natural de OpenAI y la demostración formal en Lean 4 no coinciden ⁶⁷. Concretamente, en la parte del Lema 8.6, la demostración en lenguaje natural exige que un valor específico sea menor que m+4, mientras que la demostración en Lean exige que sea menor que m+5 ⁷. La condición m+5 es matemáticamente más débil que m+4 ⁷. El equipo de investigación analiza que el proceso de formalización automática cambió en una dirección diferente a la lógica del lenguaje natural con el fin de que el código Lean pudiera compilarse ⁷.

OpenAI ha declarado a New Scientist que reconoce el hecho de la discrepancia, que corregirá los errores en la demostración en lenguaje natural y que continuará con el proceso de formalización ⁷. Esta controversia es diferente de la afirmación de que el problema de Navier-Stokes sigue sin resolverse. Hansen explicó que no afirma que la demostración en lenguaje natural sea incorrecta, ni tampoco que sea correcta ⁷. El profesor Kevin Vassurd del Imperial College London también evaluó que, aunque está convencido de que el problema de Navier-Stokes se resolvió correctamente, su confianza en que la demostración en lenguaje natural del documento PDF sea precisa es mucho menor ⁷.

También debe distinguirse la condición de fuerza externa. En la especificación oficial de Clay existen cuatro proposiciones, y lo que OpenAI afirma haber resuelto son C y D, donde actúa una fuerza externa ³. A y B, donde no hay fuerza externa, permanecen sin resolver ³. No obstante, OpenAI publicó conjuntamente un resultado separado que obtenía una refutación sobre la regularidad de la ecuación de Euler sin fuerza externa con aproximadamente 100 agentes ².

La tarea que delega ADNOC no es una demostración matemática, sino la optimización de planes

El contrato anunciado el 2 de noviembre se presenta como el primer caso de introducción en la industria energética de Frontier, la plataforma de agentes para empresas de OpenAI. Sultan Al Jaber, director ejecutivo de ADNOC, afirmó que esta asociación transformará el desarrollo de yacimientos, la gestión de pozos y las operaciones comerciales, y que ADNOC será la primera empresa energética del mundo en adoptar OpenAI Frontier ⁸. Se introdujo que el sistema funcionará sobre la infraestructura de G42 dentro de los EAU, y que las decisiones importantes estarán bajo la supervisión de expertos humanos ³.

Las primeras áreas de aplicación son dos. Una es la planificación del desarrollo de yacimientos. En lugar de realizar los estudios por separado como hasta ahora, se integrarán para evaluar simultáneamente miles de pozos, múltiples capas de yacimientos (capas subterráneas donde se acumula el crudo), cientos de instalaciones de superficie, costes y condiciones comerciales; ADNOC ha anunciado que espera poder emitir los planes de desarrollo en unas horas, en lugar de los meses que tardaba antes ³. La otra es la valoración de los barriles de crudo. Mediante la integración de la producción, la venta y la comercialización en un solo proceso, los agentes pronosticarán la oferta y demanda de crudo, los precios y los beneficios para valorar los barriles aún presentes bajo tierra ³.

El director ejecutivo Altman explicó que, dado que la industria de IA ha recibido apoyo de la industria energética, ha llegado el momento de corresponder, y que será posible encomendar a la IA problemas ingenieriles complejos, ya sea en nuevos materiales, diseño de turbinas o mejora de operaciones ⁸³. Sin embargo, en el momento en que se vinculan esta perspectiva y el caso de la demostración con 10.000 agentes, los roles cambian. La planificación del desarrollo de yacimientos requiere cálculos que evalúan conjuntamente variables como pozos, capas de yacimiento, instalaciones de superficie y costes, pero en el contenido del contrato publicado no existe explicación alguna de que se incorpore el teorema de la singularidad de Navier-Stokes.

El juicio del profesor Koch deja clara esta diferencia. Ha afirmado que, en el momento actual, no existe aplicación ingenieril de esta demostración, y ha explicado que, para juzgar las aplicaciones, primero hay que comprender el contenido de la demostración y verificar si sus ideas pueden utilizarse en ingeniería ¹. Es decir, el anuncio de que «la IA ha resuelto un problema del Milenio» y la expectativa de que «ADNOC elabora los planes de yacimientos en pocas horas» no comparten la misma conclusión de la misma demostración.

Lo que enlaza ambos acontecimientos es la capacidad general de que los agentes manejen problemas complejos dividiendo múltiples tareas e intercambiando mensajes. La solución de Navier-Stokes citada como ejemplo demostrativo de dicha capacidad aún no está validada oficialmente, e incluso si lo estuviera, para poder juzgar su aplicación ingenieril habría de pasar por el proceso de comprensión y transmisión del que habló el profesor Koch ³¹. Por tanto, es más cercano a los hechos explicar que «la industria energética está elaborando rápidamente planes de trabajo mediante la misma plataforma de agentes, y la demostración del problema del Milenio en la que se basa este fundamento se encuentra en una fase de verificación separada», en lugar de afirmar que «la industria energética ya se beneficia de las demostraciones de la IA».