OpenAI y los matemáticos Tristan Buckmaster, de la Universidad de Nueva York (NYU), y Levent Alpoge, de Anthropic, quedaron envueltos en una disputa por la autoría de una demostración del problema de Navier-Stokes. El conflicto surgió después de que la compañía le comunicara a Buckmaster que uno de sus modelos había resuelto, por una vía casi idéntica, el trabajo al que él y su colega dedicaron cerca de un año con ayuda de herramientas de inteligencia artificial. Dos días después, ambas partes hicieron públicas sus versiones sobre lo ocurrido.

El newsletter Culture and Clarity informó que, hacia el final de la segunda llamada y según el relato del matemático, le propusieron compartir el crédito del hallazgo si dejaba fuera a su coautor. Cuando respondió que haría público lo ocurrido, le preguntaron por qué querría arruinar su carrera.

Qué dice OpenAI que resolvió

Las ecuaciones de Navier-Stokes describen cómo se mueven fluidos como el agua y el aire, además del humo. Los ingenieros las usan a diario, pero nadie pudo demostrar si sus soluciones se comportan siempre de manera regular o si, bajo determinadas condiciones, pueden alcanzar una velocidad infinita en un único punto. A ese fenómeno, una singularidad matemática, los especialistas lo llaman "blowup". El Clay Mathematics Institute otorga desde 2000 un premio de US$ 1 millón a quien resuelva el problema.

Buckmaster y Levent Alpoge, matemático que trabaja en Anthropic, dedicaron casi un año a buscar una demostración de ese blowup como proyecto personal y sin respaldo institucional. Buckmaster pagó las herramientas de IA con sus propios fondos de investigación, incluida una factura de OpenAI que calificó como elevada. Los matemáticos guardaron todos los borradores en Codex, el agente de programación diseñado para trabajar con código.

Tras enterarse de los rumores sobre los avances de OpenAI, Buckmaster le envió un correo electrónico a uno de los matemáticos de mayor rango de la compañía para saber qué ocurría.

OpenAI aseguró que el 1 de septiembre ya había puesto a trabajar sobre el problema a un modelo que todavía no había presentado públicamente. Luego puso en marcha 10.000 agentes de IA durante 88 horas y afirmó que obtuvo una demostración completa el 5 de septiembre.

En una serie de llamadas telefónicas, Buckmaster preguntó si el modelo se había entrenado con sus sesiones de Codex. Según relató, no obtuvo respuesta.

Buckmaster, de todos modos, fue cauteloso con sus afirmaciones. Aclaró que no vio la demostración de OpenAI, que desconoce si la empresa utilizó sus datos y que no acusó a nadie. Su intención, explicó, fue limitarse a contar qué le dijeron y qué le propusieron.

OpenAI rechazó haber usado el trabajo de Buckmaster y Alpoge y aseguró que tampoco reclamará el dinero del premio. Además, estimó en varios millones de dólares el costo de cómputo. Aun así, reconoció que no puede descartar que los datos anonimizados generados por el uso de sus herramientas ayuden a mejorar esos sistemas.

Sebastian Bubeck, responsable del equipo de matemáticas de OpenAI, también dio su versión. Confirmó que dijo que todo sería más sencillo si Alpoge no trabajara para un competidor y reconoció que el comentario sobre su carrera fue una mala elección de palabras. Según explicó, la propuesta era que Buckmaster redactara un documento sobre la demostración de OpenAI, no que sacara a Alpoge de su propio trabajo. El CEO de la compañía, Sam Altman, respaldó esa interpretación.

Mientras tanto, el Clay Mathematics Institute todavía considera que el problema sigue sin resolverse y anticipa una revisión exhaustiva de lo ocurrido.

Pregunta 1 para los clientes de OpenAI: ¿Qué estás poniendo en el agente?

El caso también deja una advertencia para cualquier empresa que utilice herramientas de IA. Buckmaster era un cliente de OpenAI y quería saber qué podía pasar con la información que cargaba en Codex. Es la misma duda que puede surgir dentro de una compañía cuando un equipo vuelca meses de trabajo, código o planes internos en un agente de programación. "¿El proveedor puede usar esos datos para entrenar sus modelos y quién dentro de la empresa puede acceder a esa información?", son preguntas que deberían formar parte de cualquier revisión legal.

OpenAI aseguró que nadie accedió específicamente a los datos de Buckmaster, pero eso no termina de aclarar si esa información pudo utilizarse para mejorar sus modelos. Por eso, los contratos con proveedores de IA deberían establecer con claridad qué uso pueden dar a los datos, durante cuánto tiempo los conservan y a qué empleados les dan acceso. Si esas condiciones no están detalladas de forma precisa y exigible, conviene revisarlas en la próxima renovación.

Pregunta 2: ¿Quién recibe el crédito cuando el modelo de OpenAI hace el trabajo?

Muchas empresas todavía no tienen reglas claras para definir quién recibe el crédito cuando un sistema de IA participa de manera decisiva en un trabajo. Tampoco suelen prever qué hacer si una herramienta genera un resultado muy parecido al trabajo de un socio, un cliente o un proveedor, ni cómo resolver una disputa por la autoría.

El conflicto entre OpenAI y los matemáticos muestra que el problema puede surgir incluso entre organizaciones con enormes recursos. Por eso, conviene definir de antemano quién se queda con el crédito, qué papel se le reconoce a la IA y cómo se resuelven este tipo de disputas antes de que haya intereses importantes en juego.

Pregunta 3: ¿La rivalidad impulsa tu gasto en IA como ocurrió con OpenAI?

OpenAI decidió volcar su mejor modelo sobre este problema después de escuchar que un competidor podía adelantarse. La apuesta le demandó una semana de trabajo y varios millones de dólares, impulsada en buena medida por el temor a quedar rezagado en una carrera pública por el resultado.

Para cualquier directorio, la pregunta es sencilla. ¿El presupuesto destinado a IA responde a necesidades concretas de la empresa o a lo que acaba de anunciar un rival? La competencia puede acelerar las decisiones, pero no debería definir por sí sola dónde se invierte el dinero.

Pregunta 4: ¿Comprás respuestas de OpenAI o desarrollás capacidad propia?

Buckmaster sostuvo que lo más importante no es el resultado puntual, sino lo que este revela sobre la relación entre los matemáticos y la IA. Según explicó, un investigador y un modelo ahora pueden resolver en un mes un trabajo que antes demandaba un año. Comparó ese cambio con el duelo histórico de 1997 entre Deep Blue, la computadora de IBM, y Garry Kasparov, entonces campeón mundial de ajedrez. Para Buckmaster, la matemática podría experimentar una transformación similar, tanto en la formación de nuevos especialistas como en la manera de reconocer la autoría de los descubrimientos.

Eso no significa que el trabajo de la máquina sea fácil de realizar. Buckmaster escribió que la demostración generada por la IA era la más horrenda que había leído y contó que su equipo trabajó sin descanso para entenderla. Incluso calificó su propia nota de Euler, redactada a las apuradas, como "basura de IA".

Terrence Tao, uno de los matemáticos más reconocidos del mundo, planteó otra preocupación. Esta semana advirtió en Yahoo Tech que usar IA para resolver de manera masiva problemas matemáticos abiertos podría perjudicar el sistema con el que se forman los futuros investigadores, ya que esos desafíos también sirven para desarrollar experiencia, criterio y nuevas ideas.

La advertencia también alcanza a las empresas. Si la IA entrega respuestas cada vez más rápido, pero los equipos dejan de entender cómo se llega a ellas, la compañía puede obtener resultados inmediatos a costa de perder conocimiento propio a largo plazo.

*Esta nota fue publicada originalmente en Forbes.com.