La histórica resolución del problema de Navier-Stokes anunciada por OpenAI se vio empañada por graves acusaciones de plagio académico e infracción de privacidad. Científicos afirman que la empresa aceleró sus avances utilizando datos de borradores privados subidos a sus propias herramientas.
El conflicto escaló cuando matemáticos denunciaron que la compañía utilizó sus enfoques inéditos para adelantarse con infraestructura computacional de gran escala. Según informó la BBC, el profesor de matemática de la Universidad de Nueva York, Tristan Buckmaster junto al investigador de Anthropic, Levent Alpöge, acusaron que la firma accedió a sus avances a través del software Codex.
Previamente a las acusaciones, OpenAI negó haber revisado información privada para llegar al resultado histórico en tan solo cuatro días.
"No se accedió a ningún dato específico de usuario para resolver este problema, aunque no podemos descartar que datos desidentificados hayan ayudado a mejorar los modelos".
Aseguraron desde la compañía de IA mediante una publicación en su perfil en la red social X, en el mismo momento de publicar la resolución de este hito matemático.
La controversia también salpicó las conversaciones privadas entre los científicos y representantes de la tecnológica estadounidense sobre el reconocimiento de la autoría. Según denunció el profesor Tristan Buckmaster ante la BBC, desde OpenAI se le sugirió omitir del trabajo a su colaborador de Anthropic para figurar en la publicación conjunta.
El caso expone la brecha de recursos entre las academias tradicionales y los gigantes tecnológicos de Silicon Valley. Mientras los académicos trabajaban con recursos acotados, OpenAI desplegó diez mil agentes digitales en simultáneo y destinó cerca de 10 millones de dólares en potencia de cálculo para procesar la demostración.
El hito científico permanece ahora bajo la rigurosa revisión de la comunidad académica global para auditar los códigos presentados en el lenguaje Lean. Este conflicto marcará un precedente crucial sobre los límites éticos del entrenamiento con datos, la autoría y la atribución de méritos cuando la inteligencia artificial lidera los hallazgos.
Ver Video
