“Teníamos mejores meteorólogos que los alemanes” fue lo que respondió Eisenhower cuando John F. Kennedy le preguntó qué le había dado la ventaja decisiva sobre los nazis para lograr el éxito en el desembarco de Normandía.
Hace unos años me leí un libro llamado «El universo en una caja», trataba de simulaciones computacionales en el ámbito del estudio del cosmos, y los primeros capítulos estaban dedicados a la meteorología. Es una ciencia fascinante porque muchas veces coges el móvil para ver si hoy nos vamos a volver a morir de calor o si por fin va a hacer un poco de frío o de viento, pero no te paras a pensar qué es el calor o qué es el frío o qué es el viento.
Probablemente los meteorólogos sean de las personas más maldecidas del planeta, la predicción meteorológica es extremadamente complicada y con un importante peso colectivo, como explica Nate Silver en mi libro favorito, El ruido y la señal, el coste social de equivocarse por exceso es infinitamente menor que el riesgo de pecar por defecto (es mejor anticipar un chaparrón para que cargues con el paraguas que asegurar que hará sol y que te pille un aguacero inesperado, pues pasa lo mismo cuando se trata de predecir la trayectoria de un huracán).
La victoria de los aliados el Día D se la dio la predicción meteorológica de James Stagg con su rudimental equipo de mapas isobáricos analógicos dibujados a mano, instrumentos de medición física básicos (barómetros, termómetros y anemómetros), una red de datos obtenida mediante aviones y barcos de reconocimiento en el Atlántico Norte, e incluso palomas mensajeras para zonas con silencio de radio, todo esto potenciado por el descifrado del código Enigma en Bletchley Park, que les permitió espiar los informes climáticos de los propios alemanes.
De no haber sido por la figura de James Stagg, las tropas de los aliados se hubieran hundido en el mar a causa de varias tormentas que azotaban el frente.
Hoy en día tenemos herramientas mucho más sofisticadas para predecir el clima que unos mapas isobáricos analógicos dibujados a mano, pero los usuarios seguimos dudando exactamente igual que hace 50 años.
¿De verdad es tan difícil predecir el clima? ¿Es que los meteorólogos la tienen tomada con todo el mundo y les gusta mentirnos a la cara?
Pues sí a lo primero y probablemente no a lo segundo.
Predecir el tiempo es un desafío titánico porque la atmósfera se rige por las ecuaciones de Navier-Stokes, un pilar de la física de fluidos tan complejo que la propia naturaleza de sus «singularidades», puntos donde las soluciones matemáticas pueden volverse infinitas o colapsar, sigue representando un enigma monumental.
Y no es que estas ecuaciones tengan una solución finita «ecuación = 42» y solo sea muy difícil de despejar una incógnita, sino que el problema es mucho más profundo: ni siquiera se ha demostrado matemáticamente si siempre existe una solución regular y global en tres dimensiones, o si el propio sistema puede romperse a sí mismo al generar singularidades donde las variables se vuelven infinitas.
Si tú coges un ecosistema de por sí inestable y le sumas el caos inherente del efecto mariposa, entonces un error imperceptible en las condiciones iniciales se amplifica de forma exponencial hasta descarrilar cualquier cálculo. Como bien expone Nate Silver en el libro que he mencionado antes, este abismo no se debe únicamente a una falta de potencia de cálculo, sino a un límite analítico fundamental: en los sistemas complejos, acumular más datos no elimina la incertidumbre, ya que llega un punto en el que la señal útil se disuelve irremediablemente en el ruido.
La pregunta literalmente del millón:
Si pones en movimiento un fluido tridimensional incompresible partiendo de unas condiciones iniciales perfectamente suaves y normales, ¿sus ecuaciones siempre mantendrán un comportamiento regular y suave para todo el futuro, o pueden «romperse» por sí mismas generando un punto de velocidad infinita (una singularidad) en un tiempo finito?
Esta es la formulación del Problema del Milenio de las ecuaciones de Navier-Stokes, formulado oficialmente por el matemático Charles Fefferman para el Clay Mathematics Institute en el año 2000, se titula formalmente el problema de la existencia y suavidad (smoothness) de Navier-Stokes. Como el resto de problemas del milenio, su solución está dotada con 1.000.000€, por si te apetece coger una lápiz y un papel y ponerte con ello.
O tal vez llegues tarde, porque el pasado 8 de septiembre de 2026, OpenAI (ChatGPT) publicó una posible solución al problema.
Aún no podemos cantar victoria porque no se ha comprobado (están en ello), y no deberíamos de celebrar muy alto porque hay un escándalo abierto sobre que la solución fue «robada» o «espiada» por los operarios de OpenAI a unos matemáticos que trabajaban en el problema, pero dejando los chismes a un lado:
¿Qué es esa especie de remolino?
La solución de OpenAI es la siguiente: hay singularidad.
Esa figura representa la clave de la solución propuesta por la inteligencia artificial: un vórtice autoconcentrado.
Para entender qué muestra exactamente la ilustración y por qué resuelve (o dinamita) el problema matemático, podemos desglosarlo en tres claves sencillas:
- El remolino que se estrangula (inward spiral): La gráfica muestra una estructura en forma de torbellino donde las líneas de corriente del fluido giran y se espiralizan hacia adentro de forma simétrica. A medida que el núcleo central se contrae y se vuelve cada vez más estrecho, la velocidad de rotación aumenta de manera desbocada.
- El estiramiento axial (axial stretching): Para que las ecuaciones colapsen sin necesidad de meterle una fuerza infinita desde fuera, el vórtice se estira longitudinalmente a lo largo de su eje principal (como si estiraras un chicle o un hilo de pasta tipo espagueti). Este estiramiento geométrico acelera el proceso de concentración del momento cinético.
- El colapso con energía finita: El gran logro, y lo que rompe los esquemas tradicionales, es demostrar que este tubo de vorticidad se acelera hasta el infinito (formando la singularidad) manteniendo una energía total finita. Es decir, las propias matemáticas internas de las fuerzas de presión, el momento y la viscosidad conspiran para autogenerar el desastre (blow-up) sin trampear las reglas.
En resumen, la imagen es el retrato robot del «efecto colapso»: el punto exacto donde la ecuación de Navier-Stokes se rompe a sí misma porque el fluido se acelera tanto en un espacio tan diminuto que el modelo continuo deja de tener sentido físico.
Traducción: imagina que el fluido es una bailarina de ballet haciendo una pirueta.
Cuando la bailarina extiende los brazos, gira a una velocidad normal y controlada (la solución suave de las ecuaciones). Pero a medida que empieza a encoger los brazos y a pegarlos al cuerpo, la física hace que empiece a girar cada vez más y más rápido, concentrando toda su energía en un punto infinitesimal.
El gráfico de OpenAI muestra el momento exacto en el que la bailarina gira tan rápido, en un espacio tan reducido, que da una vuelta infinita en un tiempo récord: las matemáticas colapsan y los números se rompen. Esa explosión de velocidad es la singularidad.
Y la pregunta que probablemente nazca de esta explicación es: ¿haber perdido a la bailarina hace que ya no podamos predecir el tiempo? ¿si la bailarina no se hubiera convertido en un espagueti podríamos haber predicho el tiempo hasta el día del juicio final sin errores?
Pues no y no!
En realidad las predicciones meteorológicas seguirán como siempre, pero ahora hemos descubierto (si se verifica la solución) un límite!
Y es que, aunque suena paradójico, que las matemáticas colapsen en un punto microscópico no cambia radicalmente el día a día de un meteorólogo.
La razón es sencilla: el verdadero obstáculo para predecir el tiempo a largo plazo no es que las ecuaciones se rompan en una singularidad invisible, sino el caos del día a día. Incluso si la atmósfera fuera un campo perfecto donde las ecuaciones de Navier-Stokes jamás generasen un «espagueti» matemático ni perdieran la suavidad, el simple hecho de que los datos iniciales con los que alimentamos los superordenadores tengan un mínimo margen de error (la temperatura de un sensor en el Atlántico, la presión en una borrasca lejana) condenaría el pronóstico.
El efecto mariposa seguiría haciendo de las suyas: ese minúsculo error inicial se duplicaría, crecería y corrompería la predicción en apenas un par de semanas.
Por eso, la hipotética solución de OpenAI no nos arrebata la capacidad de predecir el tiempo, ni nos la hubiera garantizado para siempre. Lo que nos regala es algo mucho más valioso a nivel intelectual: un mapa de los límites de nuestra propia comprensión. Hemos encontrado la frontera exacta donde el modelo continuo se estrangula, recordándonos que la naturaleza guarda recovecos tan salvajes que ni nuestras mejores herramientas logran domar por completo.
Habrá que estar atentos a la revisión por pares, cruzamos los dedos para no tener que reescribir la historia , ni este artículo, a mitad de camino.
El juicio final: ¿Cómo se corrobora que la solución es la definitiva?
Lanzar una potencial solución a un Problema del Milenio no es como publicar un artículo científico corriente, aquí no basta con que los revisores le echen un vistazo rápido y den el visto bueno. El proceso para comprobar si OpenAI ha tocado el santo grial de la física matemática es una auténtica prueba de fuego dividida en tres fases:
- La auditoría de los «monstruos» analíticos: El primer paso es que los mejores analistas del mundo desarmen la demostración paso a paso. No se trata de comprobar si el ordenador ha simulado bien un par de casos bonitos, sino de revisar cada línea de deducción lógica para asegurar que el razonamiento se sostiene de forma universal, sin trampas ni atajos en las transiciones al límite.
- La caza de contraejemplos: La comunidad matemática es implacable. En cuanto un equipo presenta una prueba de este calibre, el deporte nacional pasa a ser intentar romperla. Otros matemáticos buscarán desesperadamente un resquicio, un caso límite o un escenario físico donde las suposiciones de la solución fallen estrepitosamente. Si encuentran un solo agujero, el castillo de naipes se viene abajo.
- El veredicto del Clay Mathematics Institute: Aunque la solución se debata en congresos y preprints, el sello oficial solo llega tras años de escrutinio público en revistas de máxima categoría matemática. El Instituto Clay no regala el millón de dólares ni la gloria eterna: exige un consenso global y absoluto de que el problema está definitivamente cerrado.
Hasta que eso ocurra, la supuesta singularidad sigue en el limbo.
Pero esto no es como lo de Poincaré. Grigori Perelman no necesitó un ejército ni superordenadores para desentrañar el misterio topológico, le bastó con años de aislamiento, libretas y su propio talento descomunal. Con Navier-Stokes, las reglas del juego han estallado por los aires: la potencial solución no ha nacido de la genialidad individual de un matemático encerrado en su despacho, sino de 10.000 agentes de la inteligencia artificial más avanzada del planeta trabajando en paralelo durante 88 horas, a costa de la friolera de 40 millones de euros en computación.
¿Qué implica para el futuro de la ciencia que las respuestas a los mayores enigmas del universo ya no salgan de mentes humanas*, sino de factorías masivas de silicio? Y lo que es más importante: ¿cómo se audita, se corrige o se confía en una verdad matemática que ningún ser humano puede replicar por completo?
*(conviene matizar que esto no fue simplemente cuestión de abrirle la ventana al asistente de chat y soltarle un «oye, resuélveme Navier-Stokes sin fallos»: detrás de las 88 horas de ejecución y los miles de agentes autónomos hubo un despliegue milimétricamente dirigido, coordinado y supervisado por matemáticos de élite e investigadores punteros de OpenAI (como Sébastien Bubeck) que marcaron la estrategia, estructuraron los frentes de ataque y orquestaron el sistema), una especie de cuartel general al estilo de Eisenhower en el Día D, donde la estrategia humana canalizó la fuerza bruta de la tecnología hacia un único objetivo histórico.
