ADV-050 · evidencia abierta · Medellín

¿Se puede repetir una demostración matemática como se repite una prueba de software?

Este año, OpenAI publicó demostraciones verificadas por computador sobre las ecuaciones de Navier–Stokes, que describen cómo se mueven los fluidos. Soy ingeniero de calidad de software (QA), no matemático. Revisé ese trabajo como reviso un software y dejé todo listo para que cualquiera pueda repetirlo. Agradezco a quienes se tomen el tiempo de probarlo. Me gustaría que muchas personas lo repitieran en distintos computadores.

Referencia histórica de la versión 26791fe6546f: C5F0-F1A8-2F4D. Cada versión tiene su propia huella; compara resultados de la misma versión.

Míralo en dos videos

Un fluido en 3D. Con viscosidad el remolino se apaga; sin ella se afila hasta que la malla ya no alcanza a dibujarlo. Ese brillo final no es una «explosión».
Volví a compilar y verificar las demostraciones de OpenAI en un contenedor en la nube: 609 de 609 piezas y 9 de 9 pasos con el enunciado oficial.

Pruébalo en tu computador

Preparé una comprobación que funciona en Windows, Mac y Linux. Tarda menos de un minuto y no instala nada en tu equipo aparte de Python.

  1. Instala Python 3.9 o más reciente

    Desde python.org. Si ya lo tienes, sigue.

  2. Descarga el repositorio

    Descarga el ZIP y descomprímelo. Queda una carpeta llamada scientific-qa-evidence-main.

  3. Ejecuta un solo comando

    Abre una terminal dentro de esa carpeta y escribe:

    python verificar.py

    En Mac o Linux puede ser python3 verificar.py. Verás OK o FALLA en seis comprobaciones y tu huella.

  4. Cuéntanos qué te dio

    Con el formulario de reproducción (necesitas una cuenta gratis de GitHub). Pega el contenido de mi_resultado.txt y, si quieres, adjunta capturas o un video. Un resultado distinto es igual de útil.

Quienes ya lo repitieron

Fecha (UTC)SistemaPythonHuellaComparación históricaReporte

Cargando los reportes desde GitHub…

La comparación usa la referencia histórica de la versión 26791fe6546f; una huella de otra versión puede ser distinta aunque todas sus comprobaciones pasen. Leo esta lista en vivo de los reportes recibidos. En la tabla revisada incluyo cómo conozco a cada persona y una copia exacta de cada resultado. Está en evidence/reproductions.

Qué es y qué no es

Sí es

  • La revisión de calidad de software que hice sobre demostraciones publicadas por OpenAI.
  • El registro público que preparé con cada comando, versión, hash y resultado, incluidos los errores que corregí.
  • Una comprobación de que ese registro da el mismo resultado en varios computadores.

No es

  • La solución de un Problema del Milenio. La matemática es de OpenAI, y la versión clásica del problema, sin fuerza externa, sigue abierta.
  • Una certificación ni una revisión por pares.
  • Una recompilación independiente de Lean hecha por otra persona. Esa sigue pendiente.

Mi otro experimento: un depurador de física para un predictor de IA

Aquí no reviso el trabajo de otros. Entrené una red neuronal que predice cómo se mueve un fluido en 3D y escribí un depurador que revisa si cada predicción respeta la física: que el fluido no se comprima, que la energía cuadre y que la evolución cumpla las ecuaciones. Lo probé en cuatro rondas. En cada una dejé las hipótesis y los umbrales en un commit antes de generar los datos de prueba, y el resultado fue el mismo en tres computadores. Una de las hipótesis falló, y así lo reporto.

Busco a alguien que prepare predicciones saboteadas a ciegas para la ronda 5: yo no sabré cuáles son trampas hasta publicar los veredictos.

predictor-debuggerLas cuatro rondas, sus resultados, las huellas y cómo verificarlo. Ronda 5: sabotéalo a ciegasLas reglas, en español, para quien quiera ponerle trampas al depurador.

Para ir más a fondo

Explorador del fluido 3DCortes cuadro a cuadro, convergencia y las campañas PDE y ODE, con los datos originales. Evidencia del video 2Logs, recibos y hashes de la recompilación del 23 de octubre. El repositorio completoQué se comprobó, cómo, y sus límites. Recompilar Lean tú mismoPara quien sepa Lean: la guía de la reproducción que falta (en inglés).