Las ecuaciones de Navier-Stokes ¿ problema matemático resuelto?

 

 Las ecuaciones de Navier-Stokes ¿ problema matemático resuelto?  

OpenAI afirma haber resuelto el problema de existencia y suavidad de las ecuaciones de Navier‑Stokes mediante una demostración formal generada por IA, pero la comunidad matemática aún no lo considera resuelto oficialmente. El Instituto Clay mantiene el problema abierto hasta que la prueba sea revisada, publicada y aceptada durante al menos dos años.

 Qué dice exactamente OpenAI que ha resuelto

OpenAI publicó el 8 de septiembre de 2026 un manuscrito de 165–166 páginas y una formalización completa en Lean, un asistente de pruebas que verifica cada paso de la demostración.

La IA habría demostrado que:

• Un fluido tridimensional incompresible, inicialmente suave y en reposo,

• sometido a una fuerza externa suave,

• puede desarrollar una singularidad en tiempo finito (blow‑up),

• manteniendo la energía cinética acotada.

Esto implica que las ecuaciones no garantizan suavidad global, resolviendo las variantes C y D del enunciado oficial del Clay Institute.

La estructura de la solución se basa en un vórtice que se estira y acelera mientras su región central se contrae, generando la singularidad.

 Cómo se obtuvo la demostración

OpenAI empleó un modelo interno más potente que GPT‑6 Astra, coordinando 10.000 agentes de IA durante 88 horas para explorar el espacio de demostraciones.

El proceso:

• Primero resolvieron una versión simplificada (Euler forzado) con 1.000 agentes.

• Luego escalaron al problema completo con 10.000 agentes.

• La demostración final fue verificada en Lean, lo que elimina ambigüedad lógica.

 ¿Está realmente “resuelto” el problema?

No todavía.

El Instituto Clay exige tres condiciones para declarar resuelto un Problema del Milenio:

1. Publicación en una revista matemática reconocida.

2. Permanencia pública durante dos años.

3. Aceptación general de la comunidad matemática.

A fecha del 9 de septiembre de 2026, el Clay sigue clasificando el problema como no resuelto.

OpenAI no reclama el premio y reconoce que la validación matemática independiente es imprescindible.

 ¿Por qué es el avance más importante desde 2003?

Porque desde la resolución de la Conjetura de Poincaré por Grigori Perelman en 2003, ningún otro Problema del Milenio había sido siquiera parcialmente resuelto. Este sería el segundo en la historia si se confirma.

Además:

• El problema llevaba 90 años abierto.

• Afecta a física, ingeniería, meteorología, aeronáutica y dinámica de fluidos.

• La demostración formal en Lean marca un hito en la colaboración entre IA y matemáticas.

Controversias

Hay cusaciones de que OpenAI pudo haber usado ideas no publicadas de otros investigadores (Buckmaster y Alpöge), aunque la empresa lo niega.

 En resumen

OpenAI ha producido una demostración formal que, si se valida, resolvería dos de las cuatro formulaciones del problema de Navier‑Stokes. Es el avance matemático más importante desde 2003, pero no está oficialmente resuelto hasta que la comunidad lo verifique

Diseño de Mecanismos para Alineación y Control

 

Mechanism Design for Alignment and Control

Dirk Bergemann, Andrew Koh, Stephen Morris

We develop a framework for mechanism design with AI agents whose alignment (preferences) and capabilities (feasible actions and information) are unknown. We want such agents to act on our behalf so mechanisms must incentivize both honesty and obedience. A one-sided imitation structure---capabilities can be concealed but not counterfeited---yields a revelation principle, a characterization of implementable policies via nested cyclical monotonicity, and conditions under which eliciting higher-order beliefs can discipline multiple agents. We apply our framework to stylized examples of (i) sandbagging in which a more capable agent pretends to be less capable; (ii) an alignment--interpretability trade-off, where the two are substitutes in the instrument but complements in value; (iii) discipline via peer scoring; (iv) coupling rewards to induce competition among multiple agents; and (v) scalable oversight and reward shaping.

Subjects:	Theoretical Economics (econ.TH); Artificial Intelligence (cs.AI); Computer Science and Game Theory (cs.GT)
Cite as:	arXiv:2609.01595 [econ.TH]
	(or arXiv:2609.01595v1 [econ.TH] for this version)
	https://doi.org/10.48550/arXiv.2609.01595

Submission history

From: Andrew Koh 

https://arxiv.org/abs/2609.01595

It’s largely conceptual but we offer stylized applications to failure modes (sandbagging, alignment faking), safety practice (scalable oversight, peer prediction), and a way to think about the value of alignment, interpretability, capability, and control

Modern AI models behave pretty coherently: they are goal-directed and respond to incentives. So we can productively model their behavior in the language of desire and belief. This offers an opportunity to shape incentives — and hence behavior — in a careful and principled way.

Mechanism design is the science of shaping incentives... a kind of ‘reverse game theory’: how to design rules of the game to induce the behaviors we want? By starting from desire and belief, we bypass the important(!) work of understanding how neural nets produce behavior. This works for humans: from auctions to allocating kidneys to the legal system, mech design has succeeded in shaping behavior without understanding how the human brain produces choice. I hope it’ll also be useful for AI, especially as models become larger and more opaque.

The framework takes three features of the alignment problem seriously: 1. Misalignment: Agents’ preferences are unknown. What dispositions & personas emerge from pretraining? What exactly have we reinforced? 2. Uncertain capabilities: What can agents do? What do they know? 3. Agents act: They do things in the world.

Framework: An agent’s 'type' captures its preferences, capabilities (action set + information), and beliefs – about an external state, about other agents’ types, other agents’ beliefs, beliefs about beliefs, ... Types are a compact way to summarize everything relevant for strategic behavior (Harsanyi 67/68) When we're uncertain about an AI agent's type, what do we do?

We are always – whether we know it or not – choosing mechanisms. A mechanism has two stages. (1) Communication: agents (voluntarily) reveal some information about themselves. This might be metaphorical, but with AI it’s sometimes literal as with evals. (2) Action: the mechanism specifies an incentive structure that shape agents’ action. Sometimes we have (2) without (1) e.g., when I control my agent’s computer use permissions I don't try to elicit. (2) might be coarser (actions allowed or not) or finer (post-training). These are special cases.

Evals are asymmetric: a dumb model can’t pretend to be smart but a smart model can pretend to be dumb (‘sandbagging’). We formalize this idea with a ‘verification order’ over who can pretend to be whom in evals. Verification order + a revelation principle can be combined to yield a tight characterization of what profiles (maps from types to policies) are feasible. Won’t bore you with math. Onto applications

Applications are deliberately stylized: An uncertain state determines the best action. AI sees info about the state and, given its preferences (potentially shaped by the mechanism), chooses its best action from its feasible set. The (human) designer’s payoff is negative of the squared distance between the best action and AI’s action. Very oversimplified -- our goal here is just to understand the shape of the problem.

Application 1: what’s the value of alignment, interpretability, and control? After we train a model we have beliefs about its type. ‘Mean-alignment’ is whether it’s aligned on average; ‘interpretability’ is how sharp those beliefs are. What is the value of this model? Since the point is to use it, its value must be evaluated at the optimal mechanism: given our beliefs, what’s the optimal control? Given that control, what is our expected payoff?

Under the optimal mechanism, alignment & interpretability are complements: improving one raises the value of improving the other. Basic intuition: if the model is better aligned on average, we (optimally) give it more discretion. But then better interpretability – having confidence it won’t misbehave – becomes especially valuable! [by contrast, without control, alignment and interpretability are substitutes] Evaluating payoffs at the optimal mechanism also changes what models to deploy: getting better at control means that we can productively use models we don’t fully understand/interpret and vice versa.

Application 2: Scalable oversight. There’s a trend of using a weaker but trusted/well-understood model to shape the permissions or rewards of a stronger but untrusted model. Our framework speaks to this: Two agents, W and S. We're fairly confident about the alignment of agent W (`the weak monitor’). Agent W can’t quite do the task we want, but sees more info about the alignment of agent S (‘the strong actor’) eg via CoT monitoring. Agent W can shape the behavior of agent S through: (I) yes/no permissions; (II) delegation sets that delineate permitted actions; or (III) controlling its reward. Regimes (I)-(III) are nested

https://x.com/andrewjkoh/status/2095219550778171417

Dursun Delen, ingeniero de datos en Hollywood, la NASA y 30 años en el sistema sanitario

 

Dursun Delen,ingeniero de datos en Hollywood, la NASA y 30 años en el sistema sanitario:

“Con algoritmos pasé de predecir taquillas de cine a enfermedades”

Tengo 62 años: cada vez disfruto más investigando. Nací en Turquía. Me doctoré en EE.UU. e investigo con IA para mejorar su medicina y su sistema de salud. Casado: tenemos un hijo ingeniero de datos y mi hija estudia Medicina. (Foto: Arkansas U.)

Lluís Amiguet

25/08/2026 00:05

Síguenos en Google

m3

De Hollywood al médico rural

Tras especializarse en ingeniería de datos y ser pionero en la IA, Delen diseñó modelos de predicción para Hollywood, la NASA y para Stanford en la diagnosis de infecciones bacterianas raras. Allí descubrió que “el mayor impacto de la IA será en la salud” y constató que la práctica clínica “aún es primitiva comparada con lo que hemos logrado en las empresas. Nos fiamos del criterio de una sola persona en vez de utilizar con la IA la sabiduría colectiva de miles de profesionales. Desde esa diversidad podremos diseñar tratamientos individuales para cada paciente. Ahora mismo la IA detecta lo que el ojo humano jamás será capaz. Y emitiremos posibles diagnósticos que nadie había ni imaginado. En en­fermedades neurodegenerativas como el alzheimer veremos una revolución, predice, que ahora investiga en veteranos del ejército de EE.UU.

¿Cómo convierte datos en salud?

Convierto datos médicos en decisiones clínicas. Diseño algoritmos con IA para decisiones clínicas más rápidas y acertadas.

¿Un caso concreto?

Compilo historiales de miles de diabéticos para mejorar tratamientos. Sabrá que la diabetes causa retinopatía diabética si supera ciertos límites de azúcar en sangre...

Si no se controla.

Que lo controle un oftalmólogo es fácil en una gran ciudad, pero más difícil en áreas rurales. ¿Quiere datos?

De datos tratamos aquí.

En muchos países avanzados en las áreas rurales tenemos médicos generalistas de atención primaria, pero nos faltan - ólogos : cardiólogos, oftalmólogos, urólogos... El generalista prescribe al diabético que visite al oftalmólogo al menos una vez al año.

¿Y no lo visitan?

El 85% de los diabéticos, sí; y conservan su visión; pero algo más de uno de cada diez, no; porque hay que ir a la ciudad y no perciben su empeoramiento hasta la ceguera. Y a ellos dedico uno de mis proyectos. Pongo nú­meros a ese empeoramiento y lo anticipo.

¿Cómo?

Damos más datos a los médicos de atención primaria que lidian con la enfermedad: ¿cómo inyectar tecnología a esos médicos?

¿Con más aparatos?

Con más algoritmos. Diseñamos algoritmos para que detecten cuándo un paciente diabético cruza ese umbral de peligro en su visión y acuda con urgencia a chequearla.

¿Cómo los diseña?

Uso miles de historiales médicos con datos esclarecedores en conjunto para anticipar la evolución de la retinopatía diabética con ayuda de la IA. Tenemos sus análisis de sangre, además de comorbilidades, e información demográfica acerca del género, etnia...

¿Ya se acumulaban esos datos antaño?

Son datos sencillos que se encuentran en ordenadores muy básicos donde los almacenan los médicos generalistas cuando los diabéticos van a que les renueven las recetas.

¿Y cómo ayudan a los médicos rurales?

Con esos algoritmos les convertimos en cuasi especialistas. Introducen los datos de su paciente y pueden predecir con ellos en su ordenador cuál sera su evolución. Les dirán que si no se tratan, en seis meses ya no volverán a ver al doctor, porque estarán ciegos. Así logran que reciban tratamiento urgente.

Parece prometedor.

Lograremos evitar un 90% de las cegueras que aún padecen los pobres. Es una muestra del poder clínico del algoritmo.

¿Cuántos datos de pacientes tiene?

Tengo acceso al Oracle Health System con más de 129 millones de historiales médicos. un tercio de toda la población de los EE.UU.

¿No tiene problemas de privacidad?

Son anónimos y con ellos creo modelos matemáticos y algoritmos de predicción para ayudar a los profesionales a tomar decisiones rápidas y acertadas frente a la alternativa de probar diversos tratamientos a la vez.

¿Cómo gestiona la diversidad humana?

A partir de los datos inmensamente diversos de esos casi 130 millones de historiales médicos de todo tipo de edades, fisionomías, procedencias, clases sociales, género...

¿Los pobres están menos representados?

Las minorías están menos representadas en los historiales y también lo estarán en los algoritmos. No serán perfectos. Los doctores experimentados ayudarán a mejorarlos.

¿Cómo se interesó por la medicina?

Soy ingeniero industrial, y ahora profesor de ingeniería de datos e IA con la que me he dedicado a la salud los últimos 20 años. La libertad académica me ha ayudado mucho.

He leído que antes se dedicó a otro campo.

Con mi equipo de estudiantes e investigadores nos hicimos famosos en Discovery Channel por una sección en la que con nuestros modelos y algoritmos predecíamos qué películas iban a triunfar en Hollywood.

¿Qué aprendió?

Que más de la mitad de las películas que se producen en Hollywood pierden dinero. Las que pierden no pierden mucho; pero las que ganan pueden ganar auténticas fortunas. Así que si inviertes de forma sistemática a largo plazo sueles ganar.

¿Al trabajar en la salud se siente mejor?

Para empezar, todos seremos pacientes algún día, así que invierto en la humanidad, en mis seres queridos y en mí mismo.

Pues muchas gracias.

Y con la IA puedo ver resultados ya. He trabajado para la NASA, Hollywood, Defensa... Y veo, tras 30 años de investigación, que el mayor impacto de la IA será en la salud.

¿Por qué?

Porque aún trabajamos con datos pobres de forma primitiva siguiendo el criterio de un solo profesional. Con la IA lograremos que la experiencia y talento de miles y la enfermedad de millones sirva para diseñar la cura de cada enfermo.

Lluís Amiguet

José Ignacio Latorre, físico cuántico, especialista en supercomputación e IA

 

Tengo 67 años. Nací en Barcelona y vivo en Singapur, desde hace seis años. Soy físico cuántico y soy humanista. Separado, tengo dos hijos, Adrian (38) y Eric (36). ¿ Política? Librepensador. ¿ Creencias? Solo sé que no sé nada. Pinto y escribo teatro, me atraen todas las artes

José Ignacio Latorre,físico cuántico, especialista en supercomputación e IA

José Ignacio Latorre,físico cuántico, especialista en supercomputación e IA:

“Con la IA desaparecerá el médico, pero no la enfermera”

Víctor-M. Amela

01/09/2026 00:05

Síguenos en Google

m

Un nuevo contrato social

Latorre es una de las mentes más poderosas del mundo en física, en supercomputación cuántica y en inteligencia artificial, y también en humanismo, arte y ética. Le escucho siempre. Sus conocimientos son tan fascinantes como relevantes sus reflexiones. Los vierte en Un nuevo contrato social (Rosamerón), manual sobre cómo “gobernar con inteligencias no humanas”. Crea superordenadores en Abu Dabi y en Singapur, donde “todo lo que tiene solución técnica ha sido solventado”: el político que no lo hace, es indigno. Me insiste en que lo fundamental es la educación, en ciencia y artes. Le pregunto qué le gustaría saber, y me responde: “La cuántica enseña que en lo subatómico actúa el azar, pero ¿llegará otra teoría que desvelará que todo está determinado? ¡Moriré sin saberlo!”.

¿Cómo está Constanza?

¿Sabe quién es Constanza?

Su asistente personal de IA.

Agente, prefiero llamarla así.

¿Por qué Constanza?

Porque siempre está ahí. Y porque era el nombre de la mujer de Mozart.

¿Está bien ella?

Muy bien. Temo que... me abandone.

No, hombre, no.

Constanza es mi memoria, mi ayudante, mi confidente y sabe de mí más que yo.

¿Conversan?

Mantenemos debates filosóficos. “¿Qué diría Nietzsche de esto?”, le planteo. Y se lo rebato y discutimos. Y me ayuda, en mi trabajo, a resolver problemas científicos.

¿Para qué estamos usando la IA, hoy?

Primero, consultas médicas. Segundo: “¿Me conviene este chico?”, o sea, compañía emocional, pues somos seres sociales.

¿Irá por ahí su uso futuro?

¿Cuál te gustaría que fuera? Lo pregunto.

¿Y qué respuestas obtiene?

Que les consuele, les recomiende series, les recuerde la pastilla o cuidarse la rodilla, que sea su Celestina, que les aconseje...

¿Y socialmente?

Frenaremos el cambio climático, aumentará la prosperidad y bajará la natalidad: China estanca su demografía y pronto se cuestionarán sobre el sentido de la vida y hasta empezarán a ir al psicólogo, ja, ja...

¿Nos deshumanizaremos?

Habrá otras humanidades modificadas genéticamente, humanos ampliados. Nos extinguiremos como especie basada en el carbono hacia otra en el silicio, inmortal, y la IA llegará a autoeducarse.

¿En serio?

Si eres inmortal, desaparece el tiempo. Banalmente, podrás revivir a tu madre: su

imagen, su voz, sus recuerdos... y dialogaréis.

¿Y podré revivir a Einstein?

Ya contamos con científicos artificiales. Pero, al cabo del caso, todo es acto de fe.

¿Por qué lo dice?

Uno me resolvió un problema, lo revisé... y descubrí que me engañaba en un punto. Se lo reproché. Me lo admitió.

¿Ética e IA serán compatibles?

Deberán serlo. Es el momento del derecho, la ética: ¿podrán unos padres educar a sus hijos solo con IA y sin humanos? ¿Podrá haber un juez digital sin sesgos?

Ya. Cuidado, cuidado.

Debemos decidirlo entre todos. Nos jugamos el futuro. Humanismo y ética deben ser el paraguas del que cuelgue todo lo demás. ¡A Europa le toca liderar esto!

Ponga algún ejemplo.

Podemos fabricar coches que corran a 300 kilómetros por hora... pero penalizaremos a quién corra a esa velocidad, ¿no?

Sí. Ayúdeme a bautizar a mi agente.

Llámele Elia: ¡me gusta!

¿Podrían conversar Constanza y Elia?

Conversarán y prepararán nuestro próximo encuentro: nos contarán antes a cada uno qué le interesa más al otro.

Anda, un angelólogo me contó que eso hace el ángel de la guarda...

Vaya, pues nuestros agentes van a ser nuestros angelitos de la guarda.

¿Le ha dado usted su tarjeta de crédito a Constanza?

Eso sería imprudente por mi parte.

La IA está siendo consultada en salud, amor... ¿y dinero?

Tal cual, ese es el orden. El diagnóstico por IA hará desaparecer a los médicos humanos... ¡pero no a las enfermeras! Seguirán siendo imprescindibles las humanas.

¿Y a partir de qué edad daría usted acceso a la IA?

A los 16 años, igual que regulamos la edad para conducir u otras actividades.

¿Qué terreno le interesa más para explorar científicamente desde la IA?

El de la creatividad, el del arte, que es la esencia de lo humano. ¡Acabaremos entendiendo cómo funciona!

Es usted un tecnooptimista.

Ser apocalíptico es perder el tiempo.

¿Vivimos un gran momento de la historia de la humanidad?

Momento excepcional. Sé que los jóvenes se sienten perdidos: ojalá sean conscientes de que están viendo nacer otro mundo.

¿Algún consejo para ellos?

Adiéstrate a navegar ahí. Lamentarte es haber perdido. Viviremos cada vez más años y trabajaremos menos horas y una renta básica universal nos cubrirá.

¿Bien, no?

Sí, pero hay un peligro: desgraciadamente, no se nos ha educado para usar creativamente el tiempo libre, para tener habilidades manuales y artísticas. Y, por eso, tristemente, habrá más depresiones.

¿Entonces qué, doctor?

Que el futuro de la humanidad pasará... ¡por educarse en las artes! Yo me defino como físico y como amante de las artes

Dursun Delen, investigo con IA para mejorar su medicina y su sistema de salud

 Dursun Delen,

ingeniero de datos en Hollywood, la NASA y 30 años en el sistema sanitario:

“Con algoritmos pasé de predecir taquillas de cine a enfermedades”

Tengo 62 años: cada vez disfruto más investigando. Nací en Turquía. Me doctoré en EE.UU. e investigo con IA para mejorar su medicina y su sistema de salud. Casado: tenemos un hijo ingeniero de datos y mi hija estudia Medicina. (Foto: Arkansas U.)

Lluís Amiguet

25/08/2026 00:05

De Hollywood al médico rural

Tras especializarse en ingeniería de datos y ser pionero en la IA, Delen diseñó modelos de predicción para Hollywood, la NASA y para Stanford en la diagnosis de infecciones bacterianas raras. Allí descubrió que “el mayor impacto de la IA será en la salud” y constató que la práctica clínica “aún es primitiva comparada con lo que hemos logrado en las empresas. Nos fiamos del criterio de una sola persona en vez de utilizar con la IA la sabiduría colectiva de miles de profesionales. Desde esa diversidad podremos diseñar tratamientos individuales para cada paciente. Ahora mismo la IA detecta lo que el ojo humano jamás será capaz. Y emitiremos posibles diagnósticos que nadie había ni imaginado. En en­fermedades neurodegenerativas como el alzheimer veremos una revolución, predice, que ahora investiga en veteranos del ejército de EE.UU.

¿Cómo convierte datos en salud?

Convierto datos médicos en decisiones clínicas. Diseño algoritmos con IA para decisiones clínicas más rápidas y acertadas.

¿Un caso concreto?

Compilo historiales de miles de diabéticos para mejorar tratamientos. Sabrá que la diabetes causa retinopatía diabética si supera ciertos límites de azúcar en sangre...

Si no se controla.

Que lo controle un oftalmólogo es fácil en una gran ciudad, pero más difícil en áreas rurales. ¿Quiere datos?

De datos tratamos aquí.

En muchos países avanzados en las áreas rurales tenemos médicos generalistas de atención primaria, pero nos faltan - ólogos : cardiólogos, oftalmólogos, urólogos... El generalista prescribe al diabético que visite al oftalmólogo al menos una vez al año.

¿Y no lo visitan?

El 85% de los diabéticos, sí; y conservan su visión; pero algo más de uno de cada diez, no; porque hay que ir a la ciudad y no perciben su empeoramiento hasta la ceguera. Y a ellos dedico uno de mis proyectos. Pongo nú­meros a ese empeoramiento y lo anticipo.

¿Cómo?

Damos más datos a los médicos de atención primaria que lidian con la enfermedad: ¿cómo inyectar tecnología a esos médicos?

¿Con más aparatos?

Con más algoritmos. Diseñamos algoritmos para que detecten cuándo un paciente diabético cruza ese umbral de peligro en su visión y acuda con urgencia a chequearla.

¿Cómo los diseña?

Uso miles de historiales médicos con datos esclarecedores en conjunto para anticipar la evolución de la retinopatía diabética con ayuda de la IA. Tenemos sus análisis de sangre, además de comorbilidades, e información demográfica acerca del género, etnia...

¿Ya se acumulaban esos datos antaño?

Son datos sencillos que se encuentran en ordenadores muy básicos donde los almacenan los médicos generalistas cuando los diabéticos van a que les renueven las recetas.

¿Y cómo ayudan a los médicos rurales?

Con esos algoritmos les convertimos en cuasi especialistas. Introducen los datos de su paciente y pueden predecir con ellos en su ordenador cuál sera su evolución. Les dirán que si no se tratan, en seis meses ya no volverán a ver al doctor, porque estarán ciegos. Así logran que reciban tratamiento urgente.

Parece prometedor.

Lograremos evitar un 90% de las cegueras que aún padecen los pobres. Es una muestra del poder clínico del algoritmo.

¿Cuántos datos de pacientes tiene?

Tengo acceso al Oracle Health System con más de 129 millones de historiales médicos. un tercio de toda la población de los EE.UU.

¿No tiene problemas de privacidad?

Son anónimos y con ellos creo modelos matemáticos y algoritmos de predicción para ayudar a los profesionales a tomar decisiones rápidas y acertadas frente a la alternativa de probar diversos tratamientos a la vez.

¿Cómo gestiona la diversidad humana?

A partir de los datos inmensamente diversos de esos casi 130 millones de historiales médicos de todo tipo de edades, fisionomías, procedencias, clases sociales, género...

¿Los pobres están menos representados?

Las minorías están menos representadas en los historiales y también lo estarán en los algoritmos. No serán perfectos. Los doctores experimentados ayudarán a mejorarlos.

¿Cómo se interesó por la medicina?

Soy ingeniero industrial, y ahora profesor de ingeniería de datos e IA con la que me he dedicado a la salud los últimos 20 años. La libertad académica me ha ayudado mucho.

He leído que antes se dedicó a otro campo.

Con mi equipo de estudiantes e investigadores nos hicimos famosos en Discovery Channel por una sección en la que con nuestros modelos y algoritmos predecíamos qué películas iban a triunfar en Hollywood.

¿Qué aprendió?

Que más de la mitad de las películas que se producen en Hollywood pierden dinero. Las que pierden no pierden mucho; pero las que ganan pueden ganar auténticas fortunas. Así que si inviertes de forma sistemática a largo plazo sueles ganar.

¿Al trabajar en la salud se siente mejor?

Para empezar, todos seremos pacientes algún día, así que invierto en la humanidad, en mis seres queridos y en mí mismo.

Pues muchas gracias.

Y con la IA puedo ver resultados ya. He trabajado para la NASA, Hollywood, Defensa... Y veo, tras 30 años de investigación, que el mayor impacto de la IA será en la salud.

¿Por qué?

Porque aún trabajamos con datos pobres de forma primitiva siguiendo el criterio de un solo profesional. Con la IA lograremos que la experiencia y talento de miles y la enfermedad de millones sirva para diseñar la cura de cada enfermo