OpenAI opublikowało 722 manuskrypty z wynikami badań matematycznych

Pełny tekst

Po wrześniowych doniesieniach o rozwiązaniu problemu milenijnego Naviera–Stokesa firma OpenAI opublikowała kolejną, znacznie większą paczkę wyników. W zbiorze znalazły się 722 manuskrypty , które mają dotyczyć setek otwartych pytań badawczych z różnych dziedzin matematyki i informatyki teoretycznej. Środowisko naukowe podchodzi do tych doniesień z mieszanymi odczuciami.

Spis treści

Co opublikowało OpenAI i skąd wzięły się wyniki

Od geometrii po kryptografię

Jak wygląda weryfikacja dowodów wspieranych przez AI

Co opublikowało OpenAI i skąd wzięły się wyniki

OpenAI udostępniło nowe rezultaty 6 października 2026 roku w publicznym repozytorium openai/math na GitHubie, licencjonowanym na Apache‑2.0. Zgodnie z oficjalnym komunikatem laboratorium, manuskrypty zostały wygenerowane przez wewnętrzny, niewydany i nienazwany model graniczny .

Opublikowano łącznie 722 manuskrypty zorganizowane w 372 rodziny w publicznym repozytorium GitHub, wraz z formalizacjami dowodów Lean i skróconymi podsumowaniami rozumowania modelu .

Katalog preprintów zawiera pliki PDF, pliki źródłowe oraz instrukcje cytowania i kompilacji dla poszczególnych rękopisów, natomiast biblioteka i katalog formalizacji Lean opisują dostępne dowody formalne, powiązane z nimi artykuły oraz konfiguracje weryfikacji.

W trakcie ewaluacji modelowi zadano około 4000 problemów. OpenAI podaje, że „średni wynik” wymagał mocy obliczeniowej odpowiadającej około trzem godzinom myślenia w ChatGPT Pro , a w repozytorium znalazły się także szacunki zużycia, statystyki liczby próbowanych problemów oraz fragmenty narracji modelu opisujące jego rozumowanie.

Od geometrii po kryptografię

Wcześniej, w sierpniu 2026 roku, OpenAI opublikowało zestaw dziesięciu wybranych przełomów . W komunikacie z 8 września 2026 roku firma pochwaliła się nowym modelem wewnętrznym, który ma być znacznie wydajniejszy od GPT-6 Astra.

Przedstawiono również dowód z formalizacją Lean pokazujący, że płynny, trójwymiarowy ruch cieczy, regulowany równaniami Naviera-Stokesa , może rozwinąć osobliwość w skończonym czasie.

Milenijny problem Naviera–Stokesa – system AI opracował dowód potwierdzający, że trójwymiarowy płyn nieściśliwy może rozwinąć osobliwość w skończonym czasie nawet przy gładkim wymuszeniu zewnętrznym i skończonej energii kinetycznej. Fot. OpenAI / materiały prasowe

OpenAI poinformowało, że wynik ten rozwiązuje problem , który Instytut Matematyki Claya uznał w 2000 roku za jeden z siedmiu problemów Nagrody Milenijnej.

Teraz, w październikowej publikacji , firma mówi już o setkach otwartych problemów z większości obszarów matematyki . Scientific American twierdzi, że niemal wszystkie wyniki powstały po jednym poleceniu dla jednego agenta AI – bez wcześniejszej, kosztownej „chmury” tysięcy agentów.

To kontrastuje z wcześniejszym rozwiązaniem problemu Naviera-Stokesa, które wymagało pracy około 10 tys. agentów i milionów dolarów mocy obliczeniowej.

Jak wygląda weryfikacja dowodów wspieranych przez AI

OpenAI podkreśla, że publikacja ma charakter otwarty i transparentny : obok skrótów rozumowań udostępniono protokoły dotyczące rewizji prac i cytowania, a całość konsultowano z niezależną grupą doradczą AGMAI (Advisory Group on Mathematics and Artificial Intelligence) działającą przy Institute for Advanced Study.

Tylko dziesięć z 722 manuskryptów zawiera skrócone podsumowanie procesu wnioskowania modelu , co dla wielu komentujących oznacza lukę w przejrzystości. W większości przypadków naukowcy nie będą mogli poznać toku rozumowania modelu.

Otrzymują tylko ostateczny tekst dowodu oraz (w wielu przypadkach) formalną weryfikację. Dlatego Advisory Group on Mathematics and AI zwróciła się do laboratoriów z prośbą o publikowanie podsumowań wnioskowania dla każdego opublikowanego wyniku, a nie tylko jego próbki.

Co więcej, AGMAI nie popiera testowania zaawansowanych problemów matematycznych na zastrzeżonych modelach , które pozostają niedostępne dla szerszej społeczności naukowej. OpenAI korzystał z nieopublikowanego modelu, więc firma ewidentnie nie zastosowała się do zaleceń grupy.

Źródło: OpenAI, The Verge, TechInsider, Unite.ai, Gizmodo. Zdjęcie otwierające: Brecht Corbeel / Unsplash.com

Artykuł Nowy model OpenAI rozwiązuje setki pytań badawczych. Co to oznacza dla nauki? pochodzi z serwisu ANDROID.COM.PL - społeczność entuzjastów technologii .