Et rygte i weekenden udløste et sprint til flere millioner
OpenAIs kapløb om at løse en del af Navier-Stokes-millenniumproblemet begyndte ikke med en forskningsplan. Det begyndte med et rygte.
I slutningen af august 2026 nåede det OpenAI, at en matematiker, der arbejdede med en Anthropic-forsker, var tæt på en løsning på et beslægtet åbent problem, de tvungne Euler-ligninger. Diego Cordoba og Luis Martinez-Zoroa havde udviklet den underliggende matematiske tilgang; Tristan Buckmaster fra NYUs Courant Institute og Anthropics Levent Alpoge havde udvidet den siden midten af august, med reelle fremskridt.
OpenAIs svar var at skalere hurtigt op. Forskerne lod først omkring 1.000 agenter køre i 50 timer på Euler-problemet, og udvidede derefter til omkring 10.000 samtidige agenter til et 11-timers fremstød på det sværere Navier-Stokes-tilfælde. OpenAIs forskningschef Mark Chen satte senere den samlede regnekraftsomkostning til flere millioner dollar. Virksomheden nåede frem til et resultat den 5. september og annoncerede det den 8. september, cirka 88 timer efter, at indsatsen begyndte.
Hvad OpenAI reelt hævder at have løst
Resultatet, OpenAI annoncerede, er snævrere, end det lyder. Det omhandler en specifik variant, en opblæsning under glat tvang, produceret af en intern, ikke udgivet model, som OpenAI siger er mere kapabel end dets offentlige GPT-6 Astra-linje, og som kører som en koordineret sværm af agenter i stedet for et enkelt gennemløb.
OpenAI koblede annonceringen sammen med en maskinverificeret formalisering af beviset i Lean-sætningsbeviseren, et bevis på, at de logiske trin hænger mekanisk sammen. Det er ikke det samme som fagfællebedømmelse. Clay Mathematics Institute, der har tilsyn med de syv millenniumproblemer og den million dollar, der følger med hvert af dem, har ikke verificeret eller accepteret resultatet, og uafhængige matematikere er endnu ikke færdige med at gennemgå det menneskeligt læsbare argument bag Lean-beviset.
| Fase | Agenter | Varighed | Mål |
|---|---|---|---|
| Fase 1 | cirka 1.000 | 50 timer | Beslægtede Euler-ligninger |
| Fase 2 | cirka 10.000 | 11 timer | Navier-Stokes-opblæsningstilfælde |
| I alt | op til 10.000 | 88 timer | Annonceret 8. september |
Matematikeren, der siger, at hans udkast blev læst
Tristan Buckmasters beretning om, hvad der skete bagefter, er den del af historien, som OpenAI ikke offentligt har bestridt. Han siger, at han direkte spurgte OpenAI-forskeren Sebastien Bubeck, om OpenAIs model var blevet trænet på, eller havde haft adgang til, de private Codex-sessioner, hvor han og Alpoge opbevarede deres egne udkast om det beslægtede problem. Bubeck benægtede det, første gang Buckmaster spurgte. Anden gang Buckmaster spurgte, specifikt om træningen, fik han efter eget udsagn intet svar.
Buckmaster siger også, at Bubeck tilbød ham et valg: udgive først med OpenAI krediteret sammen med ham, eller beholde eneretten til anerkendelsen for resultatet, men kun hvis han fjernede Alpoges navn på grund af dennes Anthropic-tilknytning. Da Buckmaster nægtede at droppe sin samarbejdspartner, siger han, at Bubeck sagde til ham: "Hvorfor skulle du ødelægge din karriere?" og senere: "Hvis du ikke vil have, at jeg er sød, behøver jeg ikke være det."
Hverken OpenAI eller Bubeck har offentliggjort et punkt-for-punkt-svar på disse konkrete anklager.
Femogtyve Fields-medaljevindere trækker en grænse
Tre dage efter OpenAIs annoncering udgav Terence Tao, Fields-medaljevinder fra 2006, teksten "A Severe Misalignment of AI in Mathematics" på sin blog, medunderskrevet af 24 andre Fields-medaljevindere fra ceremonier fra 1978 til i år, blandt dem Peter Scholze, Maryna Viazovska, Caucher Birkar, June Huh, Martin Hairer, Maxim Kontsevich, James Maynard, Manjul Bhargava og årets vinder Yu Deng.
Deres argument er ikke, at AI ikke kan drive matematik. Det er, at det at løse et navngivet problem altid var tænkt som en stedfortræder for konceptuel forståelse, ikke som selve målet, og at et kapløb om at producere den stedfortræder hurtigere kan ødelægge den langsommere proces, foredragene, udarbejdelserne, kildehenvisningerne og forenklingen, der gør et løst problem til delt viden, som matematikere kan bygge videre på. Forhastede, omstridte annonceringer springer netop den proces over.
Erklæringen advarer om, at massefremstilling af sande eller falske udsagn "kunne ødelægge frugtbar jord i stedet for at puste liv i nye ideer", og at uden matematikernes arbejde med at integrere et resultat i fagets egen kanon "ville den afgørende menneskelige overleveringskæde mellem matematikere gå tabt".
Hvad dette betyder næste gang en leverandør annoncerer et gennembrud
Hver del af dette forløb, rygtet, kapløbet, annonceringen, stridigheden, skete hurtigere, end nogen uden for de to laboratorier kunne kontrollere det. Det er det mønster, man skal holde øje med, ikke kun i matematik.
En AI-leverandørs benchmark-påstand, uanset om det er et matematisk bevis, en kodescore eller en sikkerhedsvurdering, er en pressemeddelelse, indtil en uafhængig part uden interesse i udfaldet har gennemgået den. Otteogfirs timer producerede en annoncering. De producerede ikke en dom, og dem, der er bedst placeret til at afgive en, har netop offentligt og ved navn sagt, at kapløbet om at nå dertil er en del af problemet.
Læs videre: De Bedste AI-hackingværktøjer Er Nu Kun på Invitation | Tre AI-udbydere gik ned samtidig den 3. september
