Een gerucht in het weekend ontketende een miljoenensprint
OpenAI's race om een deel van het Navier-Stokes Millennium-probleem op te lossen begon niet met een onderzoeksplan. Het begon met een gerucht.
Eind augustus 2026 bereikte OpenAI het bericht dat een wiskundige die samenwerkte met een Anthropic-onderzoeker dicht bij een oplossing kwam voor een verwant open probleem, de geforceerde Euler-vergelijkingen. Diego Cordoba en Luis Martinez-Zoroa hadden de onderliggende wiskundige aanpak ontwikkeld; Tristan Buckmaster van het Courant Institute van de NYU en Anthropic's Levent Alpoge bouwden die sinds half augustus verder uit, met echte vooruitgang.
OpenAI's antwoord was snel opschalen. Onderzoekers lieten eerst ongeveer 1.000 agents 50 uur lang draaien op het Euler-probleem, en breidden daarna uit naar zo'n 10.000 gelijktijdige agents voor een laatste inspanning van 11 uur op het lastigere Navier-Stokes-geval. OpenAI's Chief Research Officer Mark Chen noemde de totale rekenkosten later in de orde van miljoenen dollars. Het bedrijf kwam op 5 september tot een resultaat en maakte het op 8 september bekend, ongeveer 88 uur na het begin van de inspanning.
Wat OpenAI werkelijk beweert te hebben opgelost
Het resultaat dat OpenAI aankondigde is beperkter dan het klinkt. Het gaat om een specifieke variant, opblazen onder gladde forcering, geproduceerd door een intern, ongepubliceerd model dat volgens OpenAI krachtiger is dan zijn publieke GPT-6 Astra-lijn, draaiend als een gecoördineerde zwerm agents in plaats van een enkele doorloop.
OpenAI koppelde de aankondiging aan een machinaal geverifieerde formalisering van het bewijs in de Lean-bewijsassistent, bewijs dat de logische stappen mechanisch kloppen. Dat is niet hetzelfde als beoordeling door vakgenoten. Het Clay Mathematics Institute, dat toezicht houdt op de zeven Millennium-problemen en de miljoen dollar die aan elk ervan hangt, heeft het resultaat niet geverifieerd of geaccepteerd, en onafhankelijke wiskundigen zijn nog niet klaar met het beoordelen van het mensleesbare argument achter het Lean-bewijs.
| Fase | Agents | Duur | Doel |
|---|---|---|---|
| Fase 1 | ongeveer 1.000 | 50 uur | Verwante Euler-vergelijkingen |
| Fase 2 | ongeveer 10.000 | 11 uur | Navier-Stokes-opblaasgeval |
| Totaal | tot 10.000 | 88 uur | Aangekondigd op 8 september |
De wiskundige die zegt dat zijn ontwerpen zijn gelezen
Tristan Buckmasters verslag van wat daarna gebeurde is het deel van dit verhaal dat OpenAI publiekelijk niet heeft betwist. Hij zegt dat hij OpenAI-onderzoeker Sebastien Bubeck rechtstreeks vroeg of OpenAI's model was getraind op, of toegang had gehad tot, de privésessies in Codex waarin hij en Alpoge hun eigen ontwerpen over het verwante probleem opsloegen. Bubeck ontkende het de eerste keer dat Buckmaster het vroeg. De tweede keer dat Buckmaster vroeg, specifiek over de training, kreeg hij naar eigen zeggen geen antwoord.
Buckmaster zegt ook dat Bubeck hem een keuze aanbood: als eerste publiceren met OpenAI als medeauteur vermeld, of alleen aanspraak maken op de erkenning voor het resultaat, maar alleen als hij Alpoges naam verwijderde, vanwege diens band met Anthropic. Toen Buckmaster weigerde zijn medewerker te laten vallen, zei Bubeck volgens hem: "Waarom zou je je carrière verwoesten?" en later: "Als je niet wilt dat ik aardig ben, hoef ik dat niet te zijn."
Noch OpenAI, noch Bubeck heeft puntsgewijs op deze specifieke beschuldigingen gereageerd.
Vijfentwintig Fields-medaillewinnaars trekken een grens
Drie dagen na OpenAI's aankondiging publiceerde Terence Tao, Fields-medaillewinnaar van 2006, op zijn blog de tekst "A Severe Misalignment of AI in Mathematics", mede-ondertekend door 24 andere Fields-medaillewinnaars uit ceremonies van 1978 tot dit jaar, onder wie Peter Scholze, Maryna Viazovska, Caucher Birkar, June Huh, Martin Hairer, Maxim Kontsevich, James Maynard, Manjul Bhargava en de winnaar van 2026, Yu Deng.
Hun argument is niet dat AI geen wiskunde kan bedrijven. Het is dat het oplossen van een genoemd probleem altijd bedoeld was als een surrogaat voor conceptueel begrip, niet als het doel zelf, en dat een race om dat surrogaat sneller te produceren het langzamere proces kan vernietigen, de lezingen, uitwerkingen, bronvermelding en vereenvoudiging die van een opgelost probleem gedeelde kennis maken waarop wiskundigen kunnen voortbouwen. Overhaaste, omstreden aankondigingen slaan precies dat proces over.
De verklaring waarschuwt dat het massaal produceren van ware of onware beweringen "vruchtbare grond zou kunnen vernietigen in plaats van nieuwe ideeën tot leven te wekken", en dat zonder het werk van wiskundigen om een resultaat in de eigen canon van het vakgebied te integreren, "de cruciale menselijke overdrachtsketen tussen wiskundigen verloren zou gaan".
Wat dit betekent de volgende keer dat een leverancier een doorbraak aankondigt
Elk deel van deze reeks, het gerucht, de haast, de aankondiging, het geschil, gebeurde sneller dan wie dan ook buiten de twee labs kon controleren. Dat is het patroon om op te letten, niet alleen in de wiskunde.
De benchmarkclaim van een AI-leverancier, of het nu een wiskundig bewijs, een codeerscore of een veiligheidsbeoordeling is, is een persbericht totdat een onafhankelijke partij zonder belang bij de uitkomst het heeft beoordeeld. Achtentachtig uur leverden een aankondiging op. Ze leverden geen oordeel op, en de mensen die het beste in staat zijn er een te vellen hebben net publiekelijk en met naam gezegd dat de race om daar te komen deel van het probleem is.
Lees hierna: De Beste AI-hacktools Zijn Nu Alleen Op Uitnodiging | Drie AI-aanbieders vielen samen uit op 3 september
