OpenAI opublikowało pierwsze wyniki Astra, ich kolejny model sztucznej inteligencjiFirma poczyniła postępy w rozwiązywaniu dziesięciu otwartych problemów z matematyki i informatyki teoretycznej. Według firmy, niektóre z tych problemów pozostawały nierozwiązane przez ponad dekadę bez znaczącego postępu. Ogłoszenie, opublikowane 1 sierpnia 2026 roku, wywołało spore poruszenie w środowisku naukowym, choć wielu badaczy apeluje o ostrożność do czasu weryfikacji wyników przez niezależnych ekspertów.
Co wyróżnia tę reklamę od innych podobnych, to to, że OpenAI opublikował nie tylko wyniki, ale także sformalizowane demonstracje w systemie weryfikacji Lean. Pozwala to każdemu matematykowi automatycznie sprawdzić poprawność argumentów. Co więcej, firma szczegółowo opisała proces odkrywania, obejmujący 249 stron argumentów i 62 strony uzasadnionych notatek, co zapewnia niezwykłą przejrzystość w tego typu komunikacji.
Dziesięć problemów i ich znaczenie
Problemy poruszane przez Astrę obejmują bardzo zróżnicowane obszary współczesnej matematyki. Wśród nich znajdują się: obalenie hipotezy Connesa o sztywnościWynik ten ma ogromny wpływ na algebry operatorów, a jawna konstrukcja grup niesoficznych jest fundamentalnym zagadnieniem w teorii grup. Uzyskano również nowe górne granice dla pakowania sfer w wysokich wymiarach, co stanowi problem mający bezpośrednie zastosowanie w teorii informacji i kodach korekcji błędów.
W dziedzinie kombinatoryki Astra rozwiązał trzy problemy postawione przez węgierskiego matematyka Paula Erdősa: problemy 146, 180 i 183. Ostatni z nich, związany z wielokolorowymi liczbami Ramseya, został określony przez eksperta Thomasa Blooma jako „najbardziej zaskakujący z całej listy”. Inne postępy obejmują nowe dolne ograniczenia dla obwodów arytmetycznych, twierdzenie o równoległym powtarzaniu dla gier kwantowych oraz wyniki dotyczące trudności aproksymacji problemu najbliższego wektora, istotnego dla kryptografii postkwantowej.
Koszt i metodologia
OpenAI ujawniło, że Całkowity koszt tokenów potrzebnych do znalezienia tych rozwiązań wyniósł około 2.000 dolarówWedług stawek API firmy Sol, wartość ta nie uwzględnia szkolenia modeli ani pracy badaczy. Proces ten łączył generowanie argumentów przez firmę Astra z wkładem ekspertów, co pomogło przekształcić te argumenty w przejrzyste manuskrypty, a następnie w automatycznie weryfikowalne certyfikaty Lean.
Formalizacja jest kluczowa w Lean: pozwala każdemu, kto ma dostęp do oprogramowania, krok po kroku zweryfikować poprawność logiczną prezentacji. Jednakże, Matematycy muszą jeszcze sprawdzić, czy przyjęte definicje i założenia odpowiadają pierwotnemu problemowi.To coś, czego maszyna nie jest w stanie zrobić samodzielnie. OpenAI wzięło na siebie odpowiedzialność za korektę wyników, ale nie zidentyfikowało żadnej niezależnej grupy, która publicznie oceniłaby wszystkie dziesięć wyników.
Porównanie z Deep Blue i konieczna ostrożność
Wiele mediów porównało ten kamień milowy do zwycięstwa Deep Blue nad Garrim Kasparowem w 1997 r., ale eksperci wskazują, że Matematyka jest bardziej złożona niż szachyW grze wynik jest natychmiastowy; w matematyce dowód może wymagać miesięcy recenzji eksperckiej, zanim zostanie zaakceptowany. Co więcej, Astra nie jest publicznie dostępna, więc zewnętrzni badacze nie mogą odtworzyć procesu ani określić wskaźnika awaryjności modelu.
W przeszłości OpenAI miało już doświadczenia, w których pozornie poprawne wyniki okazywały się błędne po weryfikacji przez ekspertów. W lutym 2026 roku firma przedstawiła rozwiązania w ramach wyzwania First Proof, a później przyznała, że jedno z nich było nieprawidłowe. W związku z tym Społeczność naukowa uważa, że tych dziesięć postępów należy traktować jako obiecujące, ale nie jako ostateczne.dopóki nie zostaną niezależnie zweryfikowane.
W Europie naukowcy z takich uniwersytetów jak Politechnika Madrycka i Uniwersytet Cambridge wyrazili zainteresowanie analizą certyfikatów Lean opublikowanych przez OpenAI. Możliwość współpracy sztucznej inteligencji w tworzeniu nowej wiedzy matematycznej otwiera debatę na temat roli naukowców w przyszłości, choć firma podkreśla, że walidacja i kontekstualizacja wyników będą nadal zależeć od ekspertów przez wiele lat.
Niemniej jednak ogłoszenie Astry stanowi punkt zwrotny: sztuczna inteligencja nie ogranicza się już do rozwiązywania problemów ze znanymi odpowiedziami, ale zaczyna proponować oryginalne argumenty dotyczące pytań będących w centrum zainteresowania wiedzy. Prawdziwy „moment głębokiego błękitu” w matematyce może nie nadejść wraz z pojedynczym spektakularnym rezultatem, ale stopniowo, w miarę jak modele te staną się narzędziami współpracy zdolnymi do eksploracji tysięcy ścieżek i formalizowania wyników, których żaden badacz wcześniej nie przetestował.
