OpenAI opublikowało 722 rękopisy matematyczne stworzone przy użyciu niewydanego wewnętrznego modelu granicznego, umieszczając pełną kolekcję w publicznym repozytorium GitHub na licencji Apache-2.0. Publikacja ta, ogłoszona w poście badawczym zatytułowanym „Udostępnianie postępu AI w matematyce” z 6 października 2026 r., jest jednym z największych jak dotąd pojedynczych zrzutów wyników matematycznych generowanych przez sztuczną inteligencję i zawiera formalne kontrole Lean, skrócone podsumowania rozumowań i niezwykłe szczegóły dotyczące ilości obliczeń wykorzystanych przez każdy wynik.

Ruch ląduje na polu już na krawędzi. „The New York Times” doniósł, że ta publikacja jeszcze bardziej wstrząsnęła społecznością matematyczną, która od miesięcy zmagała się z systemami sztucznej inteligencji, które przyniosły poważne wyniki badań, natomiast „Scientific American” opisał OpenAI jako udostępniające „setki kolejnych wyników matematycznych w dziedzinie, która jest już w szoku”. Dla czytelników śledzących najnowsze osiągnięcia w badaniach nad sztuczną inteligencją ta publikacja stanowi przypadek testowy pokazujący, w jaki sposób laboratoria graniczne dzielą się nauką wygenerowaną maszynowo bez wszczynania sporów kredytowych.

Co znajduje się w repozytorium

Kolekcja znajduje się w repozytorium openai/math na GitHubie. Według pliku README zawartość stanowią rękopisy matematyczne i dodatkowe artefakty dowodowe wytworzone przez wewnętrzny model OpenAI, zebrane w ramach oceny opracowywania modeli otwartych problemów badawczych. Aktualny katalog zawiera 722 rękopisy zorganizowane w 372 rodziny, gdzie rodzina grupuje powiązane artykuły, które mogą zawierać główny wynik, towarzyszące argumenty, konsekwencje lub alternatywne dowody, każdy sklasyfikowany według dyscypliny matematycznej.

Katalog preprintów zawiera pliki PDF, pliki źródłowe oraz instrukcje dotyczące cytowania i tworzenia rękopisów. Biblioteka Lean kataloguje formalne dowody wraz z powiązanymi z nimi dokumentami i konfiguracjami weryfikacji. Nie każdy manuskrypt został sformalizowany: wielu wynikom towarzyszy sformalizowanie w Lean, języku programowania używanym do komputerowego sprawdzania dowodów wiersz po wierszu, ale plik README ostrzega, że ​​niektóre niesformalizowane wyniki mogą powodować problemy. OpenAI twierdzi, że szybko naprawi takie problemy i zobowiązuje się do przechowywania historii publicznych wydań kolekcji, rejestrowania poprawek i poprawek jako nowych wersji, przy jednoczesnym zachowaniu dostępności wcześniejszych wersji. Każdy katalog rękopisów zawiera także blok BibTeX umożliwiający cytowanie.

Jak uzyskano wyniki

Zdecydowana większość wyników pochodziła z pojedynczej, ustalonej procedury wykorzystującej niepublikowany wewnętrzny model OpenAI. W trakcie oceny modelowi postawiono około 4000 problemów. OpenAI podaje, że średni opublikowany wynik pochłaniał równowartość około trzech godzin obliczeń ChatGPT Pro, co stanowi poziom przejrzystości, który wciąż jest rzadkością w branży. Firma twierdzi, że rozszerzyła te oceny po osiągnięciu nasycenia wynikami istniejących testów matematycznych oraz że niektóre wyniki opierają się na wcześniejszych wynikach uzyskanych za pomocą jej własnych modeli. Wymagając odpowiedniego poziomu istotności i agregując surowy dorobek w rodziny i rękopisy, powstał opublikowany katalog.

Dwa wymienione wyjątki odstąpiły od tej procedury: praca ustanawiająca obszar wolny od zera dla funkcji zeta Riemanna, z opisem obejmującym region Re(s) > 11/12 zredagowanym przez człowieka w celu zapewnienia czytelności oraz dowód hipotezy Hodge'a dla odmian abelowych CM. Obydwa stanowią poważny element matematyki głównego nurtu i obydwa zostaną teraz poddane analizie społeczności.

Publikowanych jest także dziesięć skróconych podsumowań rozumowania modelu. Obejmują one wyniki obejmujące wykładnik irracjonalności liczby pi, symetryczne i ogólne hipotezy Mahlera, izomorfizm wolnych czynników grupowych, ograniczenia quasiwielomianowe dla postępów arytmetycznych, hipotezę Kaplansky'ego o bezpośredniości w charakterystyce drugiej, wzór Mezarda-Parisiego dla rozcieńczonych szkieł spinowych, spontaniczne namagnesowanie w kwantowym ferromagnesie Heisenberga i trójwymiarowy relatywistyczny Własow-Maxwell systemu.

Grupa doradcza pomogła w ukształtowaniu wydania

OpenAI twierdzi, że opracowując najlepsze praktyki w zakresie udostępniania wyników, konsultowała się z niezależną Grupą Doradczą ds. Matematyki i Sztucznej Inteligencji w Instytucie Studiów Zaawansowanych. Grupa ta opublikowała swoje zalecenia dotyczące odpowiedzialnego uwalniania 29 września 2026 r. po otrzymaniu ponad 600 odpowiedzi od społeczności matematycznej. Zalecenia są bez ogródek: „nie popieramy tej praktyki i prosimy o zaprzestanie testowania zaawansowanych problemów matematycznych na zastrzeżonych modelach”. Grupa wzywa laboratoria do umieszczania wyników w naukowych repozytoriach, których nie kontroluje żadne laboratorium sztucznej inteligencji, do przypisywania trwałych identyfikatorów, które można cytować, ujawniania nazwy modelu, zastosowanych podpowiedzi i podsumowanych łańcuchów rozumowania oraz do powstrzymywania się od traktowania publikacji wyników jako narzędzi marketingowych.

Wydanie OpenAI jest po prostu próbą dostosowania się do tych ram, a nie przeciwstawienia się im. Czy społeczeństwo to zaakceptuje, to już inna kwestia. W ankiecie grupy doradczej pytano konkretnie o scenariusz, w którym laboratorium ogłasza istnienie wielu wyników, nie podając szczegółów, a wyłaniające się zalecenia odzwierciedlają głębokie obawy, że ogłoszenia wyprzedzą weryfikację.

Ciężar weryfikacji spada na matematyków

Praktyczne wyzwanie należy teraz do pracujących matematyków. Formalne dowody Lean można sprawdzić mechanicznie, a ich obecność znacznie zmniejsza ryzyko błędu. Jednak rękopisy bez sformalizowań, które samo README określa jako potencjalnie wadliwe, wymagają tradycyjnej recenzji, a liczba 722 manuskryptów znacznie wykracza poza to, co społeczność może szybko przyswoić. Istnieje również kwestia priorytetu i zasługi: matematycy, którzy spędzili lata nad tymi problemami, będą chcieli dokładnie wiedzieć, o co pytano w modelu, co podano i czy uwzględniono w nim jakikolwiek wynik ludzki. Publikacja przez OpenAI podsumowań podpowiedzi i statystyk obliczeniowych ma na celu wcześniejsze udzielenie odpowiedzi na niektóre z tych pytań.

W wydaniu tym określono także szablon, do którego mogą być zmuszani konkurenci. Anthropic, Google DeepMind i inne laboratoria dysponujące pionierskimi modelami zdolnymi do wykonywania obliczeń matematycznych na poziomie badawczym stoją obecnie przed faktyczną normą sformułowaną przez grupę doradczą, zgodnie z którą wyniki ukryte w zastrzeżonych modelach powinny albo zostać ujawnione z pełnym pochodzeniem, albo w ogóle nie powinny być podważane.

Na razie repozytorium działa, trwają prace nad formalizacją, a poprawki są wersjonowane publicznie. To, czy stanie się to standardowym podręcznikiem matematyki generowanej przez sztuczną inteligencję, czy też kolejnym punktem zapalnym w pogłębiającym się konflikcie między laboratoriami a społecznościami badawczymi, z których czerpią, będzie zależeć od tego, jak przebiegnie kilka następnych tygodni analizy.

Wyprzedź krzywą sztucznej inteligencji

Nauka generowana przez sztuczną inteligencję przechodzi od komunikatów prasowych do recenzji naukowych. Śledź najświeższe wiadomości o sztucznej inteligencji na aibuzzwire.news, aby zapoznać się z wszystkimi najważniejszymi publikacjami badawczymi, wprowadzeniem modelu na rynek i zmianą polityki.

Przeczytaj więcej aktualności o sztucznej inteligencji →