OpenAI ogłosiła rozwiązanie jednego z problemów milenijnych — zagadnienia istnienia i gładkości rozwiązań równań Naviera-Stokesa — za pomocą wewnętrznego systemu SI oraz około 10 tysięcy autonomicznych agentów pracujących przez 88 godzin. Firma wydała na ten cel miliony dolarów w zasobach obliczeniowych i zweryfikowała wynik przy użyciu języka Lean. To pierwszy przypadek, w którym SI pretenduje do rozwiązania jednego z siedmiu zadań z nagrodą miliona dolarów od Instytutu Matematycznego Claya.
Jednak tuż po ogłoszeniu wybuchł ostry spór o autorstwo. Matematycy Tristan Buckmaster z Uniwersytetu Nowojorskiego i Levent Alpöge z Anthropic miesiąc wcześniej poczynili znaczne postępy w pokrewnych aspektach problemu, aktywnie korzystając z narzędzi SI, w tym z Codex od OpenAI. Buckmaster w publicznym oświadczeniu wskazał, że OpenAI mogła uzyskać dostęp do ich szkiców poprzez czaty lub trenowanie modeli, choć firma kategorycznie temu zaprzecza, twierdząc, że dane użytkowników nie były wykorzystywane.
Sytuację skomplikowała propozycja OpenAI dotycząca wspólnej publikacji, w której sugerowano wykluczenie Alpöge z grona autorów ze względu na jego pracę w konkurencyjnej firmie. Buckmaster odmówił, a negocjacje stały się napięte. To nie tylko osobisty konflikt: ujawnia on problemy systemowe, gdy komercyjne laboratoria dysponujące ogromnymi zasobami stają do wyścigu o fundamentalne wyniki, opierając się na pracy niezależnych badaczy.
Technicznie podejście OpenAI — skalowanie wielu agentów w celu poszukiwania osobliwości w trójwymiarowych równaniach Naviera-Stokesa — różni się od tradycyjnego ludzkiego dowodu. Wcześniej postęp opierał się na pracach Diego Córdoby i Luisa Martíneza-Zoroa, które Buckmaster i Alpöge rozwijali przy pomocy SI. OpenAI rzuciła natomiast na to zadanie bezprecedensową moc obliczeniową, co pozwoliło „rozbić” problem w ciągu dni, a nie lat.
Metodologia budzi pytania o powtarzalność i generalizację. Choć wynik został sformalizowany w Lean, niezależna weryfikacja przez społeczność jest jeszcze przed nami. Nie wiadomo, na ile to podejście skaluje się na inne problemy milenijne i czy wymaga specyficznych promptów, niedostępnych dla zwykłych badaczy. Porównanie z wcześniejszymi sukcesami SI w matematyce, takimi jak rozwiązanie problemów Erdősa, pokazuje, że tutaj skala jest inna: to nie pojedyncza heurystyka, lecz zmasowany atak agentów.
W ogólnym krajobrazie wydarzenie to kontrastuje z pracami Anthropic i innych laboratoriów, gdzie SI jest wykorzystywana jako narzędzie wzmacniające ludzką inteligencję, a nie ją zastępujące. OpenAI podkreśla, że nie będzie ubiegać się o nagrodę, ale sam fakt ogłoszenia zmienia dynamikę: teraz wielkie firmy mogą „zamykać” otwarte problemy szybciej niż grupy akademickie, co stawia pod znakiem zapytania tradycyjne mechanizmy pierwszeństwa i cytowania.
Konsekwencje dla tej dziedziny są znaczące. Matematycy, w tym laureaci Medalu Fieldsa, wyrazili już zaniepokojenie niedopasowaniem celów: firmy gonią za medialnymi zwycięstwami, podczas gdy nauka ceni stopniowy, oparty na współpracy postęp. Może to doprowadzić do tego, że badacze będą ukrywać wyniki pośrednie lub unikać korzystania z komercyjnych narzędzi SI.
Otwarte pytania obejmują: czy dowód zostanie zaakceptowany przez Clay Mathematics Institute, jak dokładnie rozdzielać zasługi między ludzi a agentów SI oraz czy taki wyścig nie doprowadzi do fragmentacji społeczności. Niezbędne są nowe protokoły śledzenia wkładu w badaniach wspomaganych przez SI.
Ostatecznie przypadek ten pokazuje, że przyspieszenie odkryć matematycznych za pomocą SI wymaga jednoczesnej rewizji norm autorstwa i etyki, w przeciwnym razie zaufanie w społeczności zostanie wystawione na próbę.
