OpenAI zveřejnila první výsledky Astra, jejich další model umělé inteligenceSpolečnost dosáhla pokroku v deseti otevřených problémech v matematice a teoretické informatice. Podle společnosti některé z těchto problémů zůstaly nevyřešeny více než deset let bez jakéhokoli významného pokroku. Oznámení zveřejněné 1. srpna 2026 vyvolalo ve vědecké komunitě značné nadšení, ačkoli mnoho výzkumníků nabádá k opatrnosti, dokud výsledky neposoudí nezávislí odborníci.
Co odlišuje tuto reklamu od podobných, je to, že OpenAI zveřejnila nejen výsledky, ale i formalizované demonstrace. v systému ověřování Lean. To umožňuje každému matematikovi automaticky ověřit správnost argumentů. Společnost dále podrobně popsala proces zjišťování, včetně 249 stran argumentů a 62 stran odůvodněných poznámek, což v tomto typu komunikace poskytuje neobvyklou transparentnost.
Deset problémů a jejich relevance
Problémy, kterými se Astra zabývá, pokrývají velmi rozmanité oblasti moderní matematiky. Mezi ně patří: vyvrácení Connesovy hypotézy o tuhostiTento výsledek má zásadní dopad na operátorové algebry a explicitní konstrukce nesofických grup je základní otázkou v teorii grup. Byly také získány nové horní hranice pro sférické uspořádání ve vysokých dimenzích, což je problém s přímými aplikacemi v teorii informace a kódech pro opravu chyb.
V oblasti kombinatoriky Astra vyřešila tři problémy, které nastolil maďarský matematik Paul Erdős: problémy 146, 180 a 183. Poslední z nich, týkající se vícebarevných Ramseyových čísel, byl expertem Thomasem Bloomem popsán jako „nejpřekvapivější z celého seznamu“. Mezi další pokroky patří nové dolní odhady pro aritmetické obvody, věta o paralelním opakování pro kvantové hry a výsledky o aproximační obtížnosti problému nejbližšího vektoru, relevantní pro postkvantovou kryptografii.
Náklady a metodologie
OpenAI odhalila, že Celkové náklady na nalezení těchto řešení činily přibližně 2 000 dolarů.Podle Solových sazeb API toto číslo nezahrnuje trénování modelů ani práci lidských výzkumníků. Proces kombinoval generování argumentů společností Astra s odbornými vstupy, které pomohly převést tyto argumenty do srozumitelných rukopisů a následně do automaticky ověřitelných certifikátů Lean.
Formalizace je v Lean metodologii klíčová: umožňuje komukoli s přístupem k softwaru krok za krokem ověřit, zda je demonstrace logicky správná. Nicméně Matematici stále potřebují ověřit, zda použité definice a předpoklady odpovídají původnímu problému.To je něco, co stroj sám o sobě nezvládne. OpenAI převzala odpovědnost za opravu této práce, ale neidentifikovala žádnou nezávislou skupinu, která by veřejně vyhodnotila všech deset výsledků.
Srovnání s Deep Blue a nutná opatrnost
Několik médií přirovnalo tento milník k vítězství Deep Blue nad Garrym Kasparovem v roce 1997, ale odborníci poukazují na to, že Matematika je složitější než šachyVe hře je výsledek okamžitý; v matematice může důkaz vyžadovat měsíce vzájemného hodnocení, než bude přijat. Astra navíc není veřejně dostupná, takže externí výzkumníci nemohou proces reprodukovat ani určit míru selhání modelu.
Společnost OpenAI má již v minulosti zkušenosti s tím, že se zdánlivě správné výsledky po kontrole odborníky ukázaly jako nesprávné. V únoru 2026 společnost předložila řešení pro výzvu First Proof a později uznala, že jedno z nich bylo nesprávné. Proto Vědecká komunita trvá na tom, že těchto deset pokroků by mělo být považováno za slibné, ale ne za definitivní.dokud nebudou nezávisle ověřeny.
V Evropě projevili výzkumníci z univerzit, jako je Polytechnická univerzita v Madridu a Univerzita v Cambridgi, zájem o analýzu certifikátů Lean publikovaných společností OpenAI. Možnost spolupráce umělé inteligence na generování nových matematických znalostí otevírá debatu o roli lidských vědců v budoucnu, ačkoli společnost zdůrazňuje, že validace a kontextualizace výsledků bude i nadále záviset na odbornících po mnoho dalších let.
Oznámení společnosti Astra nicméně představuje zlomový bod: umělá inteligence se již neomezuje pouze na řešení problémů se známými odpověďmi, ale začíná navrhovat originální argumenty o otázkách, které jsou v popředí poznání. Skutečný „moment Deep Blue“ v matematice se nemusí dostavit s jediným velkolepým výsledkem, ale spíše postupně, jak se tyto modely stanou spolupracovníky schopnými prozkoumat tisíce cest a formalizovat výsledky, které žádný výzkumník dosud netestoval.
