OpenAI hævder, at en af virksomhedens endnu ikke offentliggjorte modeller til kunstig intelligens (AI) har fundet svaret på ét af de største ubesvarede spørgsmål i matematik.
Det gælder de såkaldte Navier-Stokes-ligninger, som er én af de syv kendte matematiske gåder; de såkaldte 'Millennium-problemer'.
Den rigtige løsning til et af disse notorisk vanskelige matematiske gåder udløser en pengepræmie på en million dollars. Indtil videre er kun ét af dem blevet løst.
Matematiske problemer på dette niveau er ekstremt komplekse.
Forskere kan bruge hele deres karriere på sådanne problemer i håbet om at komme tættere på en løsning.
Men det er tilsyneladende det, der er sket her.
Med udgangspunkt i arbejdet fra flere menneskelige matematikere satte OpenAI en sværm af 10.000 AI-agenter i gang med en ny eksperimentel model.
På få dage brugte de regnekraft for millioner af dollars til at gennemføre det, som American Mathematical Society kaldte de »sidste skridt« i løsningsprocessen.
Men hvad er Navier-Stokes-problemet? Hvad gjorde OpenAI?
Og hvorfor er mange matematikere imponerede over resultatet, men mindre imponerede over AI-virksomhedens adfærd?
En flydende situation
OpenAI's udmelding handler om Navier-Stokes-ligningerne, som er tre koblede, partielle differentialligninger, der beskriver gassers og væskers dynamik.
Ligningerne er grundlæggende for moderne videnskab og ingeniørkunst, men vores matematiske forståelse af dem er stadig ufuldstændig.
For at forklare problemet kan vi forestille os, at vi ser på strømmen af vand og derefter zoomer ind med et kamera.
Ifølge ligningerne burde vandet se præcis ens ud både før og efter zoom, bortset fra at bevægelserne ville se lidt hurtigere ud i det forstørrede billede.
Vi ved, at dette ikke kan passe i den virkelige verden.
Hvis vi zoomer langt nok ind, holder vi op med at se en sammenhængende væske og begynder i stedet at se et mylder af molekyler, der støder ind i hinanden.
Derfor må Navier-Stokes-ligningerne bryde sammen et sted.
Det største spørgsmål er, om hvirvler i en væske kan overføre deres energi til mindre og hurtigere hvirvler, som accelererer hver gang, vi zoomer ind.
Hvis det er muligt, kan væsken blive uendeligt hurtig og skabe en såkaldt ’blow-up’ i hastigheden, også kendt som en singularitet.
Vi ved, at det aldrig kan ske i den virkelige verden, men Millennium-prisen handlede om at afgøre, om det kunne ske i ligningerne.
Ifølge OpenAI er svaret »ja«: Navier-Stokes-ligningen tillader under visse betingelser en sådan blow-up.
Blow-up på endelig tid
Ifølge OpenAI hørte virksomhedens forskere rygter om, at matematikere hos konkurrenten Anthropic var tæt på at løse to Millennium-problemer omkring den 1. september 2026.
Derfor satte de deres nyeste model under udvikling til at forsøge at løse et af dem først.
Efter at have sendt en sværm af AI-agenter på opgaven producerede modellen en løsning på blot 88 timer, hvorefter verificeringen tog yderligere 17 timer.
Resultatet er en stor sejr for OpenAI, som forsøger at demonstrere sine modellers kapacitet i forhold til konkurrenten Anthropic, mens begge virksomheder bevæger sig mod planlagte børsnoteringer.
Et af de konkurrerende hold, der nærmede sig en løsning på Navier-Stokes-problemet, talte Anthropic-medarbejderen Levent Alpöge, som samarbejdede privat med matematikeren Tristan Buckmaster fra New York University.
Det viste sig, at OpenAI havde kontaktet Tristan Buckmaster for at diskutere både hans arbejde og deres eget.
I en erklæring offentliggjort få timer før OpenAI's meddelelse sagde Tristan Buckmaster, at han og Alpöge i længere tid havde brugt OpenAI's offentligt tilgængelige modeller i deres arbejde, og at de fulgte en tankegang, der lignede den, som blev brugt i OpenAI's resultat.
Han fortæller, at han spurgte, om deres data var blevet brugt af OpenAI's model til at frembringe resultatet, men at han ikke fik svar på spørgsmålet.
I stedet hævder han, at OpenAI tilbød at samarbejde med ham, hvis han fjernede Alpöges navn fra arbejdet på grund af Alpöges tilknytning til Anthropic.
OpenAI afviser denne påstand.
Andre matematikere har også udtrykt bekymring. Den tyske matematiker Andreas Thom har blandt andet antydet, at OpenAI's modeller opsugede ikke-offentliggjort menneskeligt arbejde og præsenterede det som AI-genereret.
Ikke alle matematikere er overbeviste
OpenAI's resultat inden for Navier-Stokes ser umiddelbart ud som en stor gevinst for matematikken, men ikke alle matematikere er overbeviste.
Den amerikansk-australske matematiker Terence Tao har været åben om sine forbehold over for visse tendenser inden for AI-baseret matematisk forskning.
Han er bekymret over den »ukritiske brug af stærke værktøjer til løsningsekstraktion« for at »opnå det umiddelbare, kortsigtede mål om at løse problemer« på bekostning af en bredere forståelse.
OpenAI's adfærd i denne sag har også vakt bekymring.
Anmodningen om, at en forfatters navn fjernes fra et arbejde på grund af virksomhedspolitiske hensyn, stemmer slet ikke overens med videnskabelig praksis.
Ringvirkninger og konsekvenser
Desuden påpeger Terence Tao, at hvis AI-virksomheder springer på rygter om lovende forskning og bruger millioner af dollars på at overhale konkurrenter, kan forskere ende med »ikke længere at dele lovende forskning med det bredere forskningsmiljø«.
Det ville undergrave principperne om åben og reproducerbar videnskab.
Det kunne også fjerne interessen for den grundforskning, som forskere bruger til at identificere og løse den næste bølge af nye og interessante problemer.
Hvorfor skulle man som forsker bruge år på et problem, hvis rygter om ens arbejde kan få en AI-virksomhed til at bruge millioner på at komme først?
Og så har vi ikke engang berørt udfordringerne med privatliv og immaterielle rettigheder.
OpenAI fastholder, at virksomhedens forskere ikke havde adgang til specifikke brugerdata.
Alligevel består der alvorlige spørgsmål om, hvorvidt deres model er blevet trænet på Buckmasters og Alpöges private arbejde.
Virksomheder og enkeltpersoner verden over vil nu genoverveje, hvor stor tillid de kan have til OpenAI og andre AI-virksomheder, når det gælder håndteringen af private og forretningskritiske data.
Samtidig fastslår betingelserne for Millennium-priserne, at en pris først kan uddeles mindst to år efter offentliggørelsen af en potentiel løsning.
Indtil videre er Navier-Stokes-problemet derfor stadig officielt uløst.
Denne artikel er oprindeligt publiceret hos The Conversation og er oversat af Stephanie Lammers-Clark.
