OpenAI opublikowało 8 września 2026 roku analityczne twierdzenie i formalizację w Lean dotyczące osobliwości w skończonym czasie w trójwymiarowych nieściśliwych równaniach Naviera–Stokesa. Nie jest to jednak oficjalnie zaakceptowane rozwiązanie problemu Clay Mathematics Institute. Niezależna ocena matematyczna nadal ma kluczowe znaczenie, a 12 września list podpisany przez 25 medalistów Fieldsa rozszerzył spór na zasady publikowania, autorstwo i kontrolę nad danymi.
Co dokładnie twierdzi OpenAI
Według OpenAI początkowo gładki przepływ z gładkim wymuszeniem może w skończonym czasie rozwinąć osobliwość, czyli doprowadzić do nieograniczonej prędkości w matematycznym modelu, przy zachowaniu skończonej energii. Konstrukcja opisuje wir, który spiralnie zbliża się do środka i wydłuża wskutek rozciągania osiowego.
To nie oznacza, że prawdziwa woda albo jej cząsteczki mogą poruszać się z nieskończoną prędkością. „Wybuch” jest własnością rozwiązania równań ciągłego modelu płynu, a nie obietnicą fizycznego efektu.
OpenAI przedstawia swój wynik jako analityczny dowód uzupełniony formalizacją w Lean. Sama publikacja nie rozstrzyga jeszcze, czy konstrukcja spełnia dokładnie wymagania problemu w interpretacji przyjmowanej przez ekspertów ani czy społeczność matematyczna ją zaakceptuje.
Dlaczego problem Naviera–Stokesa jest ważny
Problem istnienia i gładkości rozwiązań równań Naviera–Stokesa należy do siedmiu Problemów Milenijnych Clay Mathematics Institute. Za rozwiązanie każdego z nich przewidziano nagrodę w wysokości 1 miliona dolarów. OpenAI poinformowało, że nie będzie ubiegać się o tę nagrodę na podstawie opublikowanego wyniku.
Równania opisują zachowanie płynów, ale pytanie milenijne ma precyzyjny charakter matematyczny: czy gładki, trójwymiarowy, nieściśliwy przepływ o stałej gęstości pozostaje gładki, czy też może w skończonym czasie wytworzyć osobliwość. To znacznie węższe pytanie niż hasło „AI rozwiązała fizykę płynów”.
Nie wynika z niego także natychmiastowa poprawa prognoz pogody, aerodynamiki ani innych zastosowań inżynieryjnych. Znaczenie równań dla takich dziedzin nie jest tym samym co praktyczny skutek tej konkretnej konstrukcji.
10 000 agentów i 88 godzin
OpenAI twierdzi, że grupa pracująca nad wynikiem obejmowała około 10 000 równoległych agentów i doszła do zgłoszonego rezultatu po około 88 godzinach od rozpoczęcia poszukiwań. Następnie GPT-6 Astra miało poświęcić około 17 dodatkowych godzin na formalizację i sprawdzanie w Lean.
W samym wysiłku dotyczącym Naviera–Stokesa powstało według OpenAI około 2,7 miliona wiadomości i około 130 miliardów tokenów wyjściowych. W całym projekcie, obejmującym także inne problemy, firma podała około 4,9 miliona wiadomości i 300 miliardów tokenów.
Te liczby pokazują skalę obliczeniową, nie skuteczność w porównaniu z matematykami. Nie ma tu kontrolowanego zestawienia, które pozwalałoby stwierdzić, że taki sposób pracy jest bardziej efektywny od ludzkich badań. Można natomiast dostrzec możliwy wzorzec: równoległe generowanie wielu kierunków, a następnie formalne sprawdzanie wybranej konstrukcji.
Dwie linie badań, jeden spór o pierwszeństwo
Prace OpenAI i powiązane badania Tristan Buckmaster oraz Levent Alpöge dotyczą różnych obiektów matematycznych. To ważne, bo podobne słowa — „osobliwość”, „wybuch” czy „równania płynów” — łatwo zlewają odrębne wyniki w jeden.
| Wymiar | Wynik przedstawiony przez OpenAI | Powiązane prace Tristan Buckmaster i Levent Alpöge |
| Główny cel matematyczny | Osobliwość w skończonym czasie dla trójwymiarowych równań Naviera–Stokesa z gładkim wymuszeniem | Wyniki dotyczące wymuszonych równań Eulera i równań Boussinesqa |
| Narzędzia AI | Wewnętrzny model OpenAI, koordynacja agentów oraz GPT-6 Astra do formalizacji w Lean | Claude i Codex jako asystenci pracy badawczej, między innymi przy dokumentacji i krokach logicznych |
| Związek między wynikami | OpenAI twierdzi, że jego konstrukcja ma istotnie odmienny zakres | Tristan Buckmaster wskazuje na problemy z uznaniem wcześniejszego kierunku i wkładu badaczy |
| Status sporu | OpenAI zaprzecza bezpośredniemu wykorzystaniu prywatnych prac przed ich publicznym udostępnieniem | Tristan Buckmaster kwestionuje sposób prowadzenia rozmów o pierwszeństwie, autorstwie i danych |
Tristan Buckmaster twierdzi, że OpenAI poznało kierunek ich badań i niewłaściwie potraktowało rozmowy o uznaniu wkładu. Levent Alpöge był jego współpracownikiem przy powiązanych wynikach i jest badaczem Anthropic. Te zarzuty pozostają przedmiotem sporu; nie można przedstawiać ich jako ustalonego faktu.
OpenAI zaprzecza, by jego badacze lub agenci widzieli konkretną prywatną pracę przed jej publicznym udostępnieniem. Jednocześnie firma mówi, że nie może wykluczyć, iż zdeidentyfikowane dane pochodzące z korzystania z jej produktów pomogły ulepszać modele. To dwie różne kwestie: bezpośredni dostęp do określonych materiałów oraz możliwy, niepotwierdzony wpływ danych produktowych na rozwój modeli.
Co naprawdę sprawdza Lean
Lean jest asystentem dowodzenia: sprawdza, czy formalnie zapisane kroki wynikają z zakodowanych definicji i założeń. To bardzo mocny mechanizm kontroli spójności formalnego zapisu.
Nie odpowiada jednak samodzielnie na każde pytanie, które interesuje matematyków. Trzeba jeszcze ustalić, czy zakodowano właściwe twierdzenie, czy zakres konstrukcji odpowiada zamierzonemu problemowi Naviera–Stokesa oraz czy wynik jest zrozumiały i przekonujący dla niezależnych specjalistów. Formalizacja nie jest automatycznym certyfikatem trafności interpretacji.
Sébastien Bubeck z OpenAI opisywał reakcję na wynik słowami, że początkowo sądził, iż „gdzieś musi być błąd”. Ten odruch jest tu rozsądny: przy tak ważnym twierdzeniu kontrola nie kończy się na tym, że program zaakceptował formalny ciąg instrukcji.
Dlaczego protestuje 25 medalistów Fieldsa
Opublikowany 12 września list podpisany przez 25 medalistów Fieldsa krytykuje pośpiech wokół matematyki tworzonej z pomocą AI. Jego autorzy wskazują na ryzyko słabszego wyjaśniania idei, pomijania wcześniejszych prac, problemów z przypisywaniem zasług oraz publikowania wyników, zanim ludzie zdążą je właściwie zrozumieć.
List nie jest dowodem, że OpenAI naruszyło zasady autorstwa ani że wykorzystało prywatne dane. Pokazuje natomiast, dlaczego ta historia wykracza poza pytanie „czy model znalazł dowód?”. Stawką jest także sposób, w jaki matematyka trafia do wspólnego obiegu: kto ma zostać wymieniony, jakie wcześniejsze pomysły trzeba wskazać i ile czasu powinno minąć przed ogłoszeniem przełomu.
Co teraz ma znaczenie
Najważniejsze rozstrzygnięcie nie polega na kolejnym efektownym komunikacie, lecz na niezależnym przeanalizowaniu konstrukcji i jej zakresu. Dopiero taka praca może odpowiedzieć, czy opublikowana formalizacja rzeczywiście trafia w matematyczny problem, który ma rozwiązywać.
Równolegle potrzebne są jasne zasady dotyczące danych używanych do ulepszania modeli oraz sposobu rozdzielania autorstwa między badaczy, narzędzia AI i wcześniejsze prace. OpenAI opublikowało ważne twierdzenie i obszerny opis procesu, ale nie zamknęło jeszcze ani sprawy matematycznej, ani sporu o uznanie wkładu. To właśnie ludzka kontrola — a nie sama skala obliczeń — zdecyduje, jaką rangę ten wynik ostatecznie otrzyma.
