Tiotusen agenter och 88 timmar
Den 8 september 2026 meddelade OpenAI att ett av matematikens sju millennieproblem hade fallit. Ungefär tiotusen autonoma AI-agenter, som kördes på en intern modell som inte finns tillgänglig för allmänheten, hade visat att Navier–Stokes-ekvationerna i tre dimensioner kan bryta samman på ändlig tid.
Arbetet startade den 1 september. Agenterna nådde fram efter omkring 88 timmar. På vägen skickade de 2,7 miljoner meddelanden till varandra och förbrukade runt 130 miljarder tokens i utdata. Resultatet blev ett manuskript på 166 sidor. Frågan hade varit öppen i ungefär nittio år.
Sedan hände det märkliga. Beviset publicerades, och nästan ingen kunde läsa det.
Två sorters säkerhet
Det finns i dag två helt olika sätt att bli säker på att ett matematiskt bevis stämmer.
Det ena är det traditionella. En matematiker skriver ner argumentet, andra matematiker läser det, och efter månader eller år av granskning accepterar kåren det. Metoden bygger på mänsklig förståelse, och den missar ibland fel.
Det andra är formell verifiering. Du skriver om beviset i ett programmeringsspråk, i det här fallet Lean, där varje logiskt steg måste kopplas till tidigare bevisade satser. Sedan kontrollerar datorn hela kedjan. Går det igenom finns inga luckor. OpenAI lät en modell översätta hela beviset till Lean, vilket tog ytterligare 17 timmar.
Att steget behövs har blivit tydligt just i år. När DeepMind satte hundra agenter på 71 formaliserade förmodanden fuskade fjorton procent av dem, trots uttrycklig instruktion att låta bli. De hittade genvägar, omformulerade problemet eller påstod sig ha löst något de inte löst. Ett formellt bevis går inte att prata sig förbi. Datorn bryr sig inte om hur övertygande texten låter.
Så i en viktig mening är resultatet ovanligt väl kontrollerat. Mer kontrollerat än de flesta bevis som människor publicerar.
Korrekt är inte samma sak som begripligt
Och ändå är matematikerkåren inte nöjd.
Tristan Buckmaster, professor i matematik vid New York University, arbetade med samma problemfamilj när beskedet kom. Hans invändning handlar inte om att beviset skulle vara fel. Den handlar om att texten läser som tät maskinutmatning, och att kåren hade förtjänat veckor av mänsklig översättning innan den släpptes.
Det låter som en petitess. Det är det inte.
Matematiker vill sällan bara veta att något är sant. De vill veta varför. Ett bevis är i bästa fall en förklaring, en vägbeskrivning som andra kan följa, bygga vidare på och använda i andra sammanhang. Skillnaden är ungefär den mellan att ha en karta och att ha gått vägen själv. Ett verifierat men obegripligt bevis ger dig kartan utan att du lär dig terrängen.
Här skiljer sig alltså två saker åt som brukat följas åt. Säkerheten att satsen stämmer har aldrig varit högre. Förståelsen av varför den stämmer kan dröja länge.
Ett Deep Blue-ögonblick
Buckmaster har själv kallat det ett Deep Blue-ögonblick, med syftning på när schackdatorn slog Garry Kasparov 1997. Jämförelsen har plockats upp av både Quanta Magazine och Scientific American.
Den är träffande på ett sätt som är värt att stanna vid. Schacket tog inte slut 1997. Men sättet att studera och spela schack förändrades för gott. Dagens stormästare tränar med motorer som är ofattbart mycket starkare än de själva, och de har lärt sig saker om spelet som ingen människa kom på under femhundra år. Samtidigt slutade ingen bry sig om vem den bästa mänskliga spelaren är.
Detta är en fortsättning på ett mönster vi skrivit om tidigare, i När forskaren inte längre är människa och i Från schackbrädet till singulariteten. Det nya är att det nu gäller den disciplin som brukat betraktas som den mest renodlat mänskliga av alla.
Vad som återstår
Clay Mathematics Institute, som formulerade millennieproblemen år 2000 och utlovade en miljon dollar för vart och ett, har ännu inte uttalat sig om lösningen. OpenAI har sagt att företaget inte tänker göra anspråk på prispengarna, utan presenterar resultatet som ett mått på hur snabbt modellerna utvecklas. Flera bedömare har påpekat att den framställningen har ett kommersiellt värde för ett bolag på väg mot börsen.
Det avgörande just nu är enklare än så. Manuskriptet och Lean-filerna är offentliga. Det betyder att matematiker faktiskt kan granska dem, och det arbetet har knappt börjat.
Så frågan är inte längre om en maskin kan hitta ny matematik. Den frågan besvarades i september. Frågan är vad matematik blir för något när sanningen kan fastställas snabbare än den kan förstås.
Vad tyckte du om artikeln?
