Tekoäly vastaan tekoäly: OpenAI:n Astra väittää ratkaisseensa 10 vaikeaa matematiikan ongelmaa 2 000 dollarilla

Ott-Heinrich Keller esitti Jacobin konjektuurin vuonna 1939. Se on algebrallisen geometrian avoin ongelma, joka kuuluu Fields-mitalisti Stephen Smalen 2000-luvun ongelmalistalle sijalla 16 . Yksinkertaistettuna kysymys kuuluu, seuraako kaikkialla nollasta poikkeavasta vakiomuotoisesta Jacobin determinantista se, että polynomikuvaus on maailmanlaajuisesti käännettävissä.

Alpöge työskenteli Anthropicilla ja käytti Claude Fable 5:tä etsiessään vastaesimerkkiä. Mallin avustuksella löytyneessä kuvauksessa

• kuvaus toimii avaruudessa ℂ³ → ℂ³,
• sen Jacobin determinantti on kaikkialla vakio −2,
• kolme eri lähtöpistettä päätyy samaan tulokseen.

Näin kuvaus täyttää konjektuurin ehdon mutta ei ole yksikäsitteisesti käännettävissä, joten se kumoaa konjektuurin . Tulos formalisoitiin Lean 4 -järjestelmällä, ja muun muassa Imperial College Londonin matemaatikko Kevin Buzzard tarkisti sen nopeasti . Tapausta kuvattiin laajalti vaikeimmaksi tekoälyn avulla ratkaistuksi matemaattiseksi ongelmaksi .

Tekoäly ei tässä mielessä ”todistanut” lausetta yksin. Se auttoi löytämään konkreettisen vastaesimerkin, jonka ihminen pystyi tarkistamaan. Ero on tärkeä: matemaattinen vastuu ei siirry automaattisesti mallille vain siksi, että malli ehdottaa oikealta näyttävää ratkaisua.

OpenAI: Astra ratkaisi 10 pitkään avointa ongelmaa

OpenAI kertoi 1. elokuuta 2026, että sen seuraavan suuren malliperheen sisäinen Astra-versio oli tuottanut uusia tuloksia kymmeneen matematiikan ja teoreettisen tietojenkäsittelytieteen ongelmaan. Kaikki ongelmat olivat olleet avoinna vähintään vuosikymmenen, ja monissa tapauksissa edistystä oli ollut vähän tai ei lainkaan .

OpenAI julkaisi 249-sivuisen käsikirjoituskokoelman sekä todistusten Lean 4 -sertifikaatit GitHubissa. Yhtiön mukaan kaikkien kymmenen ratkaisun tuottamiseen kulunut tokenimäärä olisi maksanut API-hinnoilla noin 2 000 dollaria . Summa kuvaa siis ennen kaikkea laskennallista token-kustannusta, ei koko tutkimushankkeen henkilöstö-, infrastruktuuri- tai tarkistuskustannuksia.

OpenAI:n ilmoittamat tulokset koskivat seuraavia aiheita:

• Epässoofiset ryhmät: ensimmäinen eksplisiittinen epässoofisen ryhmän konstruktio. Ongelma oli ollut avoinna siitä lähtien, kun Mihail Gromov esitteli soofisuuden käsitteen vuonna 1999 .
• Permanentin piirikytkentärajoitukset: uusia alarajoja laskennallisessa kompleksisuusteoriassa .
• Pallojen pakkaaminen korkeissa ulottuvuuksissa: uusia ylärajoja pakkaustiheydelle Cohnin–Elkiesin rajan tasolle .
• Binäärikoodit ja sfääriset koodit: eksponentiaalisia parannuksia klassisiin ylärajoihin .
• Operaattorialgebrat: vastaesimerkki Connesin ryhmävon Neumannin algebroihin liittyvälle jäykkyyskonjektuurille .
• Kvanttinen rinnakkaistoisto: tulos kvanttisesta rinnakkaistoistosta kaikille lomittuneille peleille .
• Hila-alkuinen kryptografia: uusi tulos lähimmän vektorin ongelmasta .
• Ekstremallinen kombinatoriikka: Erdősin ongelmien numero 146, 180 ja 183 ratkaiseminen .
• Korkeaulotteinen geometria: uusi geometrinen konstruktio .
• Ehrhartin konjektuuri: tulos hilapisteiden laskennasta .

OpenAI:n GitHub-repositoriossa ”sorry”-kohtien määrän ilmoitettiin olevan nolla. Lean-ympäristössä tämä tarkoittaa, ettei formalisoituihin todistuksiin jäänyt hyväksymättömiä aukkoja . Se ei kuitenkaan yksin ratkaise kaikkia kysymyksiä siitä, ovatko ongelmien tulkinnat, uutuusarvo ja merkitys alan tutkijoiden mielestä oikeita.

Anthropic vastasi: Claude Fable teki puolet

Alle vuorokauden kuluttua OpenAI:n ilmoituksesta Alpöge kertoi X-palvelussa käyttäneensä julkisesti saatavilla olevaa Claude Fable -mallia viiden saman ongelman itsenäiseen ratkaisemiseen . Hän ei väittänyt, että Fable olisi ratkaissut kaikki kymmenen ongelmaa.

Alpögen mukaan kokeessa käytettiin yleisluontoisia kehotteita, internet-yhteyttä ei ollut ja suojauksilla estettiin mallia näkemästä OpenAI:n ratkaisuja . Tulokset syntyivät tuntien kuluessa ilman merkittävää ihmisen ohjausta . Raportoidut aihealueet kattoivat muun muassa aritmeettisen piirikompleksisuuden, kvanttisen rinnakkaistoiston, hila-alkuisen kryptografian ja lähimmän vektorin ongelman .

Alpögen mukaan vain yhdessä viidestä ratkaisusta käytettiin olennaisesti samaa argumenttia kuin Astran tuloksissa. Neljä muuta saattoivat olla itsenäisiä todistuksia . Viiden ongelman tarkkaa vastaavuutta ei kuitenkaan ole julkaistu kokonaisuudessaan, joten julkisista lähteistä ei voi vielä vahvistaa, mikä Fable-ratkaisu liittyy mihinkin Astran kymmenestä tuloksesta .

Väite haastaa OpenAI:n tavan esittää Astra ainutlaatuisena läpimurtona. Jos jo julkisesti saatavilla oleva malli pystyy tuottamaan puolet samoista tuloksista, kilpailu ei koske vain mallin absoluuttista kyvykkyyttä. Myös hinta, saatavuus, toistettavuus ja tarvittavan ihmistyön määrä ratkaisevat.

Miksi 2 000 dollarin hintalappu kiinnostaa?

OpenAI:n ilmoittama noin 2 000 dollarin laskennallinen kustannus nostaa tehokkuuden omaksi kilpailuvaltikseen . Jos tekoäly pystyy tuottamaan uusia tutkimustuloksia joitakin satoja dollareita ongelmaa kohden, matematiikan pullonkaula ei välttämättä enää ole ideoiden löytäminen. Se voi siirtyä tulosten tarkistamiseen, niiden ymmärtämiseen ja merkityksen arviointiin.

Hintaa ei kuitenkaan pidä tulkita uuden matemaattisen tuloksen kokonaishinnaksi. OpenAI:n luku perustuu tokenien arvioituun API-hintaan. Ihmiset valmistelivat käsikirjoituksia, ja tutkimusyhteisön on edelleen tarkistettava, ovatko väitteet oikein ja aidosti uusia .

Lean voi muuttaa todistusten tarkistamista

Sekä Jacobin konjektuurin vastaesimerkki että Astran tulokset formalisoitiin Lean 4 -järjestelmällä . Lean on ohjelmointikieli ja todistusavustin, joka edellyttää matemaattisen päättelyn esittämistä koneen tarkistettavassa muodossa.

Tällä on käytännön merkitystä. Perinteisen artikkelin lukeminen ja tarkistaminen voi kestää kuukausia tai vuosia, kun taas formalisoitu todistus voidaan tarkistaa automaattisesti, jos tarvittavat määritelmät ja kirjastot ovat kunnossa. Tämä ei poista ihmisten tarvetta, mutta se voi tehdä virheiden löytämisestä ja tulosten toistamisesta huomattavasti nopeampaa .

On silti liian aikaista sanoa, että Lean syrjäyttäisi vertaisarvioinnin. Kone voi tarkistaa, seuraako johtopäätös esitetyistä premisseistä. Ihmisten tehtäväksi jää edelleen arvioida, mitä tulos tarkoittaa, onko ongelma tulkittu oikein ja onko ratkaisu tieteellisesti merkittävä.

Kuka on tekoälyllä tehdyn matematiikan tekijä?

Jacobin konjektuurin tapaus toi esiin myös tekijyyden ongelman. Kuka on tuloksen kirjoittaja, jos matemaatikko ohjaa mallia, tekoäly tuottaa keskeisen idean ja yritys rakentaa mallin?

Alpöge kiitti julkaisussaan sekä ihmisvertaista että Claude Fable 5:tä . Tieteellisillä lehdillä ei ole yhtenäistä käytäntöä tekoälyn merkitsemisestä tekijäksi. Lisäksi tulokset levisivät aluksi X-palvelussa ja GitHubissa, eivät perinteisen vertaisarvioidun julkaisuprosessin kautta .

Tämä voi pakottaa yliopistot, tutkimusrahoittajat ja lehdet määrittelemään uudelleen, mitä tekijyys, vastuu ja ansioluetteloon kirjattava tutkimuspanos tarkoittavat. Mallia ei voida yleensä asettaa juridisesti vastuuseen, mutta ihminen tai organisaatio voi joutua vastaamaan virheellisestä tuloksesta.

Mitä tiedämme varmasti – ja mitä emme vielä?

Tapaukset ovat vaikuttavia, mutta molempia on syytä kuvata yrityksen tai yksittäisen tutkijan ilmoittamiksi tuloksiksi, jotka eivät vielä ole käyneet läpi täydellistä vertaisarviointia . Lean-sertifikaatit tuovat vahvan koneellisesti tarkistettavan kerroksen, mutta ne eivät yksin vahvista kaikkia tutkimukseen liittyviä väitteitä.

Erityisesti seuraavat asiat ovat vielä avoinna:

• Claude Fablen ratkaisemien viiden ongelman täsmällistä listaa ei ole julkaistu kokonaan .
• Julkinen aineisto ei vielä ratkaise lopullisesti, kuinka itsenäisiä Fable-ratkaisut ovat suhteessa Astran argumentteihin .
• Ihmisten osuutta kehotteiden suunnittelussa, tulosten valikoinnissa, käsikirjoitusten kirjoittamisessa ja formalisoimisessa on arvioitava tarkasti .
• Tulosten tieteellinen uutuus ja merkitys ovat edelleen alan asiantuntijoiden arvioitavana.

Matemaatikot ovat kuvailleet kehityksen vauhtia hyvin nopeaksi ja hämmentäväksi . Kesän 2026 tapahtumat eivät vielä osoita, että tekoäly olisi korvannut matemaatikot. Ne osoittavat kuitenkin, että tekoälystä on nopeasti tulossa tutkimuskumppani, joka voi ehdottaa vastaesimerkkejä, rakentaa uusia todistuksia ja muuttaa käsitystä siitä, kuinka vaikeita ongelmia voidaan lähestyä.