Association for Human Mathematics apeluje, by matematycy przestali współpracować z OpenAI. OpenAI udostępniło manuskrypty, materiały wspierające dowody i formalizacje w Lean dla części wyników, ale nie dla całego zbioru.
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: Why has the Association for Human Mathematics (AHM) urged mathematicians to stop working with OpenAI after its October 6 release of AI-gener. Article summary: AHM urged mathematicians to stop working with OpenAI because it sees the October 6 release as a mass display of a company’s capability, not a responsible way to establish mathematical knowledge. It argues that hundreds o. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
Association for Human Mathematics (AHM) wezwało matematyków do zakończenia współpracy z OpenAI po tym, jak 6 października 2026 r. firma opublikowała dużą kolekcję manuskryptów matematycznych. Organizacja podkreśla, że problemem nie jest wyłącznie możliwość błędów w niektórych dowodach. Jej zdaniem masowa publikacja wyników wygenerowanych przez model nie zastępuje naukowej weryfikacji, dokumentacji ani dyskusji.45
46
Wśród opublikowanych prac mogą znajdować się wartościowe wyniki. Same liczby, pliki z dowodami i ambitne twierdzenia nie przesądzają jednak o ich poprawności. Spór dotyczy też tego, kto może sprawdzić działanie modelu i kto ma wykonać pracę potrzebną do oceny jego rezultatów.
W pierwotnym ogłoszeniu OpenAI opisało 722 manuskrypty z 17 dziedzin, pogrupowane w 372 rodziny powiązanych wyników. Nie oznacza to więc 722 odrębnych, niezależnych odkryć. Repozytorium zawiera manuskrypty i materiały wspierające dowody, a udostępniono je na licencji Apache-2.0.7
15
Firma podała, że modelowi przedstawiono około 4 tys. problemów. Średni koszt obliczeniowy przypadający na wynik odpowiadał mniej więcej trzem godzinom działania ChatGPT Pro Thinking. OpenAI opublikowało także 10 skróconych streszczeń rozumowania modelu oraz formalizacje w Lean dla części dowodów.7
12
16 Lean to język i system, który pozwala komputerowo sprawdzać formalnie zapisane dowody.
Repozytorium zaznacza, że wyniki znajdują się na różnych etapach weryfikacji i nie wszystkie mają formalizację w Lean. W aktualnym katalogu widnieje 719 manuskryptów, choć pierwotne ogłoszenie mówiło o 722.10
11
Wśród opublikowanych twierdzeń znalazły się m.in. wyniki dotyczące hipotez Mahlera i dokładnego wykładnika niewymierności liczby π. Nie należy uznawać ich za ostatecznie potwierdzone wyłącznie dlatego, że opublikowano je w formie manuskryptów.5
21
W swoim oświadczeniu AHM napisało, że matematycy „nie prosili o wykonanie tej pracy”, a publikację setek plików określiło jako „pokaz siły”, a nie przejaw naukowej pracy. Organizacja apeluje o sceptycyzm i naukę skoncentrowaną na ludziach, zamiast pośpiesznego przyjmowania lub masowego opracowywania wyników firmy.45
46
Jednym z praktycznych problemów jest skala publikacji. Żeby ocenić manuskrypty, specjaliści muszą je przeczytać, sprawdzić argumentację i porównać wyniki z istniejącą literaturą. Udostępnienie plików daje społeczności materiał do analizy, ale nie wykonuje tej pracy za badaczy — w dużej mierze przenosi ją na nich.
AHM powiązało swoją krytykę także z ostrzeżeniem Advisory Group on Mathematics and Artificial Intelligence — grupy doradczej utworzonej, by wspierać firmy AI w relacjach ze środowiskiem matematycznym. Jak podaje AHM, grupa przestrzegała przed testowaniem zaawansowanych problemów matematycznych na wewnętrznych modelach firm.45
48
Formalizacje w Lean są ważnym narzędziem: umożliwiają komputerowe sprawdzenie tych dowodów, które rzeczywiście zapisano w tym systemie. OpenAI podaje, że główne twierdzenie z 162 manuskryptów zostało sformalizowane.5 To wzmacnia weryfikację tych konkretnych wyników, ale nie potwierdza automatycznie wszystkich twierdzeń we wszystkich pracach.
Jeśli nie ma formalizacji, argumentację trzeba oceniać przez jej lekturę i niezależne sprawdzenie. Samo repozytorium informuje, że wyniki są na różnych etapach weryfikacji, a nie wszystkim towarzyszą formalizacje Lean.10
11 Rozsądne podejście polega więc na analizowaniu każdego wyniku osobno — zamiast uznawać całą kolekcję za dowiedzioną albo bezwartościową.
Dane o liczbie sprawdzanych problemów i średnim koszcie obliczeń, a także 10 skróconych streszczeń rozumowania, dają pewien wgląd w sposób pracy modelu.7
12
16 Nie przedstawiają jednak pełnej historii powstania każdego wyniku. Sam model pozostaje wewnętrzny i nie jest dostępny do niezależnego zbadania.
7
11
Sama liczba problemów, którym model miał się zmierzyć, nie mówi też, jak często udawało mu się rozwiązać zadania z jasno określonego zbioru trudnych, otwartych problemów. Do oceny skuteczności i powtarzalności wyników badacze potrzebują więcej informacji o metodzie i procesie ich uzyskiwania.
OpenAI zapowiedziało warsztaty i konferencje poświęcone analizie ważnych wyników.7 Takie inicjatywy mogą ułatwić weryfikację, ale nie zastępują udostępnienia danych wystarczających do niezależnej oceny tego, jak powstały dowody.
Nie ma tu prostej odpowiedzi. Argumenty wygenerowane przez AI mogą zawierać rzeczywisty postęp matematyczny, ale ich wartość zależy od tego, które przetrwają niezależną kontrolę — nie od skali publikacji ani rangi problemów, których dotyczą.7
10
Reakcja AHM zwraca też uwagę na pytania o uznanie wcześniejszej pracy ludzi, koszt sprawdzania nowych wyników oraz możliwość, że zmienią się priorytety i wsparcie dla badań prowadzonych przez matematyków. Sama publikacja manuskryptów nie rozstrzyga tych kwestii, ale czyni je pilniejszymi.45
46
Najważniejsze jest rozróżnienie między zdolnością do generowania wielu twierdzeń matematycznych a ich naukowym potwierdzeniem. Spór dotyczy obu spraw: tego, co AI może wnieść do matematyki, oraz zasad, dzięki którym jej wkład będzie sprawdzalny, przejrzysty i użyteczny dla środowiska naukowego.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Association for Human Mathematics apeluje, by matematycy przestali współpracować z OpenAI.
Association for Human Mathematics apeluje, by matematycy przestali współpracować z OpenAI. OpenAI udostępniło manuskrypty, materiały wspierające dowody i formalizacje w Lean dla części wyników, ale nie dla całego zbioru.
Spór dotyczy zarówno możliwej wartości matematycznej wyników, jak i przejrzystości procesu, skali pracy potrzebnej do ich sprawdzenia oraz roli ludzi w badaniach.
Association for Human Mathematics apeluje, by matematycy przestali współpracować z OpenAI. OpenAI udostępniło manuskrypty, materiały wspierające dowody i formalizacje w Lean dla części wyników, ale nie dla całego zbioru.
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: Why has the Association for Human Mathematics (AHM) urged mathematicians to stop working with OpenAI after its October 6 release of AI-gener. Article summary: AHM urged mathematicians to stop working with OpenAI because it sees the October 6 release as a mass display of a company’s capability, not a responsible way to establish mathematical knowledge. It argues that hundreds o. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
Association for Human Mathematics (AHM) wezwało matematyków do zakończenia współpracy z OpenAI po tym, jak 6 października 2026 r. firma opublikowała dużą kolekcję manuskryptów matematycznych. Organizacja podkreśla, że problemem nie jest wyłącznie możliwość błędów w niektórych dowodach. Jej zdaniem masowa publikacja wyników wygenerowanych przez model nie zastępuje naukowej weryfikacji, dokumentacji ani dyskusji.45
46
Wśród opublikowanych prac mogą znajdować się wartościowe wyniki. Same liczby, pliki z dowodami i ambitne twierdzenia nie przesądzają jednak o ich poprawności. Spór dotyczy też tego, kto może sprawdzić działanie modelu i kto ma wykonać pracę potrzebną do oceny jego rezultatów.
W pierwotnym ogłoszeniu OpenAI opisało 722 manuskrypty z 17 dziedzin, pogrupowane w 372 rodziny powiązanych wyników. Nie oznacza to więc 722 odrębnych, niezależnych odkryć. Repozytorium zawiera manuskrypty i materiały wspierające dowody, a udostępniono je na licencji Apache-2.0.7
15
Firma podała, że modelowi przedstawiono około 4 tys. problemów. Średni koszt obliczeniowy przypadający na wynik odpowiadał mniej więcej trzem godzinom działania ChatGPT Pro Thinking. OpenAI opublikowało także 10 skróconych streszczeń rozumowania modelu oraz formalizacje w Lean dla części dowodów.7
12
16 Lean to język i system, który pozwala komputerowo sprawdzać formalnie zapisane dowody.
Repozytorium zaznacza, że wyniki znajdują się na różnych etapach weryfikacji i nie wszystkie mają formalizację w Lean. W aktualnym katalogu widnieje 719 manuskryptów, choć pierwotne ogłoszenie mówiło o 722.10
11
Wśród opublikowanych twierdzeń znalazły się m.in. wyniki dotyczące hipotez Mahlera i dokładnego wykładnika niewymierności liczby π. Nie należy uznawać ich za ostatecznie potwierdzone wyłącznie dlatego, że opublikowano je w formie manuskryptów.5
21
W swoim oświadczeniu AHM napisało, że matematycy „nie prosili o wykonanie tej pracy”, a publikację setek plików określiło jako „pokaz siły”, a nie przejaw naukowej pracy. Organizacja apeluje o sceptycyzm i naukę skoncentrowaną na ludziach, zamiast pośpiesznego przyjmowania lub masowego opracowywania wyników firmy.45
46
Jednym z praktycznych problemów jest skala publikacji. Żeby ocenić manuskrypty, specjaliści muszą je przeczytać, sprawdzić argumentację i porównać wyniki z istniejącą literaturą. Udostępnienie plików daje społeczności materiał do analizy, ale nie wykonuje tej pracy za badaczy — w dużej mierze przenosi ją na nich.
AHM powiązało swoją krytykę także z ostrzeżeniem Advisory Group on Mathematics and Artificial Intelligence — grupy doradczej utworzonej, by wspierać firmy AI w relacjach ze środowiskiem matematycznym. Jak podaje AHM, grupa przestrzegała przed testowaniem zaawansowanych problemów matematycznych na wewnętrznych modelach firm.45
48
Formalizacje w Lean są ważnym narzędziem: umożliwiają komputerowe sprawdzenie tych dowodów, które rzeczywiście zapisano w tym systemie. OpenAI podaje, że główne twierdzenie z 162 manuskryptów zostało sformalizowane.5 To wzmacnia weryfikację tych konkretnych wyników, ale nie potwierdza automatycznie wszystkich twierdzeń we wszystkich pracach.
Jeśli nie ma formalizacji, argumentację trzeba oceniać przez jej lekturę i niezależne sprawdzenie. Samo repozytorium informuje, że wyniki są na różnych etapach weryfikacji, a nie wszystkim towarzyszą formalizacje Lean.10
11 Rozsądne podejście polega więc na analizowaniu każdego wyniku osobno — zamiast uznawać całą kolekcję za dowiedzioną albo bezwartościową.
Dane o liczbie sprawdzanych problemów i średnim koszcie obliczeń, a także 10 skróconych streszczeń rozumowania, dają pewien wgląd w sposób pracy modelu.7
12
16 Nie przedstawiają jednak pełnej historii powstania każdego wyniku. Sam model pozostaje wewnętrzny i nie jest dostępny do niezależnego zbadania.
7
11
Sama liczba problemów, którym model miał się zmierzyć, nie mówi też, jak często udawało mu się rozwiązać zadania z jasno określonego zbioru trudnych, otwartych problemów. Do oceny skuteczności i powtarzalności wyników badacze potrzebują więcej informacji o metodzie i procesie ich uzyskiwania.
OpenAI zapowiedziało warsztaty i konferencje poświęcone analizie ważnych wyników.7 Takie inicjatywy mogą ułatwić weryfikację, ale nie zastępują udostępnienia danych wystarczających do niezależnej oceny tego, jak powstały dowody.
Nie ma tu prostej odpowiedzi. Argumenty wygenerowane przez AI mogą zawierać rzeczywisty postęp matematyczny, ale ich wartość zależy od tego, które przetrwają niezależną kontrolę — nie od skali publikacji ani rangi problemów, których dotyczą.7
10
Reakcja AHM zwraca też uwagę na pytania o uznanie wcześniejszej pracy ludzi, koszt sprawdzania nowych wyników oraz możliwość, że zmienią się priorytety i wsparcie dla badań prowadzonych przez matematyków. Sama publikacja manuskryptów nie rozstrzyga tych kwestii, ale czyni je pilniejszymi.45
46
Najważniejsze jest rozróżnienie między zdolnością do generowania wielu twierdzeń matematycznych a ich naukowym potwierdzeniem. Spór dotyczy obu spraw: tego, co AI może wnieść do matematyki, oraz zasad, dzięki którym jej wkład będzie sprawdzalny, przejrzysty i użyteczny dla środowiska naukowego.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Association for Human Mathematics apeluje, by matematycy przestali współpracować z OpenAI.
Association for Human Mathematics apeluje, by matematycy przestali współpracować z OpenAI. OpenAI udostępniło manuskrypty, materiały wspierające dowody i formalizacje w Lean dla części wyników, ale nie dla całego zbioru.
Spór dotyczy zarówno możliwej wartości matematycznej wyników, jak i przejrzystości procesu, skali pracy potrzebnej do ich sprawdzenia oraz roli ludzi w badaniach.