OpenAI:s Navier–Stokes-anspråk: det här hände – och därför protesterade matematiker

OpenAI:s besked den 8 september var anmärkningsvärt: företaget sade sig ha gjort framsteg på ett av matematikens mest betydelsefulla öppna problem. Men ett utropat bevis – även när det stöds av formella metoder – är inte detsamma som ett resultat som oberoende matematiker har granskat och accepterat.

Vad OpenAI påstod

OpenAI uppgav att ett internt, ännu ej lanserat system hade producerat både ett analytiskt bevis och en formalisering i Lean. Resultatet skulle visa att ett från början jämnt tredimensionellt Navier–Stokes-flöde kan utveckla en singularitet på ändlig tid. Enligt företaget deltog omkring 10 000 samtidiga agenter i arbetet. 2

Om resultatet håller vid granskning och motsvarar den officiella problemformuleringen innebär det ett negativt svar på existens- och regularitetsfrågan: jämna lösningar behöver inte förbli jämna för all framtid. Clay Mathematics Institute, CMI, beskriver problemet som frågan om existens och jämnhet hos Navier–Stokes-lösningar i tredimensionellt euklidiskt rum. 18

Varför Navier–Stokes är så viktigt

Navier–Stokes-ekvationerna beskriver hur vätskor och gaser rör sig. De är grundläggande för den matematiska analysen av fluiddynamik, men trots att ekvationerna formulerades på 1800-talet är den generella förståelsen av tredimensionella lösningar fortfarande begränsad. 30

Problemet är ett av Millenniumproblemen, de sju stora matematiska frågor som CMI kopplade ett pris till. Den officiella beskrivningen efterfrågar antingen ett bevis för att släta, fysiskt rimliga lösningar existerar globalt, eller en alternativ lösning som uppfyller problemets angivna villkor. 1721

Det handlar alltså inte bara om ett nytt AI-test. Ett giltigt svar skulle beröra en kärnfråga inom analys och fluiddynamik. Men problemets tyngd gör inte kraven på kontroll lägre – tvärtom.

Varför beskedet inte direkt blev en accepterad lösning

CMI skrev den 11 september att institutet övervägde beskedet om att Navier–Stokes-problemet ”uppenbarligen” kan ha avgjorts, men betonade samtidigt att processen för utvärdering och tilldelning av erkännande är avsiktligt långsam. 18

Enligt CMI:s regler måste en föreslagen lösning vara publicerad i en kvalificerande publikation, minst två år måste ha gått sedan publiceringen och lösningen måste ha fått allmän acceptans i den globala matematikvärlden innan institutet ens överväger den. 27 Dessutom måste lösningen på ett tillfredsställande sätt besvara den officiella problemformuleringen. 20

Lean kan kontrollera att en formaliserad kedja av satser följer från de definitioner och antaganden som har kodats in. Det är en kraftfull form av verifiering. Men matematiker måste fortfarande bedöma om den formaliserade satsen, dess antaganden och överföringen från den informella problemtexten faktiskt avgör den fråga som avses.

Den mest träffsäkra beskrivningen av läget är därför ett påstående under granskning, inte en allmänt accepterad eller prisgodkänd lösning.

Tvisten om prioritet och erkännande

Beskedet kom mitt i en konflikt som berörde NYU-matematikern Tristan Buckmaster och Levent Alpöge, matematiker med koppling till Anthropic. Rapporteringen beskrev hur de arbetat med närliggande frågor och hur Buckmaster väckte frågor om hur OpenAI kom att satsa på just problemet. 953

Buckmaster framförde också anklagelser om olämpligt agerande i samtal om erkännande och samarbete. OpenAI avvisade de bredare anklagelserna och sade att varken företagets forskare eller agenter hade sett deras arbete före den offentliga publiceringen, samt att ingen specifik användardata hade hämtats för att lösa problemet. 53

Det är motstridiga uppgifter, inte fastslagna förhållanden. Däremot står det klart att en teknisk nyhet snabbt förvandlades till en konflikt om vem som ska få erkännande när AI-labb och enskilda forskare arbetar nära samma forskningsfront.

Därför blev datafrågan känslig

En särskilt laddad fråga var om material som matats in i AI-produkter kan ha påverkat de förmågor som senare användes i forskningsarbetet. OpenAI sade att bolaget inte hade använt forskarnas specifika användardata i Navier–Stokes-arbetet, men tillade att det inte helt kunde utesluta att avidentifierade data från produktanvändning hade bidragit till att förbättra modellerna. 59

Skillnaden kan vara tekniskt viktig, men den lämnar en större fråga öppen: vilken spårbarhet, vilket samtycke och vilken möjlighet till oberoende kontroll ska forskare kunna kräva när de använder AI-system för opublicerat arbete?

För forskare är lärdomen praktisk: kontrollera produktens datapolicy innan utkast, hypoteser, kod eller annat känsligt forskningsmaterial läggs in i ett AI-verktyg.

Fieldsmedaljörer varnar

Den 11 september publicerade Terence Tao deklarationen A Severe Misalignment of AI in Mathematics, med 25 ursprungliga undertecknare – samtliga Fieldsmedaljörer. 43

Deklarationen speglade en oro för att företag kan göra berömda olösta problem till offentliga benchmarktester eller pr-tävlingar, snarare än till gemensamt intellektuellt arbete. Kritiker befarar att förhastade besked, bristfälliga förklaringar, otydligt erkännande och incitament att hinna före andra kan göra forskare mindre villiga att dela tidiga idéer.

Varningen var inte att AI ska hållas borta från matematiken. Den handlade om att skydda de normer som bär upp matematisk utveckling: öppen granskning, noggrann framställning, rättvis erkänsla och löpande samtal mellan forskare.

Vad ansvarsfull AI-stödd matematik kräver

Kontroversen pekar mot några rimliga krav för extraordinära AI-drivna forskningsanspråk:

• Offentliga och granskningsbara bevisunderlag: Ett stort anspråk bör följas av ett rigoröst manuskript och, när det är möjligt, en maskinkontrollerbar formalisering.
• Oberoende granskning: Formell kontroll och bedömning av ämnesexperter fyller olika funktioner. Stora resultat behöver båda.
• Tydligt erkännande: Laboratorier bör redovisa relevant tidigare arbete, mänskliga bidrag och begränsningarna i systemets roll.
• Dataproveniens: Forskare behöver begripliga besked om huruvida och hur deras interaktioner kan bidra till modellförbättringar.
• Utrymme för eftertanke: Att lösa ett stort problem handlar inte enbart om att få fram ett sant eller falskt svar, utan också om att visa vad som bevisats, varför det stämmer och hur resultatet passar in i forskningsfältet.

Slutsats

OpenAI:s besked kan bli en milstolpe för AI-stödd matematisk forskning, men det avslutade inte frågan samma dag som det publicerades. Det avgörande blir om det påstådda beviset får varaktig, oberoende acceptans enligt de standarder som tillämpas av matematikvärlden och Clay Mathematics Institute. 1827

Reaktionerna visar varför processen spelar roll. När AI får en större roll i forskning kommer tilliten inte bara att bero på vad systemen kan upptäcka, utan också på om upptäckterna kan verifieras, förklaras och erkännas på ett rättvist sätt.