OpenAI hevder 10 000 AI-agenter løste Navier–Stokes på under 90 timer — uten fagfellevurdering

OpenAI hevder 10 000 AI-agenter løste Navier–Stokes på under 90 timer — uten fagfellevurdering

Tirsdag morgen publiserte OpenAI et blogginnlegg der selskapet hevder at en intern AI-modell har løst Navier–Stokes-eksistens- og glatthetsproblemet, ett av Clay Mathematics Institutes syv Millennium-problemer. Men resultatet er ikke verifisert, prisen på 1 million dollar er fortsatt åpen — og utspillet har utløst en offentlig prioritetstvist med to matematikere som publiserte beslektede resultater kort tid før.

Hva OpenAI hevder

I blogginnlegget, som AIMag kun kjenner via sekundær dekning fra Gizmodo, hevder OpenAI at en uutgitt modell beskrevet som «vesentlig mer kapabel enn GPT-6 Astra» har løst problemet, som handler om fysikken i vann og andre fluider. Resultatet skal være oppdaget av menneskelige forskere som samarbeidet med rundt 10 000 AI-agenter over knappe 90 timer. OpenAI skriver at selskapet ikke har til hensikt å ta imot prisen på 1 million dollar.

Selve beviset beskrives i dekningen fra 24ai.no som en virvelbevegelse som spiralerer innover og strekker seg ut, akselererer stadig mens energien forblir endelig. Dette skal ifølge OpenAI etablere at singulariteter kan utvikle seg på endelig tid — og dermed bekrefte det som i CMIs terminologi kalles påstand «C» og «D» i den offisielle problemformuleringen.

Navier–Stokes-problemet er ett av syv Millennium-problemer som Clay Mathematics Institute kunngjorde i år 2000, hver med en premie på 1 million dollar for den første korrekte løsningen.

Hva som faktisk foreligger — og hva som mangler

Det er viktig å skille mellom påstand og validert resultat. OpenAI har angivelig publisert en 165-siders skriftlig utredning og en formalisering i bevisassistenten Lean. Ifølge 24ai.no, som siterer unavngitte kilder, skal Lean-formaliseringen være verifisert av GPT-6 Astra på 17 timer. Disse detaljene kan ikke bekreftes mot primærkilder; verken blogginnlegget, artikkelen eller Lean-repoet er tilgjengelige for oss.

Det fastlagte er dette: Per september 2026 er Millennium-prisen for Navier–Stokes fortsatt formelt åpen. Clay Mathematics Institute har verken bekreftet eller validert OpenAIs resultat, og full fagfellevurdering fra det bredere matematikkmiljøet gjenstår.

Fields-medaljevinner Timothy Gowers uttalte at resultatet, dersom det holder, utvilsomt er «et stort øyeblikk» — men understreket samtidig at han ikke hadde lest beviset da han uttalte seg, ifølge 24ai.no.

Prioritetstvisten

Kort før OpenAIs kunngjøring publiserte matematikerne Tristan Buckmaster (NYU) og Levent Alpöge (Anthropic) beslektede resultater om tvungne Euler-ligninger. Buckmaster hevder at OpenAI akselererte sitt arbeid etter å ha hørt rykter om gjennombruddet deres, og at arbeid under utvikling som var lagret i OpenAIs Codex-modell kan ha vært tilgjengelig for OpenAI-teamet. Dette er en motpartspåstand som ikke lar seg avklare fra tilgjengelige kilder.

OpenAI presenterer sin egen tidslinje: Arbeidet startet 1. september, etter ryktene, og selskapet tok først kontakt med Buckmaster og Alpöge 6. september — etter å ha fullført eget bevis og Lean-verifisering. I blogginnlegget skriver OpenAI at verken selskapets forskere eller AI-agentene så de to forskernes arbeid før det ble publisert, men innrømmer samtidig at selskapet «ikke kan utelukke at avidentifiserte data fra deres bruk av produktene våre har bidratt til å forbedre modellene våre».

Tvisten fikk et personlig tilsnitt da Bubeck — hvis rolle eller stilling i OpenAI ikke er presisert i tilgjengelig dekning — i et svar på X tirsdag skrev at han «ikke kan regne Levent som en uavhengig akademiker», etter å ha fått vite at Anthropics AI-modeller var brukt i Alpöges arbeid med Buckmaster. Bubeck unnskyldte senere for et spørsmål til Buckmaster som ble oppfattet som truende, og kalte formuleringen «et ekstremt dårlig ordvalg» og «det stikk motsatte av det jeg prøvde å formidle», ifølge Gizmodo. At Alpöges bruk av Anthropics modeller skulle gjøre hans uavhengighet problematisk, er altså OpenAIs tolkning, ikke en etablert kjensgjerning.

Hvem som kom først, og hvorvidt treningsdata spilte en rolle, kan ikke avgjøres ut fra tilgjengelig evidens. Det som er sikkert, er at tvisten i seg selv illustrerer noe nytt: Prioritetsspørsmål i matematikk har før vært bittere, men nå handler krangelen også om hvem som har trent hvilke modeller på hvems atferd.

Det prinsipielle spørsmålet: å vite versus å forstå

Terence Tao, regnet som en av verdens fremste levende matematikere, roste Buckmaster og Alpöges arbeid som «en bemerkelsesverdig prestasjon». Men han løftet samtidig en prinsipiell bekymring: at AI-genererte løsninger kan «forurense» problemer som kilde til videre matematiske fremskritt. Poenget er forskjellen mellom å vite at noe er sant og å forstå hvorfor det er sant. Et maskinverifisert bevis ingen mennesker forstår, løser formelt sett problemet, men gir kanskje ikke feltet det matematiske innsiktsgrunnlaget et bevis tradisjonelt gir.

Tao trakk konsekvensen lenger ut i en kommentar gjengitt av Gizmodo: Dersom menneskehetens felles bestrebelser på å forstå universet — som er avhengig ikke bare av vennlig konkurranse, men av fri og åpen utveksling av ideer — undergraves av konkurransen mellom «techtitaner», er det totale lageret av delt menneskelig kunnskap dømt til å krympe snarere enn å vokse.

Javier Gómez-Serrano er mer optimistisk i dekningen, men er enig i hovedpoenget: Et bevis ingen forstår har begrenset verdi.

Her ligger det reelle spørsmålet bak overskriftene. Lean-verifisering garanterer at en formell utledning ikke inneholder feil — forutsatt at formaliseringen faktisk gjengir det den hevder. Den garanterer ikke at mennesker forstår mekanismen, kan generalisere teknikken eller kan bygge videre på den. Derfor er CMIs vurderingsprosess ikke en formalitet: Instituttet skal avgjøre om resultatet holder som løsning på det offisielle problemet, og matematikkmiljøet må vurdere om beviset faktisk er forståelig og etterprøvbart.

Hva som gjenstår

Tre ting må skje før denne saken kan avgjøres. For det første full fagfellevurdering av den 165-siders artikkelen — ingen uavhengig fagfellevurdering foreligger. For det andre CMIs egne valideringsprosesser, som typisk tar tid; prisen er fortsatt formelt åpen. For det tredje spørsmålet om det bredere matematikkmiljøet faktisk kan lese, forstå og etterprøve beviset — Taos og Gómez-Serranos poeng.

I tillegg henger prioritetstvisten i luften. Buckmasters påstand om ryktedrevet akselerasjon og mulig tilgang til Codex-lagret arbeid, og OpenAIs innrømmelse om at avidentifiserte bruksdata «ikke kan utelukkes» i modelltreningen, peker på et ansvarsspørsmål som ligger dypere enn denne enkeltsaken: Hva betyr det for forskningens integritet når de samme selskapene lager verktøyene, eier bruksdataene fra konkurrentenes forskere og kunngjør gjennombrudd på egne blogger? Svaret foreligger ikke i dagens kilder — men spørsmålet er nå offentlig, og det stilles stadig oftere.