Η OpenAI δημοσίευσε μια εκτεταμένη συλλογή από 722 μαθηματικά χειρόγραφα, ομαδοποιημένα σε 372 οικογένειες αποτελεσμάτων, που παράχθηκαν από ένα μη δημοσιευμένο frontier μοντέλο της εταιρείας. Η κυκλοφορία αυτή αποτελεί συνέχεια μιας σειράς ανακοινώσεων που έχουν εντυπωσιάσει — αλλά και ανησυχήσει — τη μαθηματική κοινότητα, ενώ παράλληλα εγείρει σοβαρά ερωτήματα για την ηθική της έρευνας και τις ακαδημαϊκές πρακτικές. Σύμφωνα με την AGMAI (Advisory Group on Mathematics and Artificial Intelligence), η ανεξάρτητη συμβουλευτική ομάδα κορυφαίων μαθηματικών που συγκροτήθηκε για την υπεύθυνη επικοινωνία των αποτελεσμάτων, η έκδοση περιλαμβάνει λύσεις σε «εκατοντάδες» ανοιχτά μαθηματικά προβλήματα.
Δείτε επίσης: OpenAI: Το ChatGPT στο Siri ‘Επιδεικνύει Συνεχή Υποαπόδοση’
Τα αποτελέσματα αναμένονταν εδώ και εβδομάδες, αν και η OpenAI δεν είχε αποκαλύψει ποια ακριβώς προβλήματα είχε επιλύσει το μοντέλο ή πότε ακριβώς θα δημοσιεύονταν. Τον Σεπτέμβριο, η εταιρεία είχε δηλώσει ότι το μοντέλο της είχε «επιλύσει περισσότερα από 100 μακροχρόνια ανοιχτά προβλήματα σε σχεδόν όλους τους τομείς των μαθηματικών». Τα δημοσιευμένα χειρόγραφα περιλαμβάνουν επίσης συνοπτικές περιγραφές της συλλογιστικής του μοντέλου, εκτιμήσεις για το υπολογιστικό κόστος και στατιστικά για τον αριθμό των προβλημάτων που επιχειρήθηκαν. Η OpenAI ισχυρίζεται ότι το «μέσο αποτέλεσμα» χρησιμοποίησε ισοδύναμο τριών ωρών σκέψης του ChatGPT Pro.
Το εκπληκτικό εύρος της κυκλοφορίας αυτής δεν αφορά μόνο την ποσότητα. Τα χειρόγραφα καλύπτουν πεδία όπως η καθαρή μαθηματική, η θεωρητική επιστήμη υπολογιστών και η μαθηματική φυσική. Η OpenAI ανέφερε ότι το μοντέλο εκπαιδεύτηκε από τις 28 Αυγούστου 2026 και ότι ο ρυθμός ανακαλύψεων εξέπληξε ακόμα και τους μαθηματικούς που εργάζονται εντός της εταιρείας. Η εταιρεία υπέβαλε περίπου 4.000 προβλήματα στο εσωτερικό μοντέλο και στη συνέχεια επέλεξε και οργάνωσε τα αποτελέσματα που θεώρησε αρκετά σημαντικά για δημοσίευση.
OpenAI και τα 722 μαθηματικά χειρόγραφα: Τι περιέχει η κυκλοφορία
Η δομή των 722 χειρογράφων είναι σημαντικό να κατανοηθεί σωστά: δεν πρόκειται για 722 εντελώς ανεξάρτητες ανακαλύψεις. Τα χειρόγραφα οργανώνονται σε 372 οικογένειες αποτελεσμάτων, όπου κάθε οικογένεια μπορεί να περιλαμβάνει ένα κύριο θεώρημα, εναλλακτικές αποδείξεις, πορίσματα, συνοδευτικά χειρόγραφα και διαφορετικές διατυπώσεις του ίδιου υποκείμενου αποτελέσματος. Αυτή η διάκριση έχει σημασία όταν αξιολογούνται οι ισχυρισμοί παραγωγικότητας, καθώς ο αριθμός των «χαρτιών» μπορεί να αυξηθεί σημαντικά όταν σχετικές αποδείξεις και συνέπειες διαχωρίζονται σε μεμονωμένα χειρόγραφα.
Ορισμένα αποτελέσματα περιλαμβάνουν επίσης τυπικές αποδείξεις γραμμένες σε Lean, ένα διαδραστικό σύστημα απόδειξης θεωρημάτων. Το Lean μπορεί να ελέγξει μηχανικά αν μια τυπική απόδειξη ακολουθεί από τα καθορισμένα αξιώματα και ορισμούς της, παρέχοντας ισχυρότερη μορφή επαλήθευσης από ό,τι ένα απλό πεζό κείμενο. Ωστόσο, η τυποποίηση δεν εγγυάται αυτόματα ότι το θεώρημα είναι σημαντικό, σωστά μοντελοποιημένο ή ισοδύναμο με το επιδιωκόμενο πρόβλημα. Η OpenAI έχει προειδοποιήσει ότι ορισμένα χειρόγραφα ενδέχεται να περιέχουν ζητήματα και ότι η συλλογή θα ενημερωθεί.
Ιδιαίτερη προσοχή τράβηξε ο ισχυρισμός για την επίλυση του προβλήματος Navier–Stokes, ενός από τα επτά Millennium Prize Problems του Clay Mathematics Institute. Οι εξισώσεις Navier–Stokes περιγράφουν την κίνηση ρευστών και εμφανίζονται σε πλαίσια όπως η τύρβη, η αεροδυναμική, η ωκεανογραφία και η κλιματική μοντελοποίηση. Ένα αξιόπιστο αποτέλεσμα θα απαιτούσε εξαιρετικά προσεκτικό έλεγχο, καθώς η δυσκολία του προβλήματος έγκειται στον έλεγχο μη γραμμικών αλληλεπιδράσεων σε διαφορετικές κλίμακες. Ο ισχυρισμός της OpenAI πρέπει επομένως να αντιμετωπίζεται ως αποτέλεσμα που αναμένει ανεξάρτητη επικύρωση, όχι ως επίσημα αναγνωρισμένη λύση Millennium Prize.
Δείτε επίσης: Η Wikimedia Foundation αναφέρει δράση από πράκτορες της OpenAI
OpenAI, AGMAI και η διαμάχη για τα μαθηματικά αποτελέσματα
Η AGMAI ανακοινώθηκε στις 21 Σεπτεμβρίου 2026 σε ανάρτηση που συνδέεται με τον μαθηματικό του UCLA και κάτοχο του Fields Medal, Terence Tao. Η ομάδα των εννέα μελών φιλοξενείται από το Institute for Advanced Study και περιγράφει τον εαυτό της ως ανεξάρτητη από την OpenAI. Ο ρόλος της είναι να συμβουλεύει την OpenAI και άλλα frontier AI εργαστήρια σχετικά με την αναθεώρηση και επικοινωνία μαθηματικών αποτελεσμάτων. Οι αρχικές συστάσεις της AGMAI ζητούσαν από τα εργαστήρια να δημοσιεύουν αποτελέσματα άμεσα, να χρησιμοποιούν καθιερωμένα ακαδημαϊκά κανάλια, να αποκαλύπτουν το μοντέλο που χρησιμοποιήθηκε, τα prompts και το υπολογιστικό κόστος.
Η AGMAI παρότρυνε επίσης τις εταιρείες AI να «απέχουν από τη χρήση μαθηματικών αποτελεσμάτων ως marketing εργαλείων για την προώθηση των μοντέλων τους», μια πρακτική που, όπως ανέφεραν, προκαλεί σημαντική βλάβη στη μαθηματική κοινότητα. Η δημιουργία της ομάδας υποδηλώνει ότι το ζήτημα έχει ξεπεράσει την απλή αξιολόγηση μοντέλων και αφορά πλέον τη διακυβέρνηση της επιστήμης, τους κανόνες δημοσίευσης, την αναπαραγωγιμότητα και την πιθανή διαταραχή μιας ερευνητικής κοινότητας από την υψηλής έντασης παραγωγή μιας ιδιωτικής εταιρείας. Ο Terence Tao έχει προειδοποιήσει ότι η κακώς επικοινωνούμενη εργασία που παράγεται από AI θα μπορούσε να δημιουργήσει ένα «εφέ μπουλντόζας»: έναν μεγάλο όγκο αποτελεσμάτων που υπερφορτώνει τους κανονικούς μηχανισμούς αναθεώρησης.
Η OpenAI περιέγραψε τη διαδικασία της για αυτή την κυκλοφορία: «Δημοσιεύουμε τα αποτελέσματα σε ένα αποθετήριο GitHub, με πρωτόκολλα για αναθεωρήσεις χαρτιών και αναφορές. Συνεχίζουμε να εξερευνούμε άλλες εναλλακτικές που φιλοξενούνται από την κοινότητα και πληρούν τις κατευθυντήριες γραμμές της επιτροπής. Για μελλοντικές κυκλοφορίες, δεσμευόμαστε να βελτιώσουμε περαιτέρω την ποιότητα των χαρτιών μέσω αναφορών, μαθηματικής έκθεσης και παρουσίασης των αποτελεσμάτων.»
Στο ευρύτερο ανταγωνιστικό τοπίο, η κυκλοφορία εντάσσεται σε μια ευρύτερη κούρσα για την ανάπτυξη AI συστημάτων που μπορούν να εκτελούν προηγμένη συλλογιστική. Η Google DeepMind έχει εργαστεί σε μαθηματική συλλογιστική και απόδειξη θεωρημάτων με συστήματα όπως το AlphaProof, ενώ η Microsoft, η Anthropic και η Meta επενδύουν επίσης σε frontier μοντέλα με δυνατότητες προηγμένης συλλογιστικής. Η κεντρική τάση είναι η μετάβαση από στατικές βαθμολογίες benchmark σε agentic ερευνητικές ροές εργασίας, όπου ένας AI agent μπορεί να δημιουργεί εικασίες, να αναζητά μαθηματική βιβλιογραφία, να παράγει υποψήφιες αποδείξεις, να τις μεταφράζει σε Lean και να προετοιμάζει χειρόγραφα.
Δείτε επίσης: OpenAI: Απολύσεις ερευνητών ασφαλείας για διαρροή δεδομένων
Η μαθηματική κοινότητα φαίνεται διχασμένη μεταξύ ενθουσιασμού για την πραγματική επιτάχυνση και ανησυχίας για τον τρόπο δημοσίευσης των αποτελεσμάτων. Οι υποστηρικτές βλέπουν δυνατότητες: το AI μπορεί να εξερευνά τεχνικούς χώρους πολύ μεγάλους για έναν μεμονωμένο ερευνητή, τα τυπικά συστήματα απόδειξης μπορούν να μειώσουν τα ανθρώπινα λάθη και οι ερευνητές μπορούν να αφιερώνουν περισσότερο χρόνο στην επιλογή σημαντικών ερωτημάτων. Οι επικριτές, από την άλλη, εκφράζουν ανησυχίες για μη επαληθευμένες αποδείξεις, φουσκωμένους αριθμούς λόγω κατακερματισμού σχετικής εργασίας, ανεπαρκή αποκάλυψη στοιχείων μοντέλου και το βάρος που επωμίζονται οι μαθηματικοί που πρέπει να αναθεωρήσουν έναν ξαφνικό κατακλυσμό αποτελεσμάτων. Η πλήρης επίδραση των αποτελεσμάτων θα χρειαστεί χρόνο για να αξιολογηθεί, καθώς οι μαθηματικοί τα επεξεργάζονται και τα αφομοιώνουν.
