Kan maskinen bli matematikens nästa genombrott – eller lurar OpenAI oss?
OpenAI hävdar att AI löst 370 olösbara matteproblem – men stämmer det?
När maskinen börjar lösa det ingen människa kunnat
Matematik är kanske den mest skoningslösa av alla vetenskaper. Det räcker inte att ha en känsla för svaret, eller att argumentet låter övertygande – varje steg i ett bevis måste hålla logiskt, utan undantag. Det är just därför det är så anmärkningsvärt att OpenAI, enligt Breakit, nu uppger sig ha tagit fram hela eller delvisa lösningar på över 370 matematikproblem som legat olösta under lång tid.
Modellen bakom prestationen är ännu inte offentliggjord. OpenAI har inte avslöjat hur den är uppbyggd, vilka träningsmetoder som använts eller vilka specifika problem som knäckts. Det gör det i nuläget omöjligt för utomstående att granska varken metoderna eller resultaten på djupet.
Men låt oss ändå stanna upp och ta in vad påståendet faktiskt innebär.
Vad gör matematiska problem "olösbara"?
Olösta matematikproblem är inte bara svåra räkneuppgifter. De är ofta problem där ingen ännu hittat rätt angreppssätt – där lösningen kräver ett helt nytt sätt att tänka, en oväntad koppling mellan två matematiska fält, eller ett kreativt språng som ingen gjort tidigare. Sådana problem har historiskt sett krävt år, ibland decennier, av fokuserat mänskligt tänkande.
Att en AI-modell nu ska kunna bidra med lösningar på den typen av problem är inte bara en ingenjörsbragd – det är en konceptuell förskjutning. Det antyder att moderna språkmodeller, eller vad det nu är för slags modell OpenAI använt, börjar utveckla något som liknar matematisk intuition och strukturellt resonemang på en nivå vi inte sett tidigare.
Det påminner om det skifte som skedde när DeepMinds AlphaFold 2021 i stort sett löste proteinveckningsproblemet – ett område där biologer kämpat i decennier. Plötsligt förändrades hela spelplanen för vad AI kunde bidra med inom grundforskning.
Forskarsamhället är långt ifrån enigt
Reaktionerna från matematikvärlden är, enligt Breakit, allt annat än samstämmiga. En del matematiker ser det som ett äkta genombrott och menar att AI-verktyg kan bli ovärderliga medarbetare i framtidens forskning. Andra intar en mer avvaktande hållning – och det av goda skäl.
Problemet är granskning. Inom matematik duger det inte att ett bevis ser rimligt ut vid första anblick. Subtila logiska fel kan gömma sig djupt inne i ett resonemang och kräva gedigen expertkunskap för att upptäckas. När en AI producerar hundratals sidor av matematiska argument, uppstår en ny och besvärlig utmaning: vem granskar dem, och hur lång tid tar det?
Det finns också en epistemisk fråga som jag som systemutvecklare tycker är genuint fascinerande: Om en AI löser ett problem men ingen människa ännu förstår varför lösningen fungerar – är det då ett genombrott för mänskligheten, eller mest för maskinen?
Transparensen saknas – och det är ett problem
Det som gör situationen extra komplicerad är att OpenAI ännu inte offentliggjort modellen. Det betyder att den vetenskapliga gemenskapen inte kan upprepa experimenten, granska träningsdatan eller bedöma om resultaten håller för oberoende prövning. I ett fält där reproducerbarhet är grundläggande, är det en betydande brist.
Detta är inte nödvändigtvis ett tecken på dålig avsikt – det kan finnas affärsmässiga eller säkerhetsmässiga skäl till att hålla modellen intern ett tag till. Men det försvårar en seriös vetenskaplig diskussion om vad som faktiskt uppnåtts.
Förhoppningsvis innebär en kommande offentlig release att resultaten kan sättas under ordentlig granskning. Först då kan vi säga med säkerhet om vi bevittnar ett verkligt skifte i matematisk forskning – eller ett imponerande men överdrivet marknadsföringspåstående.
Potentialen är ändå svår att ignorera
Trots alla frågetecken är det svårt att inte bli entusiastisk över vad detta kan innebära på sikt. Matematik är grundvalen för nästan all naturvetenskap och teknik – kryptografi, fysik, materialvetenskap, statistik. Om AI verkligen kan accelerera matematisk grundforskning, kan ringeffekterna bli enorma och sträcka sig långt bortom matematikens egna gränser.
Vår analys
Det här är en av de nyheter som är svår att placera rätt på skalan mellan hype och verkligt genombrott – just för att vi saknar den information som krävs för att bedöma den ordentligt. OpenAI:s slutenhet kring modellen är förståelig ur ett affärsperspektiv, men den skapar en vetenskaplig vakuum som gör det omöjligt att ta ställning.
Det jag ändå tar med mig är att riktningen är tydlig. Under de senaste åren har vi sett AI gå från att vara ett verktyg för mönsterigenkänning till att börja röra sig in på territorium som kräver abstrakt resonemang – go, proteinveckning, kodgenerering, och nu alltså avancerad matematik. Varje steg har mötts av skepsis, och varje steg har visat sig vara mer substantiellt än kritikerna trott.
Om resultaten håller för granskning, och det är ett viktigt om, pekar det mot en framtid där AI inte ersätter matematiker – utan ger dem ett helt nytt slags medarbetare att arbeta tillsammans med. Det är en möjlighet värd att ta på allvar.