Löste AI just Navier–Stokes? Vad OpenAIs påstående faktiskt bevisar

OpenAI hävdar att ett av deras interna system har knäckt ett av Clay-institutets Millenniumprissproblem. Det är en anmärkningsvärd historia och skulle vara den största AI-assisterade matematiska upptäckten hittills. Men det finns också en andra berättelse: en kamp om vem som faktiskt ska ha äran.

Det här är vad som faktiskt har hänt: OpenAI hörde ett rykte om att en rivaliserande labs modell hade gjort framsteg på ett av matematikens mest kända olösta problem. Det ryktet räckte för att trigga en sprint: För att arbeta med problemet använde OpenAI 10 000 parallella AI-agenter, 88 timmars beräkning och ungefär $22,5 miljoner i ackumulerade kostnader. Nu hävdar de ett verkligt bevis. Och vad gäller prissumman på $1 miljon? OpenAI säger att de inte tänker göra anspråk på den. (Kanske behöver de inte pengarna.)

Snabbt svar: Clay-priset på $1 miljon för Navier–Stokes har inte vunnits. Det OpenAI säger sig ha bevisat gäller en specifik variant av problemet, uppblåsning under slät påverkan, som ännu inte verifierats av oberoende matematiker. Huruvida det uppfyller hela problemet så som de flesta experter förstår det är genuint omstritt.

Vad är Navier–Stokes-ekvationen och varför är den värd $1 miljon?

För att förstå vad OpenAI hävdar måste du först förstå varför Navier–Stokes är så svårt.

Navier–Stokes-ekvationerna beskriver hur vätskor rör sig: vatten, luft, blod. De ligger till grund för väderprognoser, flygplansdesign och cirkulationsmedicin. De formulerades på 1800-talet och fungerar utomordentligt väl i praktiken. Den matematiska frågan är om de alltid fungerar: finns det alltid släta, välbeteende lösningar, eller kan en vätska som styrs av dessa ekvationer utveckla en singularitet, en punkt där hastigheten blir oändlig, på ändlig tid?

Den frågan, känd som problemet med "existens och släthet", är ett av Clay Mathematics Institutes sju Millenniumprissproblem, vart och ett med $1 miljon i belöning. Hittills har bara ett av Millenniumprissproblemen lösts: Poincarés förmodan, år 2003.

Varför vi bryr oss om just det här problemet: Ibland är matematikproblem mer eller mindre strikt akademiska. Men det här är inte bara ett abstrakt pussel. Varje vädermodell, flygsimulering och ingenjörsverktyg som bygger på dessa ekvationer antar underförstått att de beter sig väl, men ingen har bevisat att det antagandet alltid håller. Om det visar sig att lösningar kan blåsa upp på ändlig tid skulle det blotta en verklig klyfta mellan matematiken vi förlitar oss på och de fysiska system den är tänkt att beskriva.

Vad OpenAI faktiskt hävdar att de har bevisat

Historien börjar inte med en matematisk insikt utan med ett rykte. Sam Altman medgav att OpenAI drog igång satsningen efter att ha hört att Anthropics modeller hade löst ett stort matematikproblem, och skrev på X: "Vi undrade om våra kunde göra det också."

Den veckolånga sprinten omfattade flera Millenniumprissproblem och förbrukade totalt 300 miljarder utdata-token, ungefär $22,5 miljoner i beräkning över allt som försöktes. Navier–Stokes-problemet ensamt använde cirka 130 miljarder av dessa token och 2,7 miljoner meddelanden. Tiotusen agenter arbetade parallellt från 1 september till 6 september. Och sedan – här är delen där du bör stanna upp – sa OpenAI att de inte tänker göra anspråk på prissumman $1 miljon, och ramade in resultatet som bevis på hur snabbt deras modeller går framåt.

Innan de kom till Navier–Stokes löste OpenAIs agenter först det opåverkade Euler-regularitetsproblemet med nästan 100 agenter på ungefär 50 timmar. Genom att först fastställa uppblåsningsbeteende i den enklare Euler-miljön lade agenterna den begreppsliga grunden som gjorde Navier–Stokes-ansatsen hanterbar.

Här är det finstilta viktigt. Den officiella Clay-formuleringen för Navier–Stokes innehåller fyra alternativ, betecknade A, B, C och D. Alternativ A och B frågar efter globala släta lösningar utan yttre påverkan, i vanligt tredimensionellt rum eller på ett periodiskt område. Alternativ C och D tillåter uppblåsningsexempel med en slät extern påverkansled. OpenAIs bevis siktar på alternativen C och D, vilket betyder att den påverkade varianten faktiskt ingår i det officiella Clay-problemet.

Samtidigt anser många matematiker att alternativen A och B är den djupare frågan, eftersom påverkan är externt pålagd: du väljer kraften för att orsaka uppblåsningen, snarare än att fråga om ekvationerna kan bryta samman av sig själva. Om ansatsen kan utvidgas för att ta bort påverkan och adressera A och B är ännu oklart, och den frågan är fortfarande mycket öppen. Glappet mellan det som visats och det många experter ser som problemets kärna är den faktiska slutsatsen här.

Inuti striden om vem som förtjänar äran

Nu när vi kartlagt vad som faktiskt bevisades har den mänskliga berättelsen en tydlig röd tråd, om du tar ett steg tillbaka från ord-mot-ord.

Den 15 augusti bevisade Tristan Buckmaster och Anthropics Levent Alpöge att Euler-ekvationerna, Navier–Stokes friktionsfria kusin, kan blåsa upp under slät påverkan, genom att bygga vidare på en ansats utvecklad av Diego Córdoba och Luis Martínez-Zoroa. Deras resultat omfattade också Boussinesq- och inkompressibel porös-media-ekvationer. Arbetet tog ungefär ett år. Det var opublicerat, pågående, tyst uppbyggt. Sedan spreds ryktet.

OpenAIs sprint började den 1 september efter att ha hört ett rykte som de senare kopplade till Alpöge och Buckmaster. Buckmaster hade mejlat OpenAI privat den 3 september efter att ha hört att hans arbete nått företaget. Efter att ha slutfört sitt projekt och Lean-verifiering den 6 september tog OpenAI kontakt för att erbjuda ett samtidigt släpp. Buckmasters version av vad som hände härnäst är avsevärt vassare: hans redogörelse beskriver samtal där han säger att han pressades om publicering och författarskap, inklusive förslag om att utesluta Alpöge på grund av hans anställning på Anthropic.

Buckmaster påstår att när han signalerade sin avsikt att gå ut offentligt med dessa farhågor fick han höra: "Varför skulle du förstöra din karriär?" och "Om du inte vill att jag ska vara trevlig, så behöver jag inte vara trevlig." Bubeck har kallat dessa påståenden "falska och inflammatoriska". OpenAI förnekar att de har tagit del av några privata promptar eller opublicerat arbete.

Jag tänker inte avgöra vem som har rätt. Detta är omstridda uppgifter från ett privat samtal, och detaljerna är genuint oklara. Men mönstret behöver inte lösas för att vara värt att nämna: en oberoende forskares år av opublicerat arbete blev resursen som ett välfinansierat labb genomförde en mångmiljon-sprint kring, och nu är det den oberoende forskaren som får frågor om sin karriär.

Kan du faktiskt lita på ett AI-skrivet matematikbevis?

Med meritstriden på bordet återstår den svårare tekniska frågan: håller beviset?

Navier–Stokes är ett Millenniumprissproblem, och beviskravet är ett publicerat, verifierbart bevis. OpenAI publicerade ett 166-sidigt manus och en Lean-formalisering den 8 september, båda offentligt tillgängliga för granskning. Oberoende peer review har ännu inte skett.

Om du inte känner till Lean ska du veta att det är ett formellt bevisverifieringssystem som kontrollerar om varje logiskt steg följer av det föregående. Ett Lean-verifierat bevis kan inte "pratas till" att se korrekt ut: om det går igenom är den logiska kedjan sund. Vad Lean inte gör är att tala om ifall ansatsen är begreppsligt meningsfull, om den adresserar problemet så som experter förstår det, eller om en mänsklig matematiker skulle känna igen det som en genuin lösning.

Terence Tao, sannolikt den mest framstående nu levande matematikern, varnade för denna dynamik den 5 september, före OpenAIs tillkännagivande. Han skrev på Mathstodon som svar på de rykten som cirkulerade då och noterade att det var en hypotetisk oro: "det finns en betydande alternativkostnad i att förvandla ett historiskt produktivt och motiverande problem som Navier–Stokes-regularitet till enbart ett viralt inlägg i sociala medier som annonserar ett benchmarkframsteg, snarare än att faktiskt föra fältet framåt och utveckla nästa generation av både frågor att ställa och människor att arbeta med dem." Efter tillkännagivandet berömde Tao Buckmaster–Alpöges arbete som "en anmärkningsvärd bedrift" och noterade att deras argument hade formaliserats i Lean. Han har inte offentligt ställt sig bakom OpenAIs specifika påstådda bevis.

Varför den här striden är större än ett matematikproblem

Ett rykte, inte ett publicerat resultat, inte peer review – ett rykte – räckte för att mobilisera ett av världens bäst resursstarka AI-labb till en mångmiljon-sprint. OpenAI ramade in resultatet som bevis på hur snabbt deras mest avancerade system förbättras, det vill säga som en marknadsföringstillgång. Det här är ett Millenniumprissproblem som används som benchmark-demonstration inför en börsnotering.

Axios ställde den obekväma frågan rakt på sak: vad händer när företaget som förser forskare med AI-verktyg för forskning också kan mobilisera vida större resurser för att konkurrera med dem? Buckmaster och Alpöge använde OpenAIs egen Codex under sitt år av arbete. De verktyg en forskare använder för att bygga mot ett resultat kan ägas av samma organisation som kan springa om dem med samma verktyg i 10 000× skala. Det är ingen konspiration. Det är en strukturell egenskap i nuet, och det är scenariot folk har oroat sig för, oberoende av om OpenAI gjorde något fel här.

Det finns också en ironi värd att notera: OpenAI pausade viss frontlinje-RL-träning av säkerhetsskäl i augusti, och körde sedan i september en orealiserad modell från samma utvecklingsprogram på full kapacitet i 88 timmar för att jaga en matematikrubrik. Den kontrasten är inget bevis på ond tro, men den är inte obetydlig heller.

Så, är Navier–Stokes löst eller inte?

Här är var saker faktiskt stård:

Sprintmodellen producerade ett resultat. Huruvida den producerade ett Resultat, i den mening matematiker menar, är en annan fråga – och en som kommer att ta avsevärt längre tid att besvara.