OpenAI је објавио прве резултате Астра, њихов следећи модел вештачке интелигенцијеКомпанија је постигла напредак у решавању десет отворених проблема из математике и теоријског рачунарства. Према наводима компаније, неки од ових проблема остали су нерешени више од деценије без икаквог значајног напретка. Саопштење, објављено 1. августа 2026. године, изазвало је значајно узбуђење у научној заједници, иако многи истраживачи позивају на опрез док независни стручњаци не прегледају резултате.
Оно што разликује ову рекламу од сличних је то што OpenAI је објавио не само резултате, већ и формализоване демонстрације у Lean систему верификације. Ово омогућава сваком математичару да аутоматски провери исправност аргумената. Штавише, компанија је детаљно описала процес откривања, укључујући 249 страница аргумената и 62 странице образложених белешки, пружајући неуобичајену транспарентност у овој врсти комуникације.
Десет проблема и њихова релевантност
Проблеми којима се бави Астра покривају веома различите области модерне математике. Међу њима су: оповргавање Конове претпоставке о крутостиОвај резултат има велики утицај на операторске алгебре, а експлицитна конструкција несофичких група је фундаментално питање у теорији група. Такође су добијене нове горње границе за паковање сфера у високим димензијама, проблем са директним применама у теорији информација и кодовима за исправљање грешака.
У области комбинаторике, Астра је решила три проблема које је поставио мађарски математичар Паул Ердеш: проблеме 146, 180 и 183. Последњи од њих, који се односи на вишебојне Ремзијеве бројеве, стручњак Томас Блум је описао као „најизненађујућији од целе листе“. Остали напредак укључује нове доње границе за аритметичка кола, теорему о паралелном понављању за квантне игре и резултате о тешкоћи апроксимације проблема најближег вектора, релевантне за постквантну криптографију.
Трошкови и методологија
OpenAI је открио да Укупни трошкови токена за проналажење ових решења били су приближно 2.000 долараПрема Соловим API стопама, ова бројка не укључује обуку модела нити рад људских истраживача. Процес је комбиновао генерисање аргумената од стране Астре са стручним доприносом који је помогао да се ти аргументи претворе у јасне рукописе, а потом и у аутоматски проверљиве Lean сертификате.
Формализација је кључна у Lean-у: она омогућава свакоме ко има приступ софтверу да корак по корак провери да ли је демонстрација логички исправна. Међутим, Математичари и даље морају да провере да ли коришћене дефиниције и претпоставке одговарају оригиналном проблему.Ово је нешто што машина не може сама да уради. OpenAI је преузео одговорност за исправљање рада, али није идентификовао ниједну независну групу која је јавно проценила свих десет резултата.
Поређење са Deep Blue-ом и неопходан опрез
Неколико медија је упоредило ову прекретницу са победом групе Дип Блу над Гаријем Каспаровим 1997. године, али стручњаци истичу да Математика је сложенија од шахаУ игри, резултат је тренутан; у математици, доказ може захтевати месеце рецензирања од стране стручњака пре него што буде прихваћен. Штавише, Астра није јавно доступна, тако да спољни истраживачи не могу да репродукују процес или да утврде стопу неуспеха модела.
OpenAI је имао претходна искуства где су се наизглед тачни резултати испоставили као нетачни након прегледа од стране стручњака. У фебруару 2026. године, компанија је поднела решења за изазов „Први доказ“ и касније признала да је једно од њих било нетачно. Стога, Научна заједница инсистира да ових десет напредака треба третирати као обећавајуће, али не и као дефинитивне.док се не провере независно.
У Европи, истраживачи са универзитета као што су Политехнички универзитет у Мадриду и Универзитет у Кембриџу изразили су интересовање за анализу Lean сертификата које је објавио OpenAI. Могућност сарадње вештачке интелигенције у генерисању новог математичког знања отвара дебату о улози људских научника у будућности, иако компанија наглашава да ће валидација и контекстуализација резултата и даље зависити од стручњака још много година.
Ипак, Астрина објава означава прекретницу: вештачка интелигенција више није ограничена на решавање проблема са познатим одговорима, већ почиње да предлаже оригиналне аргументе о питањима која су у првом плану знања. Прави „тренутак дубоког плавог неба“ у математици можда неће доћи са једним спектакуларним резултатом, већ постепено, како ови модели постају сарадници способни да истраже хиљаде путева и формализују резултате које ниједан истраживач раније није тестирао.
