News & analizy
AI w matematyce: co naprawdę pokazały FunSearch i wyniki OpenAI
Zaktualizowano: Autor: Andrzej Niemiec11 min czytania
FunSearch poprawił rekord w problemie cap set, a OpenAI ogłosiło wyniki dla hipotezy Erdősa i równań Naviera–Stokesa. Sprawdzamy, co jest potwierdzone, a co czeka na weryfikację.
Spis treści
- Czy AI rozwiązała już jakieś równanie matematyczne?
- Co naprawdę zrobił FunSearch Google DeepMind w 2023 roku?
- Czy OpenAI obaliło hipotezę Erdősa o odległościach jednostkowych?
- Co wiadomo o wyniku OpenAI dla równań Naviera–Stokesa?
- Jak wypadają te trzy wydarzenia w porównaniu?
- Dlaczego doniesienia o rozwiązaniu problemu milenijnego bywają mylące?
- Czy ChatGPT sam rozwiązuje zadania matematyczne?
- Najczęstsze pytania
- Źródła
Czy AI rozwiązała już jakieś równanie matematyczne?
Nie w sensie ogólnym. Systemy AI znajdują konstrukcje, kontrprzykłady i heurystyki, ale nie podają uniwersalnych rozwiązań równań. 6 października 2026 roku OpenAI opublikowało 722 rękopisy matematyczne wygenerowane przez AI [1]. To materiał do dalszej weryfikacji, nie zbiór zamkniętych dowodów.
W matematyce liczy się status wyniku. Nowy rekord w konkretnym problemie to nie to samo, co dowód fałszywości hipotezy, a ten nie jest tym samym, co rozwiązanie całego problemu. Doniesienia o przełomach AI mieszają te trzy kategorie. Narzędziem, po które najczęściej sięgają osoby pracujące z modelami, jest ChatGPT — jego plany, funkcje i ceny zestawiamy na stronie huba /chatgpt.
Co naprawdę zrobił FunSearch Google DeepMind w 2023 roku?
14 grudnia 2023 roku Google DeepMind ogłosiło FunSearch, metodę łączącą model językowy z automatycznym ewaluatorem [2]. System generował programy, a evaluator odrzucał niepoprawne wyniki [3]. W problemie cap set dla wymiaru 8 znalazł konstrukcję 512 punktów, podczas gdy wcześniejszy rekord wynosił 496 [4].
FunSearch nie rozwiązał problemu cap set. Pokazał nową, weryfikowalną konstrukcję, ale pytanie o maksymalny zbiór punktów w przestrzeni, w której żadne trzy punkty nie leżą na jednej prostej, pozostało otwarte [4][5]. Praca ukazała się w recenzowanym „Nature”, a jej DOI to 10.1038/s41586-023-06924-6 [2]. Metodę zastosowano także do problemu bin packing, gdzie znalazła lepsze heurystyki pakowania [2]. To osiągnięcie przypisuje się Google DeepMind, nie OpenAI [2][3].
Czy OpenAI obaliło hipotezę Erdősa o odległościach jednostkowych?
20 maja 2026 roku OpenAI poinformowało, że jego wewnętrzny model obalił długoletnią hipotezę Paula Erdősa dotyczącą problemu odległości jednostkowych [6]. Problem sformułowano w 1946 roku, więc część mediów opisuje go jako zagadnienie sprzed około 80 lat [6][7].
Wynik nie zamyka całego problemu. Pokazuje, że konkretna hipoteza Erdősa była zbyt mocna — nie podaje ostatecznej odpowiedzi na pytanie o maksymalną liczbę par punktów w każdej konfiguracji [6]. To różnica, którą w skrótowych relacjach łatwo zgubić. Więcej o modelach OpenAI piszemy na stronie /chatgpt.
Co wiadomo o wyniku OpenAI dla równań Naviera–Stokesa?
8 września 2026 roku OpenAI ogłosiło wynik dotyczący równań Naviera–Stokesa, uzyskany przy użyciu około 10 tysięcy agentów w ciągu 88 godzin. Firma podała około 3 mln komunikatów i 130 mld tokenów [8]. Szacowany koszt obliczeń wynosił około 6–10 mln dolarów, zależnie od przyjętego cennika i sposobu liczenia [8][10].
To nie jest uznane rozwiązanie problemu milenijnego. Niezależna weryfikacja i akceptacja przez Clay Mathematics Institute nie nastąpiły, a eksperci wskazywali na użycie kontrowersyjnego wymuszenia zewnętrznego [9][10]. Media opisały sprawę jako sporną, a nie przesądzoną [11].
Jak wypadają te trzy wydarzenia w porównaniu?
| Kryterium | FunSearch (2023) | OpenAI, hipoteza Erdősa (2026) | OpenAI, Navier–Stokes (2026) |
|---|---|---|---|
| Data ogłoszenia | 14 grudnia 2023 [2] | 20 maja 2026 [6] | 8 września 2026 [8] |
| Metoda | model językowy z automatycznym ewaluatorem [2] | wewnętrzny model OpenAI [6] | około 10 tys. agentów w 88 godzin [8] |
| Co osiągnięto | konstrukcja 512 punktów zamiast 496 [4] | obalenie konkretnej hipotezy [6] | ogłoszony wynik bez niezależnej weryfikacji [9] |
| Status problemu | otwarty [5] | otwarty [6] | nieuznany [10][11] |
| Podstawa weryfikacji | recenzja w „Nature” [2] | komunikat OpenAI [6] | brak akceptacji instytucji [9] |
Dlaczego doniesienia o rozwiązaniu problemu milenijnego bywają mylące?
Instytut Matematyczny Claya oferuje milion dolarów za rozwiązanie każdego z siedmiu problemów milenijnych sformułowanych w 2000 roku. Do tej pory matematycy rozwiązali jeden [12]. Równania Naviera–Stokesa są jednym z tych siedmiu, więc każda zapowiedź rozwiązania budzi ogromne oczekiwania.
OpenAI podało, że jego agent rozwiązał lub przybliżył się do rozwiązania ponad 370 problemów matematycznych, a jednocześnie odmówiło ekspertom wglądu w proces [13]. Bez dostępu do rozumowania i bez niezależnej weryfikacji zewnętrzny odbiorca nie ma podstaw, by uznać wynik za dowód [9][10]. W relacjach medialnych pojawia się też sformułowanie o zagadce sprzed ponad 90 lat, które miesza różne problemy [11].
Czy ChatGPT sam rozwiązuje zadania matematyczne?
ChatGPT pozostaje narzędziem do pracy z matematyką, ale nie jest dowodem automatycznym. 7 października 2026 roku OpenAI rozpoczęło globalny rollout modelu GPT-6 z Intelligent UI, a 15 października 2026 roku udostępniło GPT-6.1 Sol w ChatGPT Work i Codex [15]. Plany obejmują Free, Go za 8 USD miesięcznie, Plus za 20 USD i Pro za 200 USD; ceny w Polsce są podawane w złotówkach i mogą różnić się od przeliczenia kursowego [14].
Do zadań wymagających sprawdzenia wyniku lepiej traktować odpowiedź modelu jako hipotezę. Model może wskazać kierunek, ale ciężar weryfikacji zostaje po stronie człowieka [3][9]. O zmianach w modelach pisaliśmy też w tekstach o /posts/gpt-5-5-polknal-codex-czy-developerzy-straca-precyzje-za-uniwersalnosc i o /posts/klauzula-agi-openai-microsoft-wygasla-co-teraz-z-polskimi-startupami-ai.
Najczęstsze pytania
Czy AI rozwiązała problem Naviera–Stokesa?
Nie ma uznanego rozwiązania. OpenAI ogłosiło 8 września 2026 roku wynik uzyskany przez około 10 tysięcy agentów w 88 godzinach [8]. Clay Mathematics Institute nie potwierdził rozwiązania, a eksperci wskazywali na kontrowersyjne wymuszenie zewnętrzne i brak niezależnej weryfikacji [9][10]. Do czasu recenzji i akceptacji pozostaje to twierdzenie firmy, a nie ustalony fakt matematyczny.
Czym był FunSearch?
FunSearch to metoda Google DeepMind ogłoszona 14 grudnia 2023 roku, łącząca model językowy z automatycznym ewaluatorem [2]. System generował programy, które evaluator odrzucał lub akceptował [3]. W problemie cap set dla wymiaru 8 znalazł konstrukcję 512 punktów wobec wcześniejszych 496, ale nie rozstrzygnął problemu [4]. Praca ukazała się w „Nature” [2].
Czy AI potrafi udowodnić twierdzenie?
Potrafi generować kandydatów na dowody i konstrukcje, ale nie gwarantuje poprawności. FunSearch pracował na wynikach ocenialnych automatycznie [3]. Przy problemach bez takiego mechanizmu weryfikacja wymaga pracy matematyków [9]. OpenAI opublikowało 722 rękopisy wygenerowane przez AI, co samo w sobie jest materiałem do sprawdzania, a nie zbiorem gotowych dowodów [1].
Ile kosztowało obliczenie wyniku dla równań Naviera–Stokesa?
Szacunki mówią o około 6–10 mln dolarów, zależnie od przyjętego cennika i sposobu liczenia [8][10]. Obliczenie objęło około 10 tysięcy agentów, 88 godzin pracy, około 3 mln komunikatów i 130 mld tokenów [8]. To koszt samego przeliczenia, bez wyceny czasu ludzi potrzebnych do weryfikacji wyniku.
Czy wyniki AI w matematyce są weryfikowane?
W różnym stopniu. FunSearch przeszedł recenzję w „Nature” [2], a wynik dla hipotezy Erdősa i równań Naviera–Stokesa pozostaje na etapie komunikatu OpenAI [6][8]. NPR podsumowało sprawę Naviera–Stokesa tak, że ludzkość na razie niewiele się z niego nauczyła [10]. Brak wglądu w proces utrudnia niezależne sprawdzenie [13].
Źródła
- Przełomy OpenAI w matematyce AI: co oznaczają najnowsze wyniki (DataCamp, 2026) — https://www.datacamp.com/pl/blog/openai-math-breakthroughs-what-the-latest-results-mean
- FunSearch: Making new discoveries in mathematical sciences using Large Language Models (Google DeepMind, 2023) — https://deepmind.google/blog/funsearch-making-new-discoveries-in-mathematical-sciences-using-large-language-models
- AI scientists make „exciting” discovery using chatbots to solve maths problems (The Guardian, 2023) — https://www.theguardian.com/science/2023/dec/14/ai-scientists-make-exciting-discovery-using-chatbots-to-solve-maths-problems
- DeepMind’s AI finds new solution to decades-old math puzzle — outsmarting humans (The Next Web, 2023) — https://thenextweb.com/news/deepminds-ai-finds-solution-to-decades-old-math-problem
- FunSearch (Wikipedia, 2023) — https://en.wikipedia.org/wiki/FunSearch
- An OpenAI model has disproved a central conjecture in discrete geometry (OpenAI, 2026) — https://openai.com/index/model-disproves-discrete-geometry-conjecture
- OpenAI makes breakthrough on 80-year-old maths problem (The Guardian, 2026) — https://www.theguardian.com/technology/2026/may/21/openai-paul-erdos-maths-problem-breakthrough
- OpenAI says it cracked 90-year-old maths problem in 88 hours (BBC, 2026) — https://www.bbc.com/news/articles/cy7zygy3rl2o
- Did OpenAI solve the wrong Navier-Stokes problem? (Scientific American, 2026) — https://www.scientificamerican.com/article/did-openai-solve-the-wrong-navier-stokes-problem
- AI solved one of math's hardest problems. Humanity learned nothing (so far) (NPR, 2026) — https://www.npr.org/2026/09/22/nx-s1-5968588/openai-navier-stokes-problem-mathematicians-learn-little
- AI rozwiązała problem milenijny. Spór OpenAI z badaczami (tvn24, 2026) — https://tvn24.pl/technologia/ai-rozwiazala-problem-milenijny-spor-openai-z-badaczami-o-co-chodzi-st9230212
- Czy to przełom w matematyce? OpenAI ogłosiło rozwiązanie problemu milenijnego (Tygodnik Powszechny, 2026) — https://www.tygodnikpowszechny.pl/czy-przelom-w-matematyce-openai-oglosilo-rozwiazanie-problemu-milenijnego
- Matematycy jeszcze nie ochłonęli po ostatnim przełomie AI (gry-online, 2026) — https://www.gry-online.pl/newsroom/matematycy-jeszcze-nie-ochloneli-po-ostatnim-przelomie-ai-a-opena/z631e58
- Plans and Pricing (ChatGPT, 2026) — https://chatgpt.com/pricing
- ChatGPT release notes (OpenAI Help Center, 2026) — https://help.openai.com/en/articles/6825453-chatgpt-release-notes
Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.
Jak powstają teksty: Polityka AI · O redakcji