OpenAI hævder, at AI-agenter har gjort afgørende fremskridt på et af matematikkens hårdeste uløste problemer — men hvad er der faktisk belæg for, og hvad er stadig åbent?
Det politiske spørgsmål
Kunstig intelligens lover at revolutionere videnskaben. Det er ikke længere kun en teknologivirksomheders marketingpåstand — det er en politisk dagsorden. Regeringer investerer milliarder i AI-forskning med løftet om, at maskinerne kan løse problemer, mennesker ikke kan. Når OpenAI så meddeler, at deres AI-agenter har gjort afgørende fremskridt på ét af matematikkens syv største uløste problemer — de såkaldte Millennium-problemer — er det ikke bare et matematikspørgsmål. Det er et spørgsmål om, hvem vi stoler på, hvad videnskabelig validering egentlig betyder, og om AI-virksomheders egne påstande om sig selv kan stå alene.
Navier-Stokes-ligningerne beskriver, hvordan væsker og gasser bevæger sig. De er fundamentale for alt fra flydesign til vejrmodeller og forståelsen af turbulens. Det er et af syv Millennium-problemer udpeget af Clay Mathematics Institute i år 2000 — hvert med en præmie på én million dollars til den, der løser det. Ingen har hidtil gjort krav på præmien for Navier-Stokes.
Nu hævder OpenAI, at de er tæt på. Det kræver en nøgtern gennemgang.
Det empiriske spørgsmål bag
Det centrale spørgsmål er ikke, om AI er klog. Det er langt mere konkret: Har OpenAIs AI-agenter faktisk løst Navier-Stokes-problemet i matematisk forstand — eller har de gjort noget andet, der ligner, men ikke er det samme?
Millennium-problemet for Navier-Stokes handler specifikt om eksistens og glatthed (smoothness): Kan man bevise, at der altid eksisterer en glat, veldefineret løsning til ligningerne i tre dimensioner — eller kan løsningerne "bryde sammen" og blive uendelige (såkaldte singulariteter)? Det er et rent matematisk bevis-problem, ikke et ingeniørmæssigt beregningsproblem.
Hvad ved vi
✓✓ OpenAI har offentliggjort et resultat om Navier-Stokes
OpenAI meddelte, at deres AI-agenter havde produceret et matematisk argument relateret til Navier-Stokes-ligningerne. Ifølge Science News og Science/AAAS drejer det sig om et scenarie, hvor ligningerne selv "vandrer uden for deres eget anvendelsesområde" — altså en konstruktion, der antyder, at ligningerne under visse betingelser kan producere singulariteter.
✓ Resultatet handler om en specifik teknisk egenskab, ikke en fuld løsning
Ifølge Science/AAAS peger fremskridtet på, at det er muligt at konstruere et scenarie, hvori Navier-Stokes-ligningerne løber ind i et sammenbrud. Det er matematisk interessant — men det er ikke det samme som at bevise, at sådanne sammenbrud generelt opstår eller ikke opstår. Et fuldstændigt bevis i den ene eller anden retning kræver langt mere.
✓✓ Uafhængig verifikation mangler stadig
Hverken Clay Mathematics Institute eller det brede matematiske samfund har per artiklernes publiceringstidspunkt valideret resultatet som en løsning på Millennium-problemet. Matematiske beviser af denne kaliber gennemgår en langstrakt peer review-proces, der typisk tager måneder til år. Ingen af de to kildeartikler — hverken fra Science News eller Science/AAAS — konkluderer, at problemet er løst.
✓ AI-agenter er reelt involveret i at generere matematiske argumenter
Det er veldokumenteret fra andre sammenhænge, at store sprogmodeller og AI-systemer kan assistere matematikere med at formulere og undersøge beviser. OpenAIs system er angiveligt ikke blot et beregningsværktøj, men et system der genererer matematiske argumenter, som mennesker derefter vurderer. Det er i sig selv nyt og bemærkelsesværdigt.
~ Påstandens præcise omfang er uklar
Både Science News og Science/AAAS beskriver situationen som kontroversiel. Det er uklart, om OpenAI selv hævder at have løst Millennium-problemet i fuld forstand, eller om mediernes formidling har overskredet virksomhedens egne påstande. Det er en vigtig distinktion, der ikke er afklaret.
Hvad ved vi ikke
Der er mere, vi ikke ved, end det vi ved.
Vi ved ikke, om beviset holder matematisk
Et matematisk bevis er enten korrekt eller forkert — der er ikke et spektrum. Det tager tid at afgøre. Matematikere verden over er i gang med at gennemgå materialet, men en afgørelse er ikke faldet.
Vi ved ikke, hvad AI'en præcist har gjort
Det er ikke offentliggjort fuldt ud, i hvilken grad AI-systemet selvstændigt har genereret de matematiske argumenter, og i hvilken grad menneskelige matematikere har guidet, tilrettet og valideret undervejs. Grænsen mellem "AI løste det" og "AI hjalp matematikere" er central og uafklaret.
Vi ved ikke, om resultatet kvalificerer til Millennium-præmien
Clay Mathematics Institute har specifikke kriterier: Resultatet skal publiceres i et anerkendt fagfællebedømt tidsskrift og derefter stå uimodsagt i to år. Ingen af disse betingelser er opfyldt endnu.
Vi ved ikke, om metoden kan overføres til andre problemer
Selv hvis AI-agenter har bidraget til et genuint fremskridt her, fortæller det ikke nødvendigvis noget om, hvorvidt tilgangen kan bruges på de øvrige Millennium-problemer eller matematisk forskning generelt.
Hvad eksperter er uenige om
Her er uenighederne reelle og substantielle.
~ Er det et gennembrud eller et fremskridt?
Ifølge Science/AAAS er der matematikere, der mener, resultatet er betydningsfuldt og peger i en ny retning for Navier-Stokes-forskningen. Andre er mere forbeholdne og understreger, at der er langt fra et interessant delresultat til en løsning på selve Millennium-problemet. Begge positioner er repræsenteret i det matematiske miljø.
~ Kan AI overhovedet "lave" matematik?
Her er en dybere uenighed: Nogle matematikere og AI-forskere mener, at store sprogmodeller i princippet kan generere valide matematiske argumenter, fordi matematik har en formel struktur, der egner sig til maskinlæring. Andre fastholder, at AI-systemer i dag er sofistikerede mønstertilpassere, der kan producere noget, der ligner et bevis, uden at der bag ved er matematisk forståelse — og at sådanne systemer systematisk producerer plausibelt-klingende fejl, de selv ikke kan opdage.
~ Hvad betyder det for videnskabelig validering?
Hvis AI-systemer begynder at producere matematiske argumenter i en hastighed og kompleksitet, der overstiger menneskers kapacitet til at verificere dem, opstår et strukturelt problem for matematik som fag. Peer review forudsætter, at mennesker kan bedømme hinandens arbejde. Hvis et bevis kræver maskinassistance for overhovedet at kunne kontrolleres, udfordrer det grundlæggende normer for, hvad det vil sige at vide noget i matematik.
⚖ Skal AI-virksomheder have lov til at annoncere matematiske resultater, inden de er verificeret?
Det er et værdispørgsmål med reelle konsekvenser. På den ene side er hurtig offentliggørelse med til at mobilisere eksperter til at verificere resultater. På den anden side kan ukritisk mediebevågenhed om uverificerede påstande forvrænge den offentlige opfattelse af, hvad AI kan — og dermed påvirke investeringer, regulering og politiske beslutninger på et forkert grundlag.
Konklusion
OpenAIs påstand om fremskridt på Navier-Stokes-problemet er ikke ingenting — men den er heller ikke det, overskrifterne antyder. Det, vi med rimelighed kan sige, er dette:
AI-agenter har angiveligt bidraget til et matematisk argument, der berører Navier-Stokes-ligningernes egenskaber på en måde, matematikere finder interessant nok til at tage alvorligt. Det er bemærkelsesværdigt. Det er ikke det samme som at løse Millennium-problemet.
Uafhængig matematisk verifikation mangler. Clay Mathematics Institutes kriterier er ikke opfyldt. Det matematiske samfund er delt i sin vurdering af, hvad resultatet faktisk viser.
Det er præcis den type situation, hvor man bør holde to tanker i hovedet på én gang: AI-assisteret matematik kan være et reelt fremskridt for faget — og ukritisk accept af virksomheders egne påstande om gennembrud er dårlig epistemologi. Begge ting kan være sande.
Indtil uafhængige matematikere har verificeret beviset og fagfællebedømt processen, er den korrekte vurdering: interessant, men uafklaret.