Niespełna miesiąc po wysypie setek maszynopisów?preprint: Praca naukowa opublikowana przed recenzją — dostępna od razu, ale jeszcze niesprawdzona przez recenzentów. z rozwiązaniami otwartych problemów matematycznych OpenAI ogłosiło 26 października 2026 r. trzy kolejne wyniki — po jednym z matematyki, informatyki i fizyki teoretycznej. Najmocniejsze twierdzenie dotyczy informatyki: przedstawiony algorytm ma obalać hipotezę wykładniczego czasu, uważaną przez większość środowiska za prawdziwą od 1999 r. Zmieniła się jednak nie tylko treść, ale i tryb publikacji.
Najważniejsze w skrócie
- Trzy wyniki: local smoothing dla euklidesowego równania falowego, obalenie hipotezy wykładniczego czasu (ETH) i dowód istnienia dla pewnych interagujących kwantowych teorii pola
- Wynik z informatyki weryfikuje grupa trzech ekspertów: Russell Impagliazzo i Ramamohan Paturi z UC San Diego oraz Ryan Williams z MIT
- Materiały z informatyki — opis wyniku i dowód w Lean — opublikowano na GitHubie natychmiast, na wniosek samej grupy weryfikującej
- Wynik z fizyki nie został udostępniony w całości, a grupę „pasterzy” ma prowadzić David Gross
- Dzień wcześniej panel doradców matematycznych AGMAI zarekomendował, by firmy AI nie stosowały praktyki wskazywania osób otrzymujących wynik jako pierwsze
Wyobraźmy sobie taką sytuację
Model generuje 40-stronicowy dowód twierdzenia, nad którym środowisko pracowało od dekad. Nikt nie wie, czy dowód jest poprawny — żeby to ustalić, trzeba miesięcy pracy kilku osób, które naprawdę znają temat.
Pytanie, które trzeba rozstrzygnąć przed publikacją, nie dotyczy matematyki, a procedury: czy wynik idzie od razu do wszystkich, czy najpierw do wąskiej grupy, która powie, czy to w ogóle ma sens.
Ale pojawia się problem: ktokolwiek dostanie wynik pierwszy, dostaje też przewagę w publikowaniu prac, które z niego wynikają.
I właśnie o tę procedurę toczy się spór wokół dzisiejszego ogłoszenia.
Co dokładnie ogłoszono?
Matematyka
Pierwszy wynik dotyczy matematyki. Model OpenAI wyprodukował dowód hipotezy local smoothing dla fal w każdym wymiarze przestrzennym nie mniejszym niż dwa, posługując się pomocniczym równaniem różniczkowym cząstkowym. Z tego samego dowodu wynikają — według firmy — hipoteza maksymalna i wymiarowa Kakei oraz oszacowania restrykcji sferycznej Steina w całym wnętrzu przewidywanego zakresu.
Warto zestawić to z kalendarzem środowiska: kilka miesięcy wcześniej Hong Wang z NYU otrzymała Medal Fieldsa od Międzynarodowej Unii Matematycznej za rozwiązanie hipotezy Kakei w trzech wymiarach. Nowe twierdzenie dotyczy wszystkich wymiarów.
Informatyka teoretyczna
Drugi wynik to informatyka teoretyczna i jest najbardziej konkretny. Praca podaje deterministyczny algorytm, który dokładnie liczy spełniające wartościowania formuł CNF o ustalonej szerokości w czasie podwykładniczym i pamięci wielomianowej. Przypadek 3-SAT obala hipotezę wykładniczego czasu.
Znaczenie symboli
- …
- liczba zmiennych w formule
- …
- czas działania algorytmu
- …
- zużycie pamięci
- …
- co najmniej wykładniczo — tak zakłada ETH
- …
- podwykładniczo, czyli szybciej niż wykładniczo
Fizyka teoretyczna
Trzeci wynik, z fizyki, nie został udostępniony w całości. OpenAI opisuje go jako matematycznie rygorystyczny dowód istnienia pewnych interagujących kwantowych teorii pola zawierających pola cechowania i fermiony w czterech wymiarach, włącznie z chromodynamiką kwantową i unifikującym domknięciem Modelu Standardowego.
| Dziedzina | Twierdzenie | Co udostępniono | Kto weryfikuje |
|---|---|---|---|
| Matematyka | Local smoothing w każdym wymiarze ≥ 2 | Surowy output modelu | Środowisko, bez wskazanej grupy |
| Informatyka | Hipoteza wykładniczego czasu jest fałszywa | Opis i dowód w Lean na GitHubie | Impagliazzo, Paturi, Williams |
| Fizyka | Dowód istnienia dla interagujących kwantowych teorii pola | Materiał nieudostępniony w całości | Grupa pod kierunkiem Davida Grossa |
Na czym polega tryb „pasterzy”?
Nowością nie jest wynik, a sposób jego wypuszczenia. Dla informatyki i fizyki OpenAI wskazało zewnętrzne grupy ekspertów, które firma nazywa „pasterzami” (shepherds) i które mają prowadzić proces zrozumienia i weryfikacji wyniku.
W informatyce to grupa trzech osób: Russell Impagliazzo i Ramamohan Paturi z UC San Diego — czyli dwaj współautorzy pierwotnego sformułowania hipotezy z 1999 r. — oraz Ryan Williams z MIT. W fizyce grupę ma prowadzić David Gross, a w jej składzie OpenAI wymienia Michaela Douglasa, Arthura Jaffego, Igora Klebanova i Nikitę Nekrasowa.
W przypadku matematyki procedura wyszła inaczej. Doradcy zalecili, by surowy wynik modelu wypuścić od razu i pozwolić badaczom samodzielnie dopracować wyjaśnienia — tak jak przy publikacji z 6 października.
To uproszczony obraz trybu publikacji trzech wyników, a nie opis formalnej procedury zatwierdzonej przez środowisko naukowe.
Grupa z informatyki poprosiła o natychmiastowe upublicznienie materiałów, więc opis wyniku i dowód w Lean trafiły na GitHub tego samego dnia. Równolegle grupa wydała list otwarty do środowiska z pytaniami o to, jak badać takie twierdzenie.
Co znaczą te nazwy?
Ogłoszenie opiera się na kilku pojęciach, które bez tłumaczenia są pustym ciągiem znaków.
- Hipoteza wykładniczego czasu (ETH) — założenie, że problemu 3-SAT (pytanie, czy da się spełnić wszystkie warunki po trzy zmienne logiczne) nie da się rozwiązać istotnie szybciej niż w czasie wykładniczym. Odpowiednik przyjętej z góry granicy prędkości, na której opiera się wiele dowodów złożoności.
- Czas podwykładniczy — tempo rosnące szybciej niż wielomianowo, ale wolniej niż wykładniczo. Różnica między „niewykonalne” a „kosztowne”.
- Lean — język, w którym dowód zapisuje się tak, że komputer sam sprawdza każdy krok. Odpowiednik testów jednostkowych dla matematyki.
- Hipoteza Kakei — pytanie o minimalny „rozmiar” zbioru zawierającego odcinek w każdym kierunku. Pozornie geometryczna ciekawostka, od której zależą wyniki w analizie harmonicznej.
- „Pasterz” (shepherd) — wskazany przez firmę zewnętrzny ekspert, który prowadzi proces zrozumienia i weryfikacji wyniku, zanim środowisko zdąży się nim zająć.
Pięć pierwszych pozycji tej listy opisuje treść wyników. Ostatnia opisuje procedurę — i właśnie ona jest przedmiotem sporu.
Dlaczego nie wystarczy pokazać dowód ekspertom przed publikacją?
Standardem w naukach ścisłych jest preprint na repozytorium i recenzja, w której recenzenci nie zdobywają przywileju pierwszeństwa. Wskazanie „pasterzy” zmienia tę równowagę, bo łączy dwie funkcje: ocenę poprawności i dostęp do wyniku przed innymi.
Rekomendacja panelu AGMAI, przywołana wyżej, celuje dokładnie w ten punkt. Nie podważa prawa ekspertów do oceny dowodu — podważa łączenie tej oceny z przywilejem wcześniejszego dostępu.
Zamiast tego panel zalecił publikowanie wyników na repozytoriach naukowych, z dowodami sformalizowanymi w Lean, informacją o tym, jak wybrano problemy, oraz finansowaniem pracy ludzi, którzy będą te wyniki rozumieć. Sama firma przyznaje, że przyjęte podejście może mieć własne problemy.
Drugi problem jest praktyczny i dotyczy uznania. Jeśli model generuje dowód, a człowiek spędza rok na jego sprawdzeniu, poprawieniu i wyjaśnieniu, to nie jest jasne, co w tym układzie jest wkładem naukowym. List otwarty grupy weryfikującej zadaje to pytanie wprost.
Czy to już działa?
To ogłoszone twierdzenia na etapie weryfikacji, nie potwierdzone wyniki. Materiały z informatyki — opis i dowód w Lean — są publicznie dostępne na GitHubie od 26 października 2026 r. Wynik z matematyki udostępniono jako surowy output modelu. Wynik z fizyki nie został opublikowany w całości.
Żaden z trzech wyników nie przeszedł niezależnej weryfikacji środowiskowej. W informatyce ma ją prowadzić wskazana grupa trzech ekspertów, bez podanego terminu.
Jakie oczekiwania powinny rządzić wczesnym dostępem do wyników generowanych przez AI, ujawnianiem konfliktów interesów i wykorzystaniem niepublikowanego materiału w kolejnych badaniach?
Fragment listu otwartego grupy weryfikującej wynik dotyczący hipotezy wykładniczego czasu.
Dlaczego to ważne?
Spór nie dotyczy już tego, czy model potrafi dowieść twierdzenie. Dotyczy tego, kto ma prawo pierwszy je przeczytać i czyje nazwisko zostanie przy nim na stałe. To przeniesienie konfliktu z warstwy technicznej do warstwy instytucjonalnej, gdzie laboratorium komercyjne ustala normy obowiązujące środowisko naukowe.
Co dalej?
- Grupa Impagliazzo, Paturi i Williamsa ma zbadać i wyjaśnić dowód obalający ETH — materiały są już publiczne, więc równoległa weryfikacja przez środowisko jest możliwa od razu.
- Grupa pod kierunkiem Davida Grossa ma zająć się wynikiem z fizyki, który nie został opublikowany w całości — zakres udostępnienia jest tu pierwszym punktem do rozstrzygnięcia.
- Panel AGMAI zarekomendował publikowanie na repozytoriach naukowych z dowodami w Lean oraz finansowanie pracy weryfikacyjnej — przyjęcie albo odrzucenie tych zaleceń przez OpenAI będzie najbliższym testem relacji firmy ze środowiskiem.
