OpenAI hevder AI har løst Navier-Stokes – så kom striden om æren

OpenAI hevder at et internt AI-system har løst Navier-Stokes-problemet, en av matematikkens virkelig store uløste oppgaver. Hvis beviset holder, er dette et historisk gjennombrudd. Men før matematikere har rukket å gå ordentlig gjennom arbeidet, har lanseringen blitt viklet inn i en stygg strid om ideer, brukerdata og hvem som skulle få æren.

Det er nesten vanskelig å ta inn selve prestasjonen. OpenAI sier at rundt 10 000 samtidige AI-agenter fant et bevis på at en glatt væskebevegelse kan utvikle en singularitet på endelig tid. Resultatet er lagt fram både som et matematisk manuskript og som et formalisert bevis i Lean. Det er langt mer håndfast enn en modell som bare spytter ut et selvsikkert svar.

Samtidig er ikke «OpenAI har løst problemet» en ferdig konklusjon ennå. Lean kan kontrollere at formelle trinn følger reglene i systemet, men matematikerne må fortsatt kontrollere at formaliseringen uttrykker den riktige påstanden og at hele argumentet holder. Og så kommer den andre delen: Matematikeren Tristan Buckmaster hevder at OpenAI satte inn enorme ressurser etter å ha fått høre om et nært beslektet arbeid han hadde gjort sammen med Levent Alpöge. OpenAI avviser at forskernes arbeid eller konkrete brukerdata ble brukt til å styre agentene.

Hva hevder OpenAI å ha løst?

OpenAI hevder å ha vist at Navier-Stokes-ligningene kan utvikle en singularitet på endelig tid, selv når væsken starter rolig og påvirkes av en glatt ytre kraft. Det vil i så fall avgjøre alternativ C og D i den offisielle problemformuleringen og løse ett av de sju Millennium-problemene som Clay Mathematics Institute valgte ut i 2000.

Navier-Stokes-ligningene beskriver hvordan væsker og gasser beveger seg. De brukes blant annet i flydesign, værvarsling og studier av blodstrøm. Ligningene ble utviklet på 1800-tallet, mens spørsmålet OpenAI nå hevder å ha avgjort, har stått åpent i rundt 90 år. Clay Mathematics Institute fører fortsatt problemet som uløst mens dette skrives.

En singularitet betyr i denne sammenhengen at hastigheten i den matematiske væsken vokser uten noen øvre grense innen begrenset tid. En virkelig væske kan naturligvis ikke få uendelig fart. Poenget er at selve modellen da bryter sammen, og at man må beskrive systemet på en annen måte. OpenAI beskriver løsningen som en virvel som trekkes innover, strekkes og roterer stadig raskere, samtidig som den totale energien forblir endelig.

Millennium-prisen er på én million dollar, omtrent 9,3 millioner kroner med kursen 9. september 2026. OpenAI sier imidlertid at selskapet ikke har tenkt å kreve prisen. Og selv om beviset viser seg å være riktig, kan ingen hente en sjekk på vei hjem fra pressekonferansen. Clay krever publisering i et godkjent matematisk tidsskrift og minst to år med allmenn aksept i fagmiljøet før en løsning vurderes.

Hvordan fant 10 000 AI-agenter beviset?

OpenAI startet forsøket 1. september 2026 etter rykter om at to Millennium-problemer kunne være løst. Selskapet fordelte ulike varianter av problemene på grupper av koordinerte agenter. Gruppen som til slutt fant Navier-Stokes-resultatet, vokste til rundt 10 000 samtidige agenter med tilgang til kodeverktøy og en bufret kopi av internett.

Dette var ikke én chatbot som fikk spørsmålet «kan du løse Navier-Stokes?» og svarte før kaffen var kald. OpenAI oppgir at agentene sendte 2,7 millioner meldinger og produserte omtrent 130 milliarder output-tokens bare i arbeidet med Navier-Stokes. Hele forsøket på flere store matematikkproblemer kom opp i 4,9 millioner meldinger og 300 milliarder output-tokens. Forskningssjef Mark Chen sa til WIRED at regnekraften kostet flere millioner dollar – minst rundt 19 millioner kroner med kursen 9. september 2026.

Agentene fant først et resultat for Euler-ligningene, som ligner Navier-Stokes uten viskositetsleddet. OpenAI brukte deretter dette resultatet til å styre flere grupper mot Navier-Stokes. Codex samlet lovende innsikter på tvers av gruppene, og en nyere utgave av den interne modellen ble satt inn underveis. Ifølge OpenAIs egen tekniske redegjørelse tok det omtrent 88 timer å komme fram til løsningen, fulgt av 17 timer med Lean-formalisering og kontroll ved hjelp av GPT-6 Astra.

Skalaen er viktig fordi den forteller hva slags gjennombrudd dette eventuelt er. Dette er ikke bevis på at en vanlig ChatGPT-bruker nå kan løse århundregamle problemer i en nettleser. OpenAI brukte en intern modell som selskapet beskriver som betydelig kraftigere enn GPT-6 Astra, en enorm agentorganisasjon, menneskelig styring og regnekraft til millioner av dollar. Det gjør ikke resultatet mindre imponerende. Det gjør bare historien sannere.

Hvorfor anklager Tristan Buckmaster OpenAI?

Buckmaster hevder at OpenAI trappet opp jakten på løsningen etter at selskapet fikk høre om arbeidet hans med Alpöge. De to hadde brukt flere AI-modeller, blant annet Claude og Codex, til å videreutvikle en matematisk linje fra Diego Córdoba og Luis Martínez-Zoroa. 15. august fikk de resultater om singulariteter med glatt kraft for Boussinesq- og Euler-ligningene, og Euler-resultatet ble kontrollert i Lean 22. august.

Det er viktig å holde tungen rett i munnen her: Buckmaster og Alpöge la ikke fram den samme Navier-Stokes-løsningen som OpenAI hevder å ha funnet. Deres publiserte arbeid gjelder blant annet Euler med en glatt ytre kraft, mens OpenAI sier at agentene først fant et resultat for Euler uten ytre kraft og deretter et eget resultat for Navier-Stokes med glatt kraft. Arbeidene er nært beslektet, men de er ikke identiske.

I en fire sider lang redegjørelse skriver Buckmaster at den glatte, påtvungne ruten til problemet var et rødt flagg fordi svært få arbeidet i den retningen. Han hevder også at OpenAI først ga inntrykk av svært lite menneskelig innblanding, før det kom fram at et helt lag, lettere delproblemer og svært mye regnekraft hadde vært involvert.

De mest alvorlige påstandene handler likevel om samtalene etterpå. Buckmaster hevder at OpenAI foreslo at han alene kunne skrive en artikkel som presenterte AI-resultatet, uten Alpöge som medforfatter, fordi Alpöge arbeider i Anthropic. Han gjengir også formuleringer han oppfattet som trusler mot karrieren. Dette er Buckmasters versjon av samtaler som ikke er offentlig dokumentert med opptak eller full korrespondanse, og han understreker selv at han ikke vet om dataene deres ble brukt. OpenAI-forsker Sébastien Bubeck har avvist at han foreslo å fjerne Alpöges navn.

Kan Codex-data ha påvirket den interne modellen?

Det vet vi ikke. Buckmaster sier at han spurte om modellen var trent på eller hadde tilgang til Codex-øktene der forskerne hadde lagt inn utkast gjennom hele prosjektet. Ifølge ham svarte OpenAI at modellen ikke slo opp brukerdata, men ga ikke et klart svar på spørsmålet om trening.

OpenAI skriver at verken forskerne eller agentene så Buckmaster og Alpöges arbeid før det ble offentliggjort. Selskapet sier også at ingen konkrete brukerdata ble hentet fram for å løse problemet. Men OpenAI tar et viktig forbehold: Selskapet kan ikke utelukke at avidentifiserte data fra forskernes bruk av produktene bidro til å forbedre modellene.

Det forbeholdet er ikke et bevis på at forskernes ideer havnet i modellen. Samtidig er det heller ikke et svar som rydder bordet. Når en kunde bruker et kommersielt AI-verktøy til upublisert forskning, er forskjellen mellom «ingen slo opp økten din» og «data fra bruken kan ha forbedret modellen» ganske vesentlig. Hvis OpenAI vil ha tillit i forskning, må selskapet kunne forklare denne kjeden mye skarpere enn som så.

Her ligger et praktisk råd for forskere og bedrifter allerede nå: Ikke legg upublisert, patenterbart eller konkurransesensitivt materiale i en AI-tjeneste før du vet hvilke datavilkår som gjelder for akkurat kontoen og produktet du bruker. Kontroller lagring, modelltrening, administratorinnstillinger og eventuell avtale om databehandling. Et kjent produktnavn er ikke det samme som et fortrolighetsstempel.

Er beviset godkjent fordi det finnes i Lean?

Nei. En Lean-formalisering er svært sterk dokumentasjon, men ikke et magisk kvalitetsstempel som gjør faglig kontroll overflødig. Bevisassistenten sjekker at hvert formelt trinn følger de oppgitte reglene. Matematikere må fortsatt kontrollere at definisjonene, antakelsene og koblingen til Clay-problemet er riktige.

Det er likevel en enorm forskjell på en løs AI-generert tekst og et formalisert bevis som andre kan laste ned og kontrollere. OpenAI har publisert både manuskriptet og Lean-koden. Dermed kan fagmiljøet lete etter feil i noe konkret, i stedet for å vurdere et glanset sammendrag og noen skjermbilder. Akkurat sånn bør en påstand av denne størrelsen legges fram.

Historien viser også hvorfor menneskelig lesbarhet fortsatt betyr noe. Buckmaster beskriver sitt eget første AI-genererte Euler-bevis som elendig å lese, selv om det senere ble kontrollert i Lean. Et formelt korrekt bevis kan være vanskelig å forstå, lære av og bygge videre på. Matematikk handler ikke bare om å få grønt lys fra en kontrollør; fagfolk må også forstå hvorfor argumentet virker.

Det store AI-gjennombruddet kan overleve skandalen

Striden om kreditering må undersøkes, og OpenAIs uklare forbehold om avidentifiserte brukerdata fortjener ordentlige svar. Man kan ikke be forskere legge livsverket sitt i kommersielle AI-verktøy og så bli vag når spørsmålet er om arbeidet kan ha hjulpet en intern konkurrent. Hvis Buckmasters beskrivelse av forfattersamtalene stemmer, ser det rett og slett ille ut.

Men det bør heller ikke få selve teknologien til å forsvinne. Buckmaster beskriver samarbeidet mellom matematiker og språkmodell som et Deep Blue-Kasparov-øyeblikk. OpenAIs system gikk enda lenger i skala: tusenvis av agenter, millioner av meldinger, kodeverktøy, formell verifikasjon og et mulig svar på et problem som har stått i generasjoner. Det er omtrent så langt fra «AI kan skrive en e-post» som det er mulig å komme.

Dette passer også inn i en større utvikling hos OpenAI. Jeg har tidligere skrevet om hvordan Codex ble brukt i utviklingen av en ny modell. Nå ser vi samme grunnidé flyttet inn i matematisk forskning: mange agentløp, verktøybruk, samling av delresultater og kontroll i et formelt system. Det er ikke én genial replikk fra en chatbot. Det er en ny type forskningsmaskin.

Foreløpig er riktig dom derfor todelt. OpenAI kan ha levert et av de sterkeste eksemplene hittil på at AI faktisk skaper ny vitenskapelig kunnskap. Samtidig kan selskapet ha håndtert menneskene og historikken rundt gjennombruddet på en måte som svekker tilliten akkurat når den trengs mest. Beviset må få en grundig faglig kontroll. Påstandene om data og kreditering må få en like grundig offentlig forklaring. Ingen av delene bør feies bort for å redde en pen lansering.

Ofte stilte spørsmål