OpenAI un Anthropic paziņo par matemātikas lēcienu: ko tas nozīmē izglītībā?
2026. gada septembra sākumā divi AI giganti — OpenAI un Anthropic — paziņoja par rezultātiem, kas satricināja matemātikas pasauli. Dažu dienu laikā OpenAI apgalvoja, ka atrisinājis 90 gadus vecu, miljonu dolāru vērtu matemātikas problēmu, bet Anthropic — ka pabeidzis viena no slavenākajiem pierādījumiem pilnu datorpārbaudāmu formalizāciju. Abi paziņojumi raisa ne tikai zinātnisku interesi, bet arī jautājumus par to, kā mākslīgais intelekts maina matemātiku un ko tas varētu nozīmēt izglūtā.
Kas notika? Divi paziņojumi, kas satricināja matemātikas pasauli
OpenAI: Navjē–Stoksa problēma atrisināta 88 stundās
Otrdien, 2026. gada 8. septembrī OpenAI paziņoja, ka aptuveni 10 000 autonomu AI aģentu, kas strādāja ar uzņēmuma iekšējo modeli (daudz jaudīgāku par publiski pieejamo GPT-6 Astra), 88 stundu laikā atrisinājuši Navjē–Stoksa eksistences un gluduma problēmu — vienu no sešām atlikušajām “tūkstošgades prēmijas” (Millennium Prize) problēmām, ko 2000. gadā izvirzīja Clay Mathematics Institute.
Ko īsti nozīmē šis rezultāts?
Navjē–Stoksa vienādojumi apraksta šķidrumu un gāzu plūsmu. Problēma jautā, vai šie vienādojumi vienmēr rada “gludus” risinājumus, vai arī tie var pēkšņi “uzsisties” (angliski: blow up), radot bezgalības jeb singularitātes. OpenAI aģenti secināja, ka singularitātes ir iespējamas — tas nozīmē, ka pat sākot ar gludu šķidrumu, tas var pārvērsties par kaut ko, kas matemātiski “sabojājas” ierobežotā laikā.
Kā tas tika paveikts?
- Risinājums balstās uz spāņu matemātiķu Diego Córdoba un Luis Martínez-Zoroa izstrādātu pieeju.
- OpenAI sistēma ne tikai izveidoja analītisku pierādījumu, bet arī formalizēja to Lean pierādījumu palīgsistēmā, lai dators varētu to pārbaudīt.
- Pēc 88 stundu ilga darba aģenti sasniedza rezultātu 5. septembrī; Lean formalizācija un pārbaude aizņēma vēl 17 stundas.
Strīds par autorību
Paziņojumu ēnoja strīds. NYU matemātiķis Tristans Buckmasters apgalvoja, ka viņš un Anthropic pētnieks Levents Alpögī® strādājuši pie tās pašas problēmas, izmantojot to pašu spāņu matemātiķu pieeju, un ka OpenAI rīkojies steidzīgi, uzzinot par viņu progresu. Buckmasters apgalvo, ka OpenAI mēģinājusi ietekmēt autorības jautājumus.
Anthropic: Fermā pēdējās teorēmas formalizācija 11 dienās
Vēl dažas dienas agrāk, 4. septembrī, Anthropic paziņoja, ka tās AI Claude ir izveidojis pirmo pilnīgu, datorpārbaudāmu Fermā pēdējās teorēmas formalizāciju Lean 4 pierādījumu valodā.
Kas ir Fermā pēdējā teorēma?
Teorēma, ko 17. gadsimtā formulēja franču matemātiķis Pjērs de Fermā, apgalvo: nav tādu pozitīvu veselu skaitļu a, b un c, lai aⁿ + bⁿ = cⁿ, ja n > 2. Šis apgalvojums palika nepierādīts vairāk nekā 350 gadus, līdz 1995. gadā Endrū Vailss (Andrew Wiles) publicēja pierādījumu.
Ko paveica Claude?
Anthropic nepiedāvāja jaunu pierādījumu — tas bija esoša pierādījuma pārvēršana datorpārbaudāmā formā. Taču šis uzdevums, ko matemātiķi paredzēja kā vairāku gadu darbu, tika paveikts 11 dienās.
- Claude gandrīz autonomi ģenerēja aptuveni 13 miljonus Lean koda rindu.
- Tika pierādīti aptuveni 30 300 starpposma teorēmu, no kuriem 29 500 tika izmantoti gala pierādījumā.
- Projekts izmantoja tikai Lean trīs standarta aksiomus un nesaturēja nepierādītas daļas.
Kā tas bija iespējams?
Lai koordinētu desmitiem Claude aģentu, Anthropic izmantoja Prove2Me platformu — sistēmu, kas pārvalda teorēmu atkarības, ļaujot aģentiem redzēt, kurš teorēma ir jāpierāda tālāk. Tas paātrināja kompilāciju un ļāva atkārtoti izmantot jau pierādītus rezultātus.
Kāpēc šie rezultāti ir nozīmīgi?
Matemātikas pārbaudāmība un uzticamība
Abi projekti izmanto Lean — pierādījumu palīgsistēmu, kas ļauj matemātiskos spriedumus pārvērst kodā, ko dators var pārbaudīt rindu pa rindu. Tas novērš cilvēciskas kļūdas un neskaidrības, kas var palikt tradicionālajos pierādījumos.
Ātrums un mērogs
- OpenAI: 90 gadus veca problēma atrisināta 88 stundās.
- Anthropic: Formalizācija, ko paredzēja kā vairāku gadu darbu, pabeigta 11 dienās.
Šis ātrums rāda, ka AI spēj strādāt ar matemātiskiem uzdevumiem mērogā, kas pārsniedz cilvēciskās iespējas.
Autonomija un aģentu koordinācija
Abos gadījumos izmantoti desmitiem vai tūkstošiem autonomu aģentu, kas strādā paralēli. Tas prasa ne tikai spēcīgu modeli, bet arī sistēmas, kas pārvalda darba gaitu, atkarības un progresu.
“Es esmu patiešām nobijies”: matemātiķu reakcijas
Cornell Universitātes matemātiķis un autors Stīvens Strogacs (Steven Strogatz) Wired intervijā atzina, ka viņš ir “patiešām nobijies” no notiekošā. “Zinātne ir aizraujoša, bet tā nāk ar lielu cilvēcisku nesaskaņu,” viņš teica. Strogacs, kas ir grāmatas “Big Math” līdzautors, salīdzināja pašreizējo brīdi ar šausmu filmu, kurā AI, ko vada nesaprotamas sistēmas, tuvojas arvien tuvāk.
Viņš uzsvēra, ka šobrīd matemātikas jomā notiek sacensība starp uzņēmumu laboratorijām, ko daļēji virza cerības uz IPO un finanšu ieguvumiem. “Neviens nerūpējas par Navjē–Stoksa singularitātes problēmu; tikai neliela daļa tīro matemātiķu par to rūpējas,” viņš piebilda, norādot uz plaisu starp akadēmisko interesi un korporatīvo steigu.
Ko tas nozīmē izglūtā?
1. Jauni rīki matemātikas mācīšanai
Lean un līdzīgas pierādījumu valodas var kļūt par mācību rīkiem, ļaujot skolēniem un studentiem redzēt, kā matemātiskie spriedumi tiek pārbaudīti. Tas var padarīt pierādījumus pieejamākus un interaktīvākus.
2. Mainās matemātikas darba daba
Ja AI spēj ātri atrisināt sarežģītas problēmas un formalizēt pierādījumus, matemātiķu loma var pārvietoties no pierādījumu veidošanas uz problēmu formulēšanu, interpretēšanu un lietošanu. Izglītībai būs jāsagatavo studenti šai jaunajai realitātei.
3. Kritiskā domāšana un AI lasītprasme
Skolotājiem būs jāiemāca skolēniem kritiski vērtēt AI ģenerētus rezultātus, saprast to robežas un zināt, kad uzticēties datorpārbaudītiem pierādījumiem. AI lasītprasme kļūst par neatņemamu matemātikas kompetenci.
4. Iespējas pētniecībai un projektam
Skolēni varētu izmantot AI rīkus, lai pētītu matemātiskas problēmas, veidotu savus mazākus formalizētus pierādījumus vai analizētu AI ģenerētus rezultātus. Tas atver jaunas iespējas projektam un pētniecības darbam.
Secinājumi un pārdomas
OpenAI un Anthropic paziņojumi ir vairāk nekā tikai matemātikas sasniegumi — tie ir signāls par to, kā AI maina zināšanu radīšanu. Matemātika, kas gadsimtiem ilgi ir bijusi cilvēciskas domāšanas bastions, tagad piedzīvo transformāciju, kurā mašīnas spēj ne tikai palīdzēt, bet arī patstāvīgi veikt darbu, kas agrāk šľita neiespējams.
Izglītībai ir jāreāģē uz šo maiņu. Skolotājiem ir jābūt gataviem ne tikai izmantot jaunus rīkus, bet arī palīdzēt studentiem saprast, ko šie rīki nozīmē — gan iespējas, gan riskus. Kā teica Strogacs: “Bet mēs vēl neesam filmas beigās.”
Papildu resursi
- OpenAI paziņojums par Navjē–Stoksa problēmu: openai.com/index/navier-stokes-solution
- Anthropic pētījums par Fermā teorēmas formalizāciju: anthropic.com/research/formalizing-fermats-last-theorem
- Wired intervija ar Stīvenu Strogacu: wired.com/story/mathematician-steven-strogatz-grapples-with-ai-recent-breakthroughs
- Quanta Magazine par Navjē–Stoksa atrisinājumu: quantamagazine.org/ai-has-solved-one-of-maths-1-million-millennium-prize-problems-20260908
- GitHub: Anthropic Fermā pēdējās teorēmas formalizācija: github.com/anthropics/fermats-last-theorem
Raksts sagatavots 2026. gada 12. septembrī.
