AI w matematyce przekroczyła próg, który jeszcze niedawno wydawał się odległy. OpenAI ogłosiło, że wewnętrzna wersja modelu Astra rozwiązała dziesięć problemów matematycznych, nad którymi od co najmniej dekady nie odnotowano postępu. Koszt jednego rozwiązania firma oszacowała na mniej niż 2000 dolarów w tokenach, licząc według cen modelu GPT-5.6 Sol.
Co dokładnie zrobiła Astra
Najważniejszy jest sposób potwierdzenia wyników. Dowody sformalizowano w języku Lean 4 i zweryfikowano maszynowo, krok po kroku, bez przyjmowania niczego na słowo. To odróżnia te rezultaty od wcześniejszych zapowiedzi, w których model jedynie twierdził, że coś udowodnił. Kod dowodów OpenAI udostępniło w repozytorium open source, więc każdy może je sprawdzić samodzielnie.
Reakcje środowiska są mieszane. Część matematyków mówi wprost o kryzysie tożsamości dziedziny, inni widzą w tym szansę. Fields medalista Terence Tao od dawna opisuje przyszłość matematyki jako współpracę ludzi i maszyn.
„Wielkie, rozproszone współprace ludzi i maszyn, w których złożone zadania matematyczne można dzielić na części: ludzie biorą to, co twórcze, a AI wykonuje większość technicznej, żmudnej pracy." — Terence Tao
Co to znaczy dla polskiego biznesu
Dla firm ta zapowiedź to sygnał kierunku, a nie gotowe narzędzie. Astra pracowała na wąskiej, zamkniętej klasie problemów, z formalną weryfikacją każdego kroku. W codziennej pracy biurowej takiego rygoru zwykle nie ma, dlatego wyniki modeli językowych nadal wymagają kontroli człowieka.
Warto jednak zapamiętać mechanizm, który tu zadziałał: sprawdzalność. Tam, gdzie odpowiedź AI da się zweryfikować niezależnie, na przykład testem, danymi albo jasną regułą, można jej zaufać bardziej niż tam, gdzie trzeba wierzyć na słowo. To praktyczna wskazówka przy projektowaniu procesów z AI. Zamiast pytać, czy model się nie myli, lepiej budować proces wokół tego, co da się potem sprawdzić.
Źródło: OpenAI — Ten advances in mathematics (EN), 1 sierpnia 2026. Komentarz i kontekst: Simon Willison (EN) oraz IEEE Spectrum (EN).
