OpenAI: Uusi tekoäly ratkaisi tai edisti kymmentä pitkään avointa matematiikan ongelmaa

OpenAI kertoo vielä julkaisemattoman Astra-tekoälymallinsa ratkaisseen tai edistäneen merkittävästi kymmentä matematiikan ja teoreettisen tietojenkäsittelytieteen avointa ongelmaa. Mukana on tuloksia muun muassa moniulotteisesta pallojen pakkauksesta, kvanttilaskennasta ja kryptografiaan liittyvistä hilaverkoista. Saavutusten lopullinen painoarvo selviää, kun riippumattomat asiantuntijat ehtivät tutkia laajan aineiston.

OpenAI julkaisi 1. elokuuta 2026 peräti 249-sivuisen tutkimuskoonnin, jonka kymmenen tulosta ulottuvat puhtaasta matematiikasta teoreettiseen tietojenkäsittelytieteeseen. Yhtiön mukaan jokainen niistä joko ratkaisee pitkään avoimena olleen ongelman tai vie sitä huomattavasti eteenpäin.

Matemaattiset perustelut tuotti OpenAI:n sisäinen versio Astrasta, jota yhtiö kuvailee seuraavaksi suureksi mallikseen. Astraa ei ole vielä julkaistu yleiseen käyttöön, eikä OpenAI kertonut julkaisun yhteydessä sen saatavuudesta tai aikataulusta.

Kyse ei ole tavallisesta kokeesta, jossa tekoäly vastaa valmiiksi ratkaistuihin tehtäviin. Yhtiö väittää mallin löytäneen uusia todistuksia ja vastaesimerkkejä ongelmiin, joiden parissa matemaatikot ovat työskennelleet pitkään.

Ratkaisujen etsimisen tokenit maksoivat arviolta 2 000 dollaria

Yksi julkaisun hätkähdyttävimmistä yksityiskohdista koskee hintaa. Yhtiö arvioi ratkaisujen löytämiseen kuluneen tokenimäärän maksavan noin 2 000 dollaria Sol API -hinnoilla.

Lukua on kuitenkin tulkittava tarkasti. Se kuvaa laskennallista tokenkulua valmiin mallin käyttämisestä, ei Astran kouluttamisen, tutkimusinfrastruktuurin, ihmisten työn tai koko hankkeen todellista kustannusta.

Yhtiön mukaan ihmiset valmistelivat matemaattiset käsikirjoitukset mallin avustuksella sen jälkeen, kun Astra oli tuottanut varsinaiset argumentit. Malli muodollisti todistukset lisäksi Lean-järjestelmällä tarkistettaviksi varmenteiksi, ja näitä tiedostoja on julkaistu avoimessa GitHub-tietovarastossa.

1. Pallojen pakkaukseen uusi tulos vuosikymmenten jälkeen

Pallojen pakkausongelmassa kysytään, kuinka tiiviisti keskenään samanlaisia palloja voidaan sijoittaa tilaan. Kolmiulotteisessa maailmassa asiaa voi ajatella appelsiinien pinoamisena, mutta korkeissa ulottuvuuksissa ongelma muuttuu abstraktiksi ja huomattavan vaikeaksi.

Tutkimuskoonnin mukaan Astra määritti täsmällisesti Cohn–Elkies-menetelmän asymptoottisen voimakkuuden ja sai uuden yleisen ylärajan korkeiden ulottuvuuksien pakkaustiheydelle. Käsikirjoitus kuvaa tulosta ensimmäiseksi yleisen eksponentin parannukseksi sitten vuoden 1978.

2. Tehokkaampia rajoja virheitä sietäville koodeille

Binäärikoodien tutkimuksessa selvitetään, kuinka paljon toisistaan riittävästi eroavia bittijonoja voidaan muodostaa. Riittävä etäisyys koodisanojen välillä auttaa tunnistamaan ja korjaamaan tiedonsiirrossa syntyviä virheitä.

Yhtiön mukaan Astra tuotti eksponentiaalisesti aiempaa vahvempia ylärajoja binäärikoodien enimmäiskoolle kaikilla määrätyillä vähimmäisetäisyyksillä. Vastaavia tuloksia saatiin myös pallokoodeille, joita tarkastellaan moniulotteisen pallopinnan pistejoukkoina.

3. Kaikkia ryhmiä ei voikaan jäljitellä äärellisillä malleilla

Ryhmäteoriassa ryhmä on matemaattinen rakenne, jolla kuvataan esimerkiksi symmetrioita ja niiden yhdistämistä. Sofisiksi kutsuttuja ryhmiä voidaan tietyssä mielessä lähestyä äärellisten permutaatioiden avulla.

Pitkään oli avoinna, ovatko kaikki numeroituvat ryhmät soficisia. Julkaisun mukaan Astra rakensi eksplisiittisen esimerkin ei-sofisesta ryhmästä, mikä antaisi kysymykseen kielteisen vastauksen.

4. Connesin jäykkyyskonjektuurille vastaesimerkki

Alain Connesin jäykkyyskonjektuuri koskee ryhmien ja niistä muodostettujen von Neumannin algebrojen välistä yhteyttä. Yksinkertaistettuna kysymys on siitä, säilyttääkö algebra tarpeeksi tietoa alkuperäisen ryhmän yksilöimiseksi.

Julkaistussa aineistossa rakennetaan äärettömän monta keskenään erilaista ryhmää, joilla on sama ryhmä-von Neumannin algebra. Jos argumentti kestää asiantuntijoiden tarkastelun, se kumoaa pitkään tutkitun konjektuurin.

5. Uusia alarajoja permanentin laskemiselle

Permanentti on matriisista laskettava suure, joka muistuttaa determinanttia mutta on yleensä paljon vaikeampi laskea. Sen laskennan vaativuus on keskeinen kysymys laskennallisessa kompleksisuusteoriassa.

Astra löysi tutkimuskoonnin mukaan uusia alarajoja sille, kuinka suuria aritmeettisia piirejä ja kaavoja permanentin laskeminen vaatii. Kaavoille esitetty alaraja on suuruusluokkaa n⁴/log n. Tulos ei yksin ratkaise kuuluisaa P vastaan NP -ongelmaa, mutta se rajaa sitä, kuinka tehokkaasti tärkeä laskennallinen tehtävä voidaan toteuttaa tietyillä malleilla.

6. Kvanttipelien toistumiselle yleinen tulos

Rinnakkaisen toiston periaate tarkastelee, mitä tapahtuu, kun sama peli tai testi suoritetaan monta kertaa yhtä aikaa. Klassisessa tapauksessa onnistumisen todennäköisyyden odotetaan pienenevän nopeasti, jos kaikkia kierroksia täytyy voittaa.

Kvanttimaailmassa pelaajat voivat hyödyntää lomittumista, mikä tekee tilanteesta vaikeamman. Julkaisun mukaan Astra todisti eksponentiaalisen rinnakkaistoiston kaikille äärellisille kahden pelaajan kvanttipeleille ja laajensi näin aiemmin vain erityistapauksissa tunnetun periaatteen yleiseksi.

7. Hilan lähimmän pisteen ongelman vaikeudesta uutta tietoa

Lähimmän vektorin ongelmassa etsitään moniulotteisesta hilasta piste, joka on lähimpänä annettua kohdetta. Hilatehtävät ovat tärkeitä myös kvanttitietokoneita kestäväksi suunnitellussa kryptografiassa.

Julkaisun mukaan Astra johti 3SAT-ongelmasta suoran reduktion ja osoitti euklidisen lähimmän vektorin ongelmalle polynomisen approksimointivaikeuden. Kyse on ongelman laskennallista vaikeutta koskevasta tuloksesta, ei ilmoituksesta, että käytössä olevat salausjärjestelmät olisi murrettu.

8. Ehrhartin tilavuuskonjektuuri ratkesi kaikissa ulottuvuuksissa

Ehrhartin konjektuuri kysyy, kuinka suuri voi olla konveksin kappaleen tilavuus, kun sen painopiste on kappaleen ainoa sisäinen hilapiste. Astra ratkaisi tutkimuskoonnin mukaan tarkan ylärajan jokaisessa ulottuvuudessa.

Tämä tulos kuuluu diskreetin geometrian alueelle, jossa jatkuvia muotoja tutkitaan kokonaislukupisteiden muodostaman hilan avulla. Samantyyppisiä rakenteita esiintyy geometriassa, optimoinnissa ja lukuteoriassa.

9. Monivärisiin Ramseyn lukuihin supereksponentiaalinen alaraja

Ramseyn teoriassa tutkitaan sitä, milloin riittävän suuri rakenne sisältää väistämättä tietyn järjestyksen. Monivärisessä kolmio-ongelmassa täydellisen verkon särmät väritetään useilla väreillä ja kysytään, kuinka suuri verkon täytyy olla, jotta yksivärinen kolmio on pakko syntyä.

Astran tuottama supereksponentiaalinen alaraja ratkaisee yhtiön mukaan Paul Erdősin ongelmaluettelon kohdan 183. Tulos kertoo, että yksivärisen kolmion välttäviä värityksiä voidaan rakentaa huomattavasti suurempiin verkkoihin kuin aiempi tieto osoitti.

10. Kaksi graafiteorian konjektuuria kumoutui

Viimeinen kokonaisuus käsittelee ekstremalista graafiteoriaa, jossa selvitetään, kuinka tiheitä verkkoja voidaan rakentaa ilman tiettyjä kiellettyjä rakenteita. Tutkimus esittää erilliset kaksijakoiset graafikonstruktiot kahta konjektuuria vastaan.

Yhtiön mukaan vastaesimerkit kumoavat Erdősin ja Miklós Simonovitsin kompaktisuuskonjektuurin sekä toisen degeneraatioon liittyvän Erdős-konjektuurin. Samalla ratkeaisivat Erdősin ongelmaluettelon kohdat 146 ja 180.

Lean-varmenne ei poista asiantuntijoiden tarvetta

Lean on todistusavustin, joka tarkistaa koneellisesti, seuraako muodolliseen kieleen kirjoitettu päätelmä hyväksytyistä määritelmistä ja säännöistä. Se voi havaita aukkoja, jotka erittäin pitkässä käsin kirjoitetussa todistuksessa jäisivät helposti huomaamatta.

Koneellisesti tarkistuva varmenne on siten huomattavasti vahvempi tuki kuin pelkkä tekoälyn tuottama vakuuttavan kuuloinen teksti. Se ei silti yksin ratkaise kaikkia tieteellisiä kysymyksiä: matemaatikkojen on arvioitava muun muassa, vastaavatko muodollistetut väitteet täsmälleen tarkoitettua ongelmaa, ovatko oletukset oikeat ja kuinka merkittäviä menetelmät ovat suhteessa aiempaan tutkimukseen.

Uudet kymmenen tulosta julkaistiin yhtiön omana tutkimuskoontina. Yhtiö kutsuu matemaattista yhteisöä tutkimaan argumentteja, asettamaan ne oikeaan asiayhteyteen ja rakentamaan niiden pohjalta uutta tutkimusta.

Aiempi tekoälytulos sai jo matemaatikot jatkamaan työtä

Yhtiö kertoi toukokuussa 2026 toisen sisäisen mallinsa kumonneen Paul Erdősin yksikköetäisyyskonjektuurin. Tuolloin se nimesi useita ulkopuolisia matemaatikkoja, jotka olivat tarkastaneet tulosta ja arvioineet sitä erittäin merkittäväksi.

Elokuun julkaisussa yhtiö kertoo aiemman todistuksen jo synnyttäneen jatkotutkimusta matematiikassa ja teoreettisessa tietojenkäsittelytieteessä. Tämä on olennainen mittari tekoälyavusteiselle tutkimukselle: arvokas tulos ei vain sulje yhtä ongelmaa, vaan antaa ihmisille uusia menetelmiä ja kysymyksiä.

Kuka on tutkimuksen tekijä, jos idean tuottaa kone?

Julkaisussa otetaan poikkeuksellisen suoran kannan tekijyyteen. Yhtiön mukaan täysin tekoälyn tuottaman todistuksen merkitseminen ihmisen työksi vääristäisi sekä järjestelmän osuutta että inhimillisen tutkimustyön luonnetta.

Yhtiö kertoo ihmisten auttaneen käsikirjoitusten valmistelussa ja Lean-muodollistuksessa sekä ottavansa vastuun tulosten oikeellisuudesta. Varsinaiset matemaattiset argumentit se kuitenkin määrittelee järjestelmänsä tuottamiksi.

Jos edes osa kymmenestä tuloksesta vakiintuu tiedeyhteisön tarkastelussa, Astra merkitsee selvää askelta tekoälylle: järjestelmä ei olisi enää vain olemassa olevan matematiikan selittäjä tai laskuavustin, vaan uusien tutkimusideoiden tuottaja. Samalla korostuvat riippumaton arviointi, avoimet todistukset ja ihmisten kyky ymmärtää, mitä koneen löytämä tulos todella merkitsee.