Problem Naviera–Stokesa, jedno z siedmiu najsłynniejszych nierozwiązanych zagadnień współczesnej matematyki, może mieć rozwiązanie stworzone przez sztuczną inteligencję. OpenAI poinformowała 8 września 2026 roku, że jej wewnętrzny, jeszcze nieudostępniony model wygenerował analityczny dowód pokazujący, iż dla trójwymiarowego przepływu opisywanego równaniami Naviera–Stokesa może w skończonym czasie powstać osobliwość. Firma udostępniła zarówno opracowanie matematyczne, jak i formalizację w systemie Lean, informuje redakcja TopFlop.
- Co dokładnie twierdzi OpenAI i co zostało wykazane
- Dlaczego problem Naviera–Stokesa jest wart 1 mln dolarów
- Skąd wzięło się „90 lat”, skoro równania mają prawie 200 lat
- Jak 10 tys. agentów AI miało znaleźć rozwiązanie w 88 godzin
- Czym jest Lean i czy jego weryfikacja oznacza, że dowód jest na pewno poprawny
- Dlaczego OpenAI nie dostała jeszcze miliona dolarów
- Wokół odkrycia pojawił się spór o wcześniejsze badania
- Co ten wynik zmienia dla matematyki i sztucznej inteligencji
- Co teraz musi wydarzyć się z dowodem OpenAI
- Pytania i odpowiedzi
Skala eksperymentu jest równie istotna jak sam wynik. Według danych OpenAI nad zagadnieniem pracowała grupa około 10 tys. współdziałających agentów AI. Od rozpoczęcia właściwego ataku na problem do uzyskania rozwiązania minęło około 88 godzin, następnie przez kolejnych 17 godzin prowadzono formalizację i weryfikację w Lean. Tylko podczas pracy nad Navierem–Stokesem system miał wymienić około 2,7 mln wiadomości i wygenerować około 130 mld tokenów wyjściowych. Nie oznacza to jednak, że Nagroda Milenijna o wartości 1 mln dolarów została już przyznana ani że dowód uzyskał formalne uznanie Clay Mathematics Institute.
Co dokładnie twierdzi OpenAI i co zostało wykazane
OpenAI nie ogłosiła po prostu, że komputer „rozwiązał równanie Naviera–Stokesa”. To uproszczenie byłoby matematycznie nieprecyzyjne. Równania te są znane od XIX wieku i od dawna wykorzystuje się je do opisywania przepływu cieczy oraz gazów. Nierozwiązane pytanie dotyczyło tego, czy w trzech wymiarach, nawet przy gładkich danych początkowych, rozwiązanie może po pewnym czasie utracić regularność i wytworzyć osobliwość.
W przedstawionym wyniku AI miała skonstruować przypadek, w którym początkowo spokojny i gładki przepływ pod działaniem odpowiednio dobranej gładkiej siły tworzy osobliwość w skończonym czasie. Według OpenAI energia układu pozostaje przy tym skończona, natomiast prędkość w określonym obszarze rośnie bez ograniczenia.
W centrum konstrukcji znajduje się wir. OpenAI opisuje go jako coraz bardziej wydłużającą się i zwężającą strukturę, która spiralnie koncentruje przepływ. Wraz ze zmniejszaniem się rozmiaru centralnej części rośnie lokalna prędkość.
Matematycznie kluczowy jest fakt, że:
- przyspieszenie staje się bardzo duże;
- gradient ciśnienia również przyjmuje duże wartości;
- efekty transportu pędu i lepkości muszą się precyzyjnie równoważyć;
- zewnętrzna siła pozostaje gładka;
- energia całego przepływu nie diverguje;
- mimo tego prędkość tworzy osobliwość w skończonym czasie.
OpenAI twierdzi, że konstrukcja realizuje warianty „C” oraz „D” z oficjalnego sformułowania problemu Clay Mathematics Institute.
„We’re sharing a solution to the Navier–Stokes existence and smoothness problem.” — OpenAI, komunikat badawczy z 8 września 2026 r.
Nie należy więc przedstawiać wyniku jako rozwiązania każdego możliwego problemu dotyczącego przepływów. Chodzi o bardzo konkretne pytanie zdefiniowane w programie Millennium Prize Problems.
Dlaczego problem Naviera–Stokesa jest wart 1 mln dolarów
W 2000 roku Clay Mathematics Institute wskazał siedem szczególnie trudnych problemów matematycznych i przeznaczył na rozwiązanie każdego z nich nagrodę w wysokości 1 mln dolarów. Do tej listy trafiły między innymi hipoteza Riemanna, problem P kontra NP, hipoteza Hodge’a oraz właśnie problem Naviera–Stokesa.
Dotychczas tylko jeden problem z listy został powszechnie uznany za rozwiązany — hipoteza Poincarégo. Jej dowód przedstawił Grigorij Perelman, który później odmówił przyjęcia Nagrody Milenijnej.
Równania Naviera–Stokesa są szczególne dlatego, że łączą matematykę czystą z modelowaniem rzeczywistych procesów. Opisują zachowanie ośrodków ciągłych, dlatego stanowią podstawę modeli stosowanych między innymi w aerodynamice, meteorologii czy analizie przepływu krwi. Clay Mathematics Institute podkreśla, że mimo ich XIX-wiecznego pochodzenia matematyczna wiedza o wszystkich możliwych rozwiązaniach pozostaje ograniczona.
| Element | Dane |
|---|---|
| Problem | istnienie i regularność rozwiązań równań Naviera–Stokesa |
| Lista | Millennium Prize Problems |
| Organizator | Clay Mathematics Institute |
| Nagroda | 1 mln USD |
| Rok ustanowienia programu | 2000 |
| Kluczowe pytanie | czy gładki przepływ 3D może utracić regularność |
| Deklarowany wynik OpenAI | konstrukcja osobliwości w skończonym czasie |
| Status nagrody | nieprzyznana |
| Status dowodu | opublikowany przez OpenAI, wymaga oceny środowiska |
W tym kontekście warto przypomnieć, że wielkie nierozwiązane pytania nie są nowym zjawiskiem. Podobny mechanizm — wieloletnie poszukiwanie dowodu, tworzenie nowych teorii i stopniowe zawężanie problemu — widać przy problemach Hilberta, które po 126 latach nadal częściowo pozostają otwarte.
Skąd wzięło się „90 lat”, skoro równania mają prawie 200 lat
Claude-Louis Navier rozwijał równania przepływu w pierwszej połowie XIX wieku, a George Gabriel Stokes rozszerzał teorię w kolejnych dekadach. Sam układ równań jest więc znacznie starszy niż 90 lat.
Dzisiejszy problem regularności wywodzi się jednak ze znacznie późniejszych badań. Przełomowy punkt nastąpił w 1934 roku, kiedy francuski matematyk Jean Leray wykazał istnienie określonego rodzaju uogólnionych rozwiązań dla trójwymiarowych równań Naviera–Stokesa. Pozostało pytanie, czy takie rozwiązania muszą zawsze pozostawać gładkie.
Dlatego OpenAI oraz część mediów używają określenia „problem nierozwiązany od około 90 lat”. Nie oznacza ono, że przed 1934 rokiem matematycy nie znali równań. Dotyczy współczesnej formy zagadnienia regularności.
To rozróżnienie ma znaczenie, bo nagłówkowe „90-letnie równanie” jest niepoprawne. Równania są XIX-wieczne; około 90 lat ma problem dotyczący ich globalnej regularności.
Co oznacza osobliwość w tym problemie
Najprościej można wyobrazić ją sobie jako moment, w którym matematyczny model przestaje zachowywać się „ładnie”. Przy początkowo skończonych i gładkich wartościach rozwiązanie zaczyna generować wielkość rosnącą bez ograniczenia.
W komunikacie OpenAI chodzi o prędkość płynu.
Nie oznacza to, że realna woda może w fizycznym eksperymencie nagle osiągnąć nieskończoną prędkość. Taki rezultat wskazywałby raczej granicę matematycznego modelu ośrodka ciągłego.
Jak 10 tys. agentów AI miało znaleźć rozwiązanie w 88 godzin
OpenAI podała szczegółową chronologię eksperymentu. Trening nowego wewnętrznego modelu rozpoczął się 28 sierpnia 2026 roku. Firma określa go jako model wyraźnie mocniejszy matematycznie od publicznie dostępnego GPT-6 Astra.
1 września zespół usłyszał informacje o możliwych przełomach dotyczących dwóch Problemów Milenijnych. Postanowiono więc uruchomić szeroką próbę rozwiązania wszystkich nadal otwartych problemów z listy oraz kilku dodatkowych zagadnień badawczych.
Agenci zostali podzieleni na grupy. Dostawali różne sformułowania problemów, mogli analizować zapisane kopie materiałów z internetu, wykonywać kod i wymieniać między sobą informacje.
W przypadku Naviera–Stokesa:
- osobne grupy otrzymały warianty A i B, prowadzące do potencjalnego dowodu regularności;
- inne grupy pracowały nad C i D, które umożliwiały wykazanie wystąpienia osobliwości;
- część agentów badała prostszy problem dla równań Eulera bez lepkości;
- po uzyskaniu wyniku dla Eulera zasoby skierowano przede wszystkim na Naviera–Stokesa;
- Codex służył do konsolidowania najbardziej obiecujących pomysłów różnych grup;
- kolejna wersja trenowanego modelu była wprowadzana podczas samego eksperymentu.
Według OpenAI rozwiązanie powstało 5 września, około 88 godzin po rozpoczęciu eksperymentu. Formalizacja i sprawdzanie w Lean trwały następne 17 godzin.
| Parametr | Dane deklarowane przez OpenAI |
|---|---|
| Agenci przy Navierze–Stokesie | ok. 10 000 |
| Czas do uzyskania rozwiązania | ok. 88 godzin |
| Formalizacja i weryfikacja Lean | dodatkowe 17 godzin |
| Wiadomości agentów — Navier–Stokes | ok. 2,7 mln |
| Tokeny wyjściowe — Navier–Stokes | ok. 130 mld |
| Wszystkie badane problemy | ok. 4,9 mln wiadomości |
| Tokeny dla całego eksperymentu | ok. 300 mld |
Te wartości pokazują, że określenie „AI rozwiązała problem w trzy dni” może być mylące. Nie chodziło o pojedynczy chatbot odpowiadający na jedno pytanie, lecz o wieloagentowy system wykorzystujący ogromną liczbę równoległych prób.
„I thought there must be a mistake somewhere.” — Sébastien Bubeck o pierwszej reakcji na uzyskany wynik.
Czym jest Lean i czy jego weryfikacja oznacza, że dowód jest na pewno poprawny
Lean jest interaktywnym systemem dowodzenia twierdzeń. Zamiast pozostawiać argument jedynie w postaci tekstu przeznaczonego dla matematyka, można zapisać kolejne kroki w formalnym języku, w którym komputer sprawdza zgodność przejść z przyjętymi regułami logicznymi.
To istotna warstwa kontroli.
Formalizacja pozwala wykrywać błędy typu:
- nieuprawnione użycie twierdzenia;
- brak założenia;
- niepoprawne przejście logiczne;
- niezgodność typów obiektów matematycznych;
- ukryty krok, który w tradycyjnym tekście zostałby pozostawiony czytelnikowi.
Nie oznacza jednak automatycznie, że każda dyskusja dotycząca wyniku zostaje zamknięta. Matematycy muszą sprawdzić między innymi, czy sformalizowane twierdzenie dokładnie odpowiada temu, czego wymaga problem Clay Mathematics Institute, czy wszystkie założenia są właściwe i czy nie zaszła subtelna różnica pomiędzy formalnym wynikiem a oficjalną treścią problemu.
Dlatego sformułowanie dowód AI wymaga ostrożności. Formalny certyfikat Lean może potwierdzać poprawność konkretnego sformalizowanego ciągu rozumowania, ale status Problemów Milenijnych zależy również od procedury CMI.
Dobrą ilustracją różnicy pomiędzy intuicją a ścisłym dowodem jest prostszy przypadek opisany w materiale o tym, dlaczego 0,999… jest dokładnie równe 1 i jak kilka niezależnych dowodów prowadzi do tego samego wniosku. W matematyce przekonujący wynik to nie tylko odpowiedź, lecz przede wszystkim kontrolowalny ciąg argumentów.
Dlaczego OpenAI nie dostała jeszcze miliona dolarów
Clay Mathematics Institute ma jasno określoną procedurę. Organizacja nie przyjmuje bezpośrednich zgłoszeń od autorów twierdzących, że rozwiązali jeden z Problemów Milenijnych.
Przed rozpoczęciem formalnej oceny muszą zostać spełnione trzy warunki:
- rozwiązanie musi zostać opublikowane w kwalifikowanym źródle naukowym;
- od publikacji muszą minąć co najmniej dwa lata;
- wynik musi uzyskać ogólną akceptację światowej społeczności matematycznej.
Dopiero później CMI może rozpocząć własną procedurę oceny.
W praktyce oznacza to, że 9 września 2026 roku nie istnieje jeszcze formalna podstawa, by pisać „AI wygrała milion dolarów”.
OpenAI dodatkowo poinformowała, że nie zamierza ubiegać się o nagrodę za ten rezultat.
„We do not intend to claim the Millennium Prize for this result.” — OpenAI.
Aktualne zasady CMI można sprawdzić bezpośrednio w regulaminie Millennium Prize Problems, a oficjalny opis samego zagadnienia znajduje się na stronie Clay Mathematics Institute poświęconej równaniom Naviera–Stokesa.
Wokół odkrycia pojawił się spór o wcześniejsze badania
Równolegle z pracą OpenAI nad podobnym kierunkiem badawczym pracowali profesor NYU Tristan Buckmaster i Levent Alpöge związany z Anthropic. Ich badania dotyczyły między innymi osobliwości dla równań Eulera z gładkim wymuszeniem.
OpenAI sama przyznaje, że 1 września rozpoczęła intensywną pracę po usłyszeniu pogłosek dotyczących postępu przy Problemach Milenijnych. Dopiero później, jak twierdzi firma, ustalono, że informacje te były związane właśnie z pracą Alpöge i Buckmastera.
Firma deklaruje, że ani badacze, ani agenci AI nie widzieli pracy tej pary przed jej publicznym udostępnieniem i że do rozwiązania nie wykorzystano konkretnych prywatnych danych użytkowników. Jednocześnie OpenAI napisała, że nie może całkowicie wykluczyć wpływu zanonimizowanych danych pochodzących z wcześniejszego korzystania z jej produktów na trening modeli.
Buckmaster przedstawił własną wersję wydarzeń i publicznie zakwestionował sposób prowadzenia rozmów dotyczących publikacji oraz pierwszeństwa wyniku. Spór dotyczy więc nie tylko matematyki, ale również kwestii autorstwa i pochodzenia idei.
„There is another part of this story.” — Tristan Buckmaster w oświadczeniu dotyczącym prac nad problemem.
OpenAI odrzuca zarzut wykorzystania ich niepublicznej pracy. Sébastien Bubeck podkreślał jednocześnie, że firma uznaje pierwszeństwo Buckmastera i Alpöge w ich wyniku dotyczącym wymuszonego równania Eulera.
Czy spór podważa sam dowód
Nie bezpośrednio.
To dwie osobne kwestie:
- poprawność matematyczna rozwiązania;
- pochodzenie pomysłów i zasady przypisywania autorstwa.
Nawet jeśli pojawią się dalsze spory dotyczące pierwszeństwa, dowód Naviera–Stokesa nadal może być oceniany niezależnie pod względem logicznym. Z drugiej strony poprawność formalna dowodu nie rozwiązuje automatycznie pytania o to, kto pierwszy znalazł konkretną drogę prowadzącą do wyniku.
Co ten wynik zmienia dla matematyki i sztucznej inteligencji
Jeżeli konstrukcja zostanie zaakceptowana przez środowisko matematyczne, znaczenie wykracza poza sam problem Naviera–Stokesa.
Dotychczas modele AI były szczególnie skuteczne w zadaniach, w których można korzystać z istniejących schematów rozumowania, rozbudowanej literatury lub stosunkowo krótkiego ciągu formalnych kroków. Tutaj deklarowany rezultat dotyczy problemu, nad którym przez dziesięciolecia pracowali specjaliści z analizy matematycznej i równań różniczkowych.
Mark Chen, chief research officer OpenAI, określił wynik jako sygnał, że systemy AI mogą zacząć uczestniczyć w rozwiązywaniu pytań leżących na granicy obecnej wiedzy.
„This is a significant milestone for AI research.” — Mark Chen podczas briefingu dla mediów.
Nie wynika z tego jednak, że AI może obecnie autonomicznie rozwiązywać dowolne otwarte zagadnienie matematyczne. OpenAI testowała system równocześnie na wielu Problemach Milenijnych, a sukces zgłosiła w konkretnym przypadku po skierowaniu największych zasobów właśnie na Naviera–Stokesa.
To rozróżnienie jest istotne również przy wcześniejszych nierozwiązanych zagadnieniach. Jeszcze w czerwcu 2026 roku w analizie statusu problemów Hilberta po 126 latach wskazywano, że systemy AI mogą pomagać w szukaniu wzorców, konstruowaniu kroków dowodu i formalizacji, ale nie istniał wówczas powszechnie zaakceptowany przypadek samodzielnego rozwiązania przez AI jednego z najważniejszych otwartych problemów.
Co teraz musi wydarzyć się z dowodem OpenAI
Najbliższy etap nie będzie polegał na kolejnej prezentacji medialnej, lecz na analizie matematycznej.
Badacze będą musieli:
- przeczytać pełny dowód analityczny;
- odtworzyć najważniejsze kroki niezależnie;
- przeanalizować formalizację Lean;
- sprawdzić zgodność z oficjalnym sformułowaniem CMI;
- ocenić rolę zewnętrznego wymuszenia;
- zweryfikować zachowanie energii i regularność siły;
- sprawdzić konstrukcję osobliwości;
- ustalić, czy rozwiązanie rzeczywiście spełnia wariant C lub D problemu Feffermana.
Dopiero wtedy można mówić o konsensusie.
W matematyce duży wynik nie staje się twierdzeniem tylko dlatego, że został ogłoszony przez znaną firmę lub sprawdzony przez jeden system formalny. Wymaga reprodukcji i kontroli przez innych specjalistów.
Dlatego najbardziej precyzyjne zdanie na dziś brzmi: OpenAI opublikowała deklarowane rozwiązanie Problem Naviera–Stokesa wraz z formalizacją w Lean; dowód nie przeszedł jeszcze wieloletniej procedury wymaganej do przyznania Nagrody Milenijnej.
Pytania i odpowiedzi
Czy AI naprawdę rozwiązała problem Naviera–Stokesa?
OpenAI twierdzi, że jej wewnętrzny model wygenerował analityczny dowód oraz formalizację w Lean pokazującą możliwość powstania osobliwości w skończonym czasie. Wynik został opublikowany, ale 9 września 2026 roku nie ma jeszcze wieloletniego konsensusu wymaganego przez Clay Mathematics Institute.
Czy OpenAI dostała 1 mln dolarów?
Nie. Nagroda nie została przyznana. CMI wymaga między innymi publikacji w kwalifikowanym źródle, upływu minimum dwóch lat oraz ogólnej akceptacji wyniku przez społeczność matematyczną. OpenAI deklaruje dodatkowo, że nie zamierza ubiegać się o nagrodę.
Ile czasu AI pracowała nad rozwiązaniem?
Według OpenAI agenci osiągnęli rozwiązanie około 88 godzin po rozpoczęciu właściwego eksperymentu. Formalizacja i weryfikacja w Lean trwały dodatkowo około 17 godzin.
Ile agentów AI wykorzystano?
Grupa pracująca przy Navierze–Stokesie liczyła około 10 tys. współdziałających agentów. Nie należy więc porównywać wyniku do jednej rozmowy z chatbotem.
Dlaczego mówi się o 90-letnim problemie?
W 1934 roku Jean Leray udowodnił istnienie uogólnionych rozwiązań równań Naviera–Stokesa. Otwarte pozostało pytanie o ich regularność, dlatego współczesna wersja problemu jest określana jako nierozwiązana od około 90 lat. Same równania są znacznie starsze i pochodzą z XIX wieku.
Czy formalizacja w Lean gwarantuje otrzymanie Nagrody Milenijnej?
Nie. Lean sprawdza formalną poprawność zapisanego dowodu względem przyjętego systemu, ale Clay Mathematics Institute stosuje osobną procedurę oceny. Potrzebne są publikacja, czas na weryfikację oraz akceptacja środowiska matematycznego.
Czy wynik ma zastosowanie w pogodzie i aerodynamice?
Same równania Naviera–Stokesa są podstawą modeli przepływu powietrza i cieczy wykorzystywanych między innymi w projektowaniu samolotów, prognozowaniu pogody oraz analizie przepływu krwi. Wynik OpenAI dotyczy jednak przede wszystkim matematycznych własności tych równań, a nie bezpośrednio nowego algorytmu prognozy pogody czy konstrukcji samolotów.
Warto przeczytać także nasz kolejny materiał, w którym szerzej wyjaśniamy podobny temat: Dlaczego zmęczenie głosu po koncercie zmienia brzmienie wokalu po trzech godzinach śpiewania
