OpenAI satsar 5 miljoner dollar – AI-bevisen kräver mänsklig granskning

Enligt OpenAI:s forskningsuppdatering den 15 oktober 2026 bidrar bolaget med 5 miljoner dollar till ett initiativ hos Simons Foundation. Pengarna ska hjälpa matematiker att granska, förstå och bygga vidare på AI-framtagna resultat, bland annat ur OpenAI:s egen publicering. Där finns matematiska manus och formaliseringar av många bevis i Lean. Materialet ger forskare något konkret att undersöka, men publiceringen ger inte varje huvudresultat en oberoende kontroll.

OpenAI:s bidrag ingår enligt Simons Foundations besked den 15 oktober 2026 i ett gemensamt åtagande på 15 miljoner dollar i pengar och resurser från stiftelsen, OpenAI och Anthropic; stiftelsens ordförande David Spergel beskriver målet med orden ”The goal of the program is to support the mathematics community.” Stiftelsen ska förvalta och fördela stödet, bland annat genom en öppen utlysning. Företagen ska också ge forskare som får stöd tillgång till AI-verktyg och beräkningsresurser.

Pengarna ska ge matematiker tid att pröva resultaten

Finansieringen riktas mot arbetet efter att AI-genererade resultat blivit offentliga. Workshops, konferenser och särskilda program ska samla forskare kring argumenten och ge utrymme att förstå vilka delar som går att utveckla vidare. Att bedöma ett omfattande manus kräver mer än att läsa dess slutsats: en specialist behöver följa antaganden, hjälpsatser och hänvisningar till andra arbeten.

Den öppna utlysningen låter forskare föreslå vilka frågor som förtjänar en närmare genomgång. Ett påstående kan stå och falla med en teknisk hjälpsats långt från huvudtextens mest uppmärksammade formulering. Därför kan även arbetet med att reda ut ett beroende eller förbättra en otydlig framställning vara värdefullt, oavsett om huvudanspråket till slut håller. Anslaget finansierar den prövningen; det är själva argumenten som måste bära slutsatsen.

Lean-koden kontrollerar en formell sats

Ett manus gör ett matematiskt resonemang tillgängligt för andra att läsa och kritisera. En Lean-formalisering går längre på en avgränsad punkt: om projektet byggs och beviset godkänns av systemets kärna, kontrolleras att den formellt uttryckta satsen följer av de antaganden och beroenden som koden tillåter. Det är starkare evidens för just den satsen än enbart en välskriven text.

Den avgörande jämförelsen är sedan om kodens sats motsvarar det huvudanspråk som läsaren möter i manuskriptet. En formalisering kan gälla en snävare variant, ett stödbevis eller ett följdresultat. Skillnader i villkor eller slutsats kan ändra vad som faktiskt har visats. Forskare behöver också kontrollera att projektet verkligen går att bygga och att dess beroenden inte döljer antaganden som den matematiska framställningen lämnar öppna.

Det är på dessa nivåer begreppet verifiering lätt blir missvisande. Ett tillgängligt kodprojekt är ett granskningsbart underlag; en genomförd maskinkontroll gäller en bestämd formell formulering. För att bedöma ett större matematiskt anspråk måste specialister dessutom förstå hur formuleringen, hjälpsatserna och manuskriptets resonemang hänger ihop.

Kartläggningen skiljer huvudresultat från delbevis

Ying Xies fristående kartläggning, inlämnad den 12 oktober 2026, undersöker 38 familjer ur OpenAI:s ursprungliga publicering av 722 manus i 372 resultatfamiljer den 6 oktober; 19 av de undersökta familjerna fick i en första sortering etiketten att huvudresultatet var formaliserat. Den siffran är inte ett antal oberoende verifierade huvudbevis. Genomgången kompilerade inga Lean-projekt och kontrollerade dem inte med systemets kärna; för vissa etiketter var även inspektionen av huvudresultatet begränsad.

Skillnaden blir tydlig i de enskilda fallen. För Hilberts tionde problem över de rationella talen anges ingen Lean-formalisering av huvudanspråket, samtidigt som argumentet beror på andra OpenAI-manus. För Mahlers förmodan omfattade den första inspektionen den symmetriska varianten; kod för mer allmänna varianter har också lokaliserats, men byggdes inte inom kartläggningen. Det vore därför missvisande att låta en etikett för en del av familjen beskriva kontrollen av hela påståendet.

I materialet om jonisationsförmodan finns omfattande Lean-kod för följsatser, medan huvudresultatet saknar motsvarande formalisering i kartläggningen. Följsatserna använder dessutom uppskattningar från huvudmanuset. Sådana beroenden visar varför dokumenterade delresultat kan vara betydelsefulla utan att ensamma avgöra huvudfrågan. Kartläggningen valde också ut uppmärksammade problem och ger ingen verifieringsstatus för hela samlingen.

Riktighet, originalitet och publicering prövas var för sig

Även ett korrekt bevis lämnar frågan om originalitet öppen. En slutsats kan redan vara känd, medan ett nytt bevis eller en användbar hjälpsats ändå kan föra forskningen framåt. Kartläggningen identifierar möjliga nya konstruktioner och tillämpningar av etablerade metoder, men dess litteraturjämförelser är preliminära. För att avgöra vad som är nytt måste sakkunniga jämföra precisa formuleringar och tidigare arbeten inom respektive område.

Vanlig sakkunniggranskning tillför ytterligare en prövning: andra matematiker går igenom argumentets hållbarhet, betydelse och relation till forskningsläget före ett möjligt beslut om publicering. Den processen ersätts inte av att ett manus ligger öppet i ett arkiv eller av att delar av beviset finns som kod. Den ställer också krav på en begriplig matematisk förklaring, så att resultatets villkor och användbara idéer kan granskas av fler än dem som följer den formella koden.

Nästa konkreta steg för satsningen blir vilka forskarledda förslag Simons Foundation väljer att stödja. För de publicerade matematiska anspråken kommer beskeden att vara mer specifika: vilka namngivna satser som har kontrollerats oberoende, vilka beroenden som har klarats ut och vilka resultat som efter sakkunniggranskning accepteras i forskningslitteraturen.

Läs också:

• FTC granskar OpenAI och Anthropic – AI-agenternas säkerhet i fokus
• OpenAI ändrar incidentrapporteringen efter Hugging Face-intrånget
• Stegras nota växer – nytt kapital krävs efter 100 dagars granskning