OpenAI ogłosiła, że wewnętrzna wersja modelu Astra rozwiązała dziesięć matematycznych problemów, na które matematyka nie miała przełomu przez minimum dziesięć lat, przy nakładzie poniżej 2000 dolarów za każde rozwiązanie. Wyniki zostały formalnie zweryfikowane w języku Lean 4, a zespół opublikował pełny paper z opisem rozwiązań oraz dodatkowo wygenerowany przez model PDF, w którym model rekonstruuje proces powstania dowodu na podstawie śledzów rozumowania. To przybywa na fali podobnych doniesień - kilka dni wcześniej Anthropic ogłosiła odkrycie słabości kryptograficznych w Claude'zie, wydając 100 tysięcy dolarów na tokeny.
Wyniki OpenAI wywołały mieszane reakcje w społeczności matematyków. Część doświadcza euforii porównywaną do epizodu z Deep Blue pokonującym Kasparowa, widząc potencjał AI w rozwiązywaniu najcięższych problemów. Jednocześnie matematyk Kirwin Hampshire opublikował wypełniony emocjami esej zatytułowany "The Dark Night of Mathematics", opisując "głębokie duchowe kryzysy" wywołane również przez mniej znaczące poprzednie wyniki AI w matematyce. Pomimo oferowanej przez OpenAI przejrzystości poprzez publikację kodów i papierów, społeczność chciałaby zobaczyć konkretne prompty, które doprowadziły do osiągnięcia tych wyników.
To developments wpisuje się w szerszą dyskusję o roli AI w przyszłości badań matematycznych. Terrence Tao niedawno opisał koncepcję "big mathematics" - podejścia, gdzie zamiast szukania eleganckich, syntetycznych dowodów, matematyka może polegać na bardziej złożonych, zaawansowanych technikach. Wyniki OpenAI sugerują, że modele językowe mogą być potężnymi narzędziami w nowej erze matematyczną, choć pytania o autentyczność wkładu AI i znaczenie ludzkiej intuicji pozostają otwarte.