Kompanija može da objavi da je njen AI rešio težak problem mnogo pre nego što ostatak sveta može da proceni do kakvog je napretka došla. Nedostajući sastojak može biti dokaz, objašnjenje, pristup sistemu ili naprosto vreme da se rad prouči. Svaki od tih nedostataka kompaniji daje drugačiju moć.

To je korisno pitanje iza najnovije rasprave o skrivenim otkrićima AI-ja. U eseju od 15. septembra, informatičar Scott Aaronson preneo je glasine da AI kompanije zadržavaju rešenja velikih problema iz teorijskog računarstva nakon reakcije na najavu rezultata u vezi sa Navier–Stokesovim jednačinama. Rešenja nije objavio. Njegov prikaz potvrđuje da je čuo takvu tvrdnju, ali ne i da su neimenovani rezultati ili navodni motiv provereni. Aaronsonov esej

Postoji i konkretniji razvoj događaja. Nezavisna savetodavna grupa za matematiku i veštačku inteligenciju navodi da trenutno savetuje OpenAI o objavljivanju značajnih matematičkih rezultata za koje kompanija tvrdi da ih je interno postigla. Time se potvrđuje da postoji postupak koordinacije objavljivanja rada o kom kompanija izveštava. To ne potvrđuje tačnost svakog rezultata koji čeka objavljivanje. Saopštenje savetodavne grupe

Za čitaoce je ova razlika važna da se uzbudljiva mogućnost ne bi pretvorila u izmišljeni spisak rešenih problema. Za nauku se otvara šire pitanje: ako se otkrića koncentrišu u privatnim sistemima, koliko će samostalnosti zadržati svi ostali?

Šta se suštinski menja

  • Šta se promenilo: Objavljeni dokazi koje je generisao AI sada stoje uz rezultate o kojima kompanije izveštavaju, a čije se objavljivanje koordinira. Tvrdnje o dodatnim skrivenim otkrićima i dalje nisu proverene.
  • Zašto je važno: Laboratorije mogu da utiču na to koja otkrića postaju vidljiva, kada stručnjaci mogu da ih prouče i ko može da nastavi rad na tim metodama.
  • Na šta treba obratiti pažnju: Da li dogovori o objavljivanju pružaju ljudima izvan kompanije korisne dokaze i slobodu da ih ospore, uz očuvanje stručnog ljudskog znanja potrebnog za izbor istraživačkih pitanja, razumevanje rezultata i deljenje koristi.

Otkriće može biti javno iako sposobnost ostaje privatna

Najava OpenAI-ja o Navier–Stokesovim jednačinama od 8. septembra primer je selektivne otvorenosti. Kompanija je objavila tekstualno obrazloženje i formalne datoteke dokaza, a sistem koji je do otkrića došao opisala kao interni model sposobniji od GPT-6 Astre. Objaviti rezultat i omogućiti pristup sistemu koji ga je proizveo dve su različite odluke. Najava OpenAI-ja

Matematički opseg takođe treba pažljivo odrediti. Konstrukcija koja je najavljena koristi glatku spoljašnju silu. Zvanična formulacija Klajevog problema izričito dopušta silu u alternativama C i D koje se tiču gubitka regularnosti; alternative bez sile, koje traže globalno glatko rešenje, postavljaju drugo pitanje. Ispravna konstrukcija sa silom može da se bavi navedenim nagradnim problemom, a da pitanje bez sile ostane nerešeno. Zvanična formulacija problema

Klajev institut je 11. septembra pozdravio prividno rešenje, uz očuvanje odmerenog postupka za procenu i utvrđivanje zasluga. Njegovo saopštenje bilo je institucionalni odgovor na najavu, a ne dodela nagrade. Klajev odgovor

Širi niz matematičkih događaja razmatrali smo u našem vodiču od problema jediničnih rastojanja do Navier–Stokesovih jednačina. Ovde je ključno ko šta može da uradi nakon objavljivanja. Matematičar izvan kompanije možda može da prouči dokaz, ali da nema resurse ni pristup modelu kako bi na sličan način istražio srodan problem. Otkriće je podeljeno; sredstva za stvaranje sledećeg otkrića mogu ostati koncentrisana.

Takav dogovor i dalje može biti koristan. Kada bi svaki istraživač morao da ponovi prvobitnu pretragu, mnoga otkrića bilo bi teže iskoristiti. Za proveru određenog dokaza važan je pristup relevantnim dokazima, a ne nužno posedovanje svakog alata koji je upotrebljen da bi se do njega došlo. Međutim, mogućnost provere objavljenog odgovora ne daje ljudima izvan kompanije jednak uticaj na izbor sledećih pitanja.

Javnosti je potreban način da ospori tvrdnju

Javni repozitorijum OpenAI-ja odvojeno navodi tvrdnje o Navier–Stokesovim jednačinama i Ojlerovim jednačinama i pruža uputstva za izgradnju, kao i putanju za dodatnu proveru dokaza pomoću alata Comparator. To su materijali koji se mogu pregledati, a ne samo video-demonstracija. Pročitali smo dokumentaciju, ali nismo ponovo izgradili niti nezavisno potvrdili dokaze. Repozitorijum dokaza

Vodič za proveru dokaza u Lean-u objašnjava zašto uspešna provera ima jasno određen opseg. Recenzenti moraju da pregledaju značenje teoreme i pretpostavke, uključujući zavisnosti. Stroža provera može da uporedi predati dokaz sa zasebno definisanom tvrdnjom i da koristi nezavisan softver. Time se smanjuje oslanjanje na proizvođača dokaza, ali i dalje ostaju navedene pretpostavke o alatima i specifikaciji. Vodič za proveru u Lean-u

Ohrabrujuća mogućnost je velika: privatni sistem bi mogao da sprovede skupu pretragu, a zatim objavi dokaze koje drugi mogu da provere bez ponavljanja cele pretrage. Otkrića koja je proizveo AI mogla bi postati zajednički resursi, čak i kada je samo nekoliko institucija u stanju da ih proizvede u tom obimu.

Slabija mogućnost je da laboratorija odabranim stručnjacima priredi privatnu demonstraciju i od svih ostalih zatraži da veruju potvrdi. To može biti razuman preliminarni korak. Ipak, javnosti pruža mnogo manju mogućnost da pronađe spornu pretpostavku, pregleda ispravku ili istraži neočekivanu primenu. Pristup zaključku razlikuje se od pristupa osnovi za njegovo osporavanje.

Zamislimo hipotetički primer. Univerzitetska grupa proučava klasu problema optimizacije. Kompanija privatno pronalazi metod koji poboljšava jedan važan slučaj. Mogla bi da objavi metod i preciznu garanciju ili da ponudi onlajn uslugu koja vraća odgovore, ali zadržava metod u tajnosti.

Obe mogućnosti mogle bi da pomognu korisnicima. Samo prva nužno daje univerzitetu nešto što može da pregleda, podučava i prilagođava bez stalnog pristupa usluzi. Ako kompanija promeni uslove, povuče model ili prestane da podržava tu oblast, te razlike postaju praktične. Korisna usluga može postojati istovremeno sa naučnom zavisnošću od nje.

Zato se javna korist ne može meriti samo brojem otkrića. Objavljivanje može da proširi ono što ljudi znaju, mogu da urade ili za šta moraju da traže dozvolu. Ti ishodi se ponekad poklapaju, ali ne moraju.

Pauza može unaprediti nauku ili jednoj instituciji produžiti prednost

Postoje opravdani razlozi za koordinaciju objavljivanja velikog rezultata. Stručnjacima može biti potrebno vreme da provere tvrdnju, pronađu raniji rad i pripreme objašnjenje. Ispravka pre objavljivanja može sprečiti mnoge da se oslone na grešku. I spor oko zasluga treba rešavati na osnovu dokaza, a ne trkom u objavljivanju.

Isto odlaganje može imati drugačiji učinak na ljude izvan kompanije. Zamislimo istraživačku grupu koja bira sledeći projekat, a ne zna da kompanija tvrdi da je rešila glavnu hipotezu. Grupa bi mogla da provede mesece radeći na starom pitanju. Ako se unapred omogući pristup samo odabranim saradnicima, oni bi umesto toga mogli da steknu prednost u razvoju novih rezultata. To su moguće posledice nejednakog pristupa informacijama, a ne optužbe u vezi sa nekim konkretnim neobjavljenim teoremom.

Važno je pitati šta se odlaganjem postiže i ko za njega odgovara. Period provere uz jasno navedenu tvrdnju, nezavisne čitaoce i plan za obaveštavanje o ishodu razlikuje se od neograničene tajnosti praćene nagoveštajima o izuzetnim mogućnostima. Institucijama je potreban prostor da provere rad, a publici razlog da razlikuje proveru od promocije.

Nova savetodavna grupa nudi jedan od kanala. Navodi da njeni članovi nisu plaćeni, da će preporuke biti javne, a da odluke ostaju na kompanijama. Nezavisnost grupe je korisna, ali savet ne pretvara u obavezu da se rezultat objavi niti daje istraživačima pristup. Nezavisnost i odgovornost

Smatramo da bi plodotvoran dogovor trebalo da jasno pokaže kako je kompanija odgovorila na savete. Mogla bi da objasni koje je preporuke prihvatila, šta se još ispituje i kako recenzenti mogu da pokrenu nerešena pitanja. Tako bi ljudi izvan kompanije mogli da procene postupak, bez prevremene objave da je teorema konačno dokazana.

Najsnažnija kritika prihvata da AI može biti uspešan

Deklaracija od 11. septembra pod nazivom Ozbiljan problem neusaglašenosti AI-ja u matematici izričito priznaje veliki napredak u matematičkim mogućnostima. Njene primedbe odnose se na podsticaje: korišćenje poznatih problema kao merila uspeha može skrenuti pažnju sa razvoja ideja, pripisivanja zasluga i obuke kroz koju ljudi uče da postavljaju nova pitanja. Deklaracija prepoznaje i mogućnost da AI unapredi matematičko istraživanje. Deklaracija

To je zahtevniji argument od tvrdnje da mašina ništa ne može da otkrije. Postavlja pitanje da li uspešan sistem optimizuje isti rezultat koji je važan zajednici koja koristi njegove rezultate. Laboratorija može opravdano želeti nedvosmislenu demonstraciju mogućnosti. Istraživaču možda je važniji metod koji otvara nekoliko novih pravaca, uključujući i one koji su previše specijalizovani da bi privukli najavu lansiranja.

Ne postoji automatski razlog da se ti interesi podudaraju. Ne moraju ni biti u sukobu. Laboratorija može da finansira istraživanje i objašnjenja koja njene rezultate čine korisnim. Univerziteti mogu da vrednuju primenu snažne nove metode u oblasti kojoj laboratorija nije dala prioritet. Naučne publikacije mogu da otvore prostor za pojašnjenja i sintezu pored prvih otkrića.

Kritike i dalje moraju da se zasnivaju na dokazima. Tačan i značajan rezultat treba da promeni procenu mogućnosti sistema. Nelagoda zbog njegovog porekla ne može da ga poništi. Isto tako, impresivan rezultat sam po sebi ne odgovara na pitanje o pristupu ili zaslugama. Razdvajanje tih procena omogućava da se matematika prihvati, a istovremeno ospore uslovi pod kojima dospeva u javnost.

Aaronsonov esej dobro prikazuje ovu napetost: smatra da je nedavni napredak preobražavajući, ali podržava nastojanje da se očuva ljudsko razumevanje. Njegov opis početka singularnosti predstavlja tumačenje događaja, a ne dokazanu naučnu prekretnicu. Njegov javno iznet stav

Brže otkrivanje i smislen ljudski rad podjednako su stvarni interesi

Šira rasprava prethodi septembarskim najavama. U eseju iz decembra 2025. istraživač AI-ja Julian Togelius razlikovao je alate koji pomažu naučnicima od automatizacije koja njihovo učešće čini suvišnim. Zalagao se za ljudsku samostalnost i mogućnost da doprinesu čak i u hipotetičkom slučaju kada bi potpuna automatizacija ubrzala medicinski napredak. To je moralni stav o mogućoj budućnosti, a ne dokaz da je naučni rad već postao suvišan. Togeliusov esej

Odbrana neke aktivnosti samo zato što njeni sadašnji učesnici uživaju u njoj nosi ozbiljan trošak. Ako bolja metoda može da smanji patnju, interesi ljudi koji od toga imaju korist zaslužuju pažnju uz interese onih čija se profesija menja. Zalaganje za smislen rad ne bi trebalo da postane automatski veto na korisna otkrića.

Ipak, izbor ne mora biti između očuvanja svakog postojećeg zadatka i isključivanja ljudi iz nauke. Ko bira pitanja, prepoznaje zanemarenu potrebu, procenjuje primenljivost dokaza i odlučuje šta s njima uraditi? Te odluke utiču na javnost čak i ako mašine s vremenom postanu bolje od ljudi u mnogim tehničkim delovima posla. Očuvanje uticaja na te odluke pitanje je upravljanja jednako koliko i profesionalnog identiteta.

Esej Darija Amodeija iz oktobra 2024. nudi široku optimističnu viziju AI-ja koji ubrzava biologiju i poboljšava živote. U njemu su navedena i ograničenja koja se odnose na eksperimente, podatke i fizički svet. Esej predviđa budućnost na osnovu pretpostavki o moćnim sistemima; nije raspored koji je utvrdilo matematičko otkriće. Mašine dobrote

Dokaz o jednačinama sam po sebi ne pokazuje da postoji delotvorno lečenje ili jeftiniji izvor energije. Za svaku primenu potrebni su dodatni dokazi. Ipak, razumno je ceniti mogućnost bržeg napretka: pomoć koja istraživačima omogućava da odbace neplodan pravac ili osmisle informativniji eksperiment može biti važna mnogo pre potpune autonomije istraživanja.

Vraćamo se pitanju raspodele koristi. Napredak može biti naučno utemeljen, a da koristi od njega imaju samo oni koji mogu da ga plate. Istraživanje može da se ubrza, a da se usredsredi na probleme koje vlasnici smatraju najvrednijim. To da li ubrzanje koristi široj javnosti delom zavisi od izbora u vezi sa finansiranjem, pristupom i primenom. Broj otkrića ne rešava ta pitanja.

Dokaz tačnosti ne garantuje dobro rasuđivanje

Usklađenost otvara još jedno pitanje. Sistem može biti odličan u pronalaženju argumenta, a ipak nepouzdan u praćenju namera operatera tokom dugog istraživačkog projekta. Proveren matematički rezultat dokazao bi nešto o tom rezultatu. Sam po sebi ne bi dokazao da sistem dosledno poštuje dozvole, iskreno prijavljuje neuspehe ili sledi prave ciljeve.

Ta razlika je važna za način na koji laboratorije koriste sve sposobnije alate. Prepustiti sistemu ograničenu pretragu i ispitati njen rezultat razlikuje se od davanja širokih ovlašćenja nad eksperimentima, troškovima ili objavljivanjem. Naučni uspeh može opravdati isprobavanje ambicioznijeg istraživanja, a da dozvole i dalje zahtevaju zasebno obrazloženje.

Očuvanje ljudskog razumevanja ovde je korisno, ali ne rešava univerzalno problem usklađivanja. Razumevanje matematike iza otkrića ne otkriva sve o ponašanju modela. S druge strane, čovek ne mora da rekonstruiše svaki međukorak proračuna da bi sprovodio koristan nadzor. Praktičan cilj je da se sačuva dovoljno nezavisne stručnosti i dokaza kako bi se uočilo kada rad sistema više ne služi nameravanoj svrsi.

O pitanju smisla treba govoriti i šire od obećanja da će slobodno vreme nadoknaditi gubitak svake uloge. Amodei tvrdi da odnosi i aktivnosti mogu ostati smisleni čak i kada ih AI nadmaši, ali smatra da ekonomski aranžmani takve budućnosti nisu razrešeni. To je jedan moguć pogled, a ne garancija bezbolne promene. Rad i smisao

Student može ceniti razumevanje rezultata iako nije prvi došao do otkrića. Zajednica može ceniti nastavu, raspravu i istraživanje, a da od svojih članova ne zahteva da nadmaše svaku mašinu. Ipak, za očuvanje institucija koje omogućavaju te aktivnosti potrebni su resursi i odluke. Lično ispunjenje samo po sebi ne može da plati laboratoriju, garantuje pristup modelu ili očuva katedru.

Procenjujte objavljivanje prema tome koliko samostalnosti omogućava

Može li neko da ospori tvrdnju, a da se ne oslanja u potpunosti na prikaz kompanije? Može li druga grupa da iskoristi rezultat bez ponavljanja preskupe pretrage? Mogu li istraživači da izaberu nastavna pitanja koja proizvođača malo zanimaju? Postoje li ljudi i institucije sposobni da objasne rad, isprave ga i očuvaju dostupnim kada pažnja javnosti pređe na drugo?

Ta pitanja povezuju optimistične i pesimistične budućnosti. U jednoj, moćni privatni alati doprinose većem zajedničkom fondu znanja, a više ljudi može da istražuje ranije nedostupna pitanja. U drugoj, ljudi izvan kompanija dobijaju impresivne odgovore, ali sve više zavise od nekoliko organizacija koje odlučuju šta vredi pitati.

Još ne znamo šta sadrže navodno skriveni rezultati. Možemo da procenimo aranžmane koji se grade oko rezultata koji se ipak pojave. Veliko otkriće uz pomoć AI-ja trebalo bi da omogući ostatku nauke veću sposobnost samostalnog delovanja.