OpenAI publiceert honderden wiskundige resultaten van een intern model dat nog niet is uitgebracht

OpenAI heeft op 6 oktober 2026 aangekondigd dat het een omvangrijke collectie wiskundige resultaten publiceert die zijn verkregen met een intern ontwikkeld model dat tot op heden nog niet commercieel is uitgebracht. Het volledige materiaal, inclusief de bronbestanden, is geplaatst in een openbaar GitHub‑repository, waarbij de repository wordt aangevuld met uitgebreide documentatie. Deze documentatie bevat onder meer formele bewijzen in de programmeertaal Lean, beknopte samenvattingen van de redeneringsstappen die het model heeft gevolgd, en gedetailleerde statistieken over de berekeningen die zijn uitgevoerd. OpenAI heeft verklaard dat deze beslissing in lijn is met de aanbevelingen van de onafhankelijke adviesgroep voor Wiskunde en Kunstmatige Intelligentie van het Institute for Advanced Study. Tegelijkertijd heeft het bedrijf ervoor gekozen om de broncode van het onderliggende model niet openbaar te maken, en ook niet alle prompts die tijdens de experimenten zijn gebruikt, te publiceren.

Context en motivatie

In de afgelopen jaren heeft OpenAI fors geïnvesteerd in systemen die in staat zijn formele bewijzen te genereren en de grenzen van onderzoek op het gebied van wiskunde te verleggen. Het succes van eerdere versies, zoals GPT‑4‑Turbo, heeft geleid tot hoge verwachtingen dat kunstmatige intelligentie de oplossing van openstaande conjecturen kan versnellen en de werklast van onderzoekers kan verlichten. In dit kader heeft de onafhankelijke adviesraad van het Institute for Advanced Study OpenAI aangeraden om de behaalde resultaten publiekelijk te delen, zodat een brede externe evaluatie mogelijk wordt en de samenwerking tussen AI‑systemen en de academische gemeenschap wordt gestimuleerd.

De beslissing om alleen de resultaten, en niet het onderliggende model, te publiceren, weerspiegelt een risicobeperkende strategie die OpenAI in andere gevoelige domeinen heeft toegepast. Door de bewijzen en de samenvattingen van de redeneringsstappen beschikbaar te stellen, wil het bedrijf voldoende materiaal bieden zodat deskundigen de geldigheid van de resultaten kunnen verifiëren, terwijl het tegelijkertijd de intellectuele eigendom van het model beschermt en mogelijke misbruikscenario's voorkomt totdat een grondigere veiligheidsbeoordeling is uitgevoerd.

Wat is er gepubliceerd

Het gepubliceerde pakket bevat verschillende categorieën informatie. Elk van de 372 resultaten wordt geleverd met een volledige formaliseringscode in Lean, de computer‑ondersteunde bewijstaal, en een samenvatting van maximaal tien stappen die het denkproces van het model beschrijven. Daarnaast heeft OpenAI statistieken verstrekt over het aantal pogingen, de succesratio en een schatting van de benodigde rekentijd: gemiddeld heeft elk resultaat ongeveer drie uur aan ChatGPT‑Pro‑redenering gekost. De volledige prompts die tot de bewijzen leidden, evenals de broncode van het model dat de bewijzen genereerde, zijn niet bijgevoegd.

• Volledige formaliseringscode in Lean voor 372 resultaten
• Tien‑stappen samenvattingen per resultaat
• Statistieken over pogingen en succesratio
• Schatting van rekentijd (≈ 3 uur ChatGPT Pro per resultaat)

Scientific American heeft het aantal van 372 resultaten geteld en meldt dat deze, volgens de publicatie, openstaande of vooruitstrevende vraagstukken in diverse takken van de wiskunde oplossen, variërend van getaltheorie tot algebraïsche topologie. Het tijdschrift benadrukte dat, hoewel verschillende bewijzen formeel geverifieerd zijn in Lean, de wetenschappelijke gemeenschap nog moet beoordelen hoe belangrijk en origineel elke bijdrage werkelijk is. OpenAI erkende dat formele verificatie alleen geen garantie biedt voor wetenschappelijke nieuwheid, en dat een peer‑reviewproces essentieel zal zijn om de daadwerkelijke impact van de bevindingen te bevestigen.

Reacties uit de gemeenschap

Wiskundigen die de repository hebben geanalyseerd, uitten scepsis over de volledige verifieerbaarheid van de resultaten. Sommigen merkten op dat, zonder toegang tot het onderliggende model of de volledige prompts, het moeilijk is om het exacte redeneringspad te reproduceren dat tot de bewijzen heeft geleid. Anderen betwijfelden de nieuwheid van de bewijzen en suggereerden dat sommige resultaten mogelijk al bekend waren of slechts triviale variaties van bestaande theorema's vertegenwoordigen. Bovendien werd de omvang van de benodigde review als een obstakel genoemd: het beoordelen van honderden formele bewijzen vraagt om aanzienlijke tijd en middelen die veel academische instellingen niet in overvloed hebben.

Ondanks deze bedenkingen heeft een deel van de gemeenschap de initiatief verwelkomd als een belangrijke stap in de integratie van AI en wiskunde. De publieke beschikbaarheid van de Lean‑formaliseringsbestanden stelt onderzoekers in staat om extensies te testen, nieuwe conjecturen te verkennen en hulpmiddelen te ontwikkelen die het redeneringsproces ondersteunen. Enkele specialisten benadrukten dat het publiceren van resultaten, zelfs zonder het model, een startpunt creëert voor discussies over evaluatiestandaarden, toekenning van krediet en ethische overwegingen bij kennisproductie die door AI wordt ondersteund.

Toekomstige stappen en implicaties

OpenAI heeft beloofd de kwaliteit van de citaten, de helderheid van de presentatie en de algehele opmaak van de resultaten in toekomstige iteraties te verbeteren. Het bedrijf heeft bovendien financiering aangekondigd voor workshops die onderzoekers op het gebied van AI en wiskunde samenbrengen, met als doel goede praktijken voor verificatie en publicatie van door machines gegenereerde resultaten te definiëren. Terwijl de potentiële voordelen – zoals versnelde ontdekkingen, democratisering van bewijsgereedschappen en nieuwe interdisciplinaire samenwerkingen – zorgvuldig moeten worden afgewogen tegen de huidige beperkingen, waaronder de beperkte transparantie van het model en de noodzaak van rigoureuze menselijke review. Wat nu verandert, is dat de gemeenschap toegang heeft tot een omvangrijk corpus van formele bewijzen dat als basis kan dienen voor toekomstige onderzoeken, terwijl er tegelijkertijd een kritisch debat wordt geopend over hoe AI‑bijdragen gevalideerd en geïntegreerd kunnen worden in het traditionele wetenschappelijke landschap.