Gdy profesor matematyki z New York University użył sztucznej inteligencji, by zbliżyć się do rozwiązania jednej z największych zagadek wszech czasów, nie spodziewał się, że najgroźniejszy rywal czeka po drugiej stronie interfejsu. Ujawniony właśnie spór między badaczami a OpenAI obnaża brutalne reguły nowej ery nauki: giganci technologiczni mogą w kilka dni przeznaczyć miliony dolarów na moc obliczeniową, by zdyskontować cudze hipotezy.
Przez niemal dwa stulecia równania Naviera-Stokesa – matematyczny fundament mechaniki płynów opisujący wszystko, od prądów oceanicznych po wiry powietrza na skrzydle boeinga – opierały się najtęższym umysłom globu. Pytanie, za które Clay Mathematics Institute wyznaczył w 2000 roku okrągły milion dolarów nagrody, sprowadza się do pozornego paradoksu: czy płyn poruszający się w idealnie gładki, przewidywalny sposób może w pewnym skończonym momencie „wybuchnąć” – osiągnąć nieskończoną prędkość i rozerwać matematyczny aparat fizyki?
We wtorek, 8 września 2026 roku, świat obiegła wiadomość, że ten matematyczny bastion padł. Jednak zamiast akademickiego święta branża otrzymała najostrzejszy w historii spór o etykę, własność intelektualną i bezwzględne reguły gry w epoce krzemowych gigantów. Szczegóły sprawy jako pierwszy opisał serwis TechCrunch, ujawniając kulisy oskarżeń, jakie pod adresem OpenAI wysunął prof. Tristan Buckmaster z New York University.
Tydzień, który wstrząsnął uniwersytetami
Wszystko zaczęło się od cichej pracy prowadzonej według najstroższych rygorów. Tristan Buckmaster (NYU) oraz Levent Alpöge – matematyk formalnie zatrudniony w Anthropic, lecz pracujący nad problemem prywatnie – połączyli siły z modelami AI: komercyjnym Claude oraz narzędziem Codex od OpenAI. Wybór ścieżki badawczej był unikalny. Podczas gdy większość naukowców bezskutecznie próbowała udowodnić gładkość rozwiązań dla wszystkich przypadków, Buckmaster i Alpöge zaatakowali warianty „C” i „D” ze sformułowania Charlesa Feffermana z Instytutu Claya – badając przypadek z gładką siłą zewnętrzną i opierając się na niszowej konstrukcji matematycznej autorstwa Diego Córdoby i Javiera Martíneza-Zoroy.
– Ścieżka do problemu Claya przez gładką siłę […] to droga, którą otworzyli Luis i Diego, a którą Levent i ja po cichu postanowiliśmy zaatakować. Prawie nikt inny, kogo znam, nad tym nie pracował. To nie jest kierunek, na który wpada się w kilka dni, po prostu wpisując modelowi treść zadania – napisał Tristan Buckmaster w oficjalnym oświadczeniu opublikowanym na serwerach Courant Institute (NYU).
Zgodnie z rekonstrukcją wydarzeń:
-
1 września: W sieci pojawia się plotka, jakoby konkurencyjne laboratorium (Anthropic) wewnętrznie uporało się z jednym z problemów milenijnych. W OpenAI zapada decyzja o skierowaniu nowego, niewydanego jeszcze modelu do rozwiązania problemu Naviera-Stokesa.
-
3 września: Buckmaster kontaktuje się z badaczami OpenAI, by sprostować plotki – to nie Anthropic jako firma dokonała przełomu, lecz on sam z Alpöge, a ich praca jest na ukończeniu. W trakcie rozmowy dowiaduje się, że OpenAI również zaczęło intensywnie badać ten sam problem.
-
5–6 września: OpenAI informuje Buckmastera, że ich autonomiczny model wygenerował pełny dowód. Przedstawiciele firmy proponują skoordynowanie publikacji.
-
8 września: Buckmaster i Alpöge publikują wstępne rezultaty (trzy dowody częściowe). Kilka godzin później OpenAI ogłasza pełne rozwiązanie problemu Naviera-Stokesa.
Czytaj także: Zaczęło się! AI buja kolebką logiki
Brute-force za 22,5 miliona dolarów
Różnica między warsztatem akademickim a zasobami technosfery okazała się porażająca. Jak wynika z danych ujawnionych przez OpenAI, ich eksperymentalny agent logiczny w niespełna tydzień wygenerował 300 miliardów tokenów wyjściowych. Przeliczając to na standardowe rynkowe stawki infrastruktury obliczeniowej (tzw. compute), OpenAI spaliło w ciągu siedmiu dni równowartość około 22,5 miliona dolarów.
Dla porównania: cały roczny budżet niejednego prestiżowego instytutu matematycznego na świecie wynosi ułamek tej kwoty. Niezależni badacze dysponujący grantami uniwersyteckimi stanęli w szranki z machiną, która mogła przetestować miliony rozgałęzień dowodowych na sekundę, gdy tylko zorientowała się, gdzie leży cel.
„Nie muszę być miły”
Konflikt nie skończył się jednak na samej rywalizacji maszyn. W swoim oświadczeniu Buckmaster rzuca światło na kulisy negocjacji z czołowym naukowcem OpenAI, Sébastienem Bubeckiem. Według relacji profesora NYU, OpenAI złożyło dwie propozycje kompromisu. Buckmaster publikuje swoje wyniki dotyczące równań Eulera, a OpenAI dzień później ogłasza dowód Naviera-Stokesa – albo Buckmaster zostaje jedynym ludzkim autorem pełnego artykułu OpenAI na temat Naviera-Stokesa, z adnotacją, że problem rozwiązał model twórców ChatGPT.
A gdzie jest haczyk? Wykreślenie Leventa Alpöge z listy autorów, ponieważ ten na co dzień pracuje dla głównego konkurenta OpenAI – firmy Anthropic.
Gdy Buckmaster odmówił wykluczenia kolegi i zagroził upublicznieniem sprawy, ze strony Bubecka miały paść twarde słowa „dlaczego miałbyś niszczyć sobie karierę?” – miał zapytać Bubeck, dodając później: „Jeśli nie chcesz, żebym był miły, to nie muszę być miły”.
„Inny dowód, brak dostępu do danych”
OpenAI stanowczo odrzuca zarzuty o kradzież własności intelektualnej czy celowy sabotaż. W oficjalnym komunikacie technicznym firma przekonuje, że jej model podążył własną ścieżką logiczną, wskazując m.in. na różnice strukturalne. Dowody opublikowane przez model OpenAI oraz duet Buckmaster-Alpöge różnią się w kluczowych punktach formalnych – m.in. w mechanizmie eksplozji rozwiązania w skończonym czasie (finite-time blowup) oraz w traktowaniu równań w wariantach z wymuszeniem i bez wymuszenia (forced vs unforced).
Podniesiono też kwestię prywatności danych. OpenAI zapewnia, że pracownicy ani agenci nie mieli bezpośredniego wglądu w prywatne sesje badaczy w narzędziu Codex przed ich upublicznieniem.
Pojawiło się jednak jedno, kluczowe zastrzeżenie, które natychmiast wywołało poruszenie wśród prawników i ekspertów od cyberbezpieczeństwa. W oficjalnym oświadczeniu OpenAI przyznało: „jakkolwiek jest to mało prawdopodobne, nie możemy wykluczyć, że zanonimizowane dane pochodzące z korzystania z naszych produktów pomogły w ulepszeniu naszych modeli”.
To jedno, pozornie niewinne zdanie, zbudowane umiejętnie w oparciu o bezpieczniki PR, budzi ciarki na plecach społeczności naukowej. Nawet jeśli nikt fizycznie nie skopiował notatek Buckmastera, sam fakt wprowadzania przez miesiące roboczych hipotez i fragmentów obliczeń do komercyjnego interfejsu AI mógł zasilić tzw. pętlę uczenia w locie lub telemetrię, wskazując wektor poszukiwań.
Co ten spór oznacza dla polityki publicznej i przyszłości nauki?
Afera wokół równań Naviera-Stokesa wykracza daleko poza ambicjonalny spór na wydziale matematyki. To sygnał ostrzegawczy dla regulatorów i instytucji finansujących badania. Po pierwsze – kwestia prywatności danych badawczych w kontekście bezpieczeństwa narodowego i gospodarczego. Naukowcy na całym świecie rutynowo używają asystentów AI do weryfikacji kodu, formatowania równań i pisania szkiców publikacji. Jeśli komercyjny dostawca może w sposób „zanonimizowany” wychwycić kierunek przełomu i rzucić przeciwko własnemu klientowi farmę serwerów wartą 20 milionów dolarów, korzystanie z takich narzędzi staje się dla uniwersytetów ryzykiem egzystencjalnym.
Po drugie, konieczność regulacji „Zero Data Retention”. Dotychczasowe deklaracje platform o ochronie danych użytkowników wymagają twardych, zewnętrznych audytów kryptograficznych, a nie jedynie zapewnień prawnych.
I wreszcie, nie sposób nie wspomnieć o kryzysie kryteriów autorstwa akademickiego. Ani Clay Mathematics Institute, ani komitety Nagrody Fieldsa czy Nagrody Nobla nie posiadają dziś jasnych procedur określających, jak traktować dowód, w którym 99% pracy kombinatorycznej wykonała sieć neuronowa wytrenowana na publicznym dorobku ludzkości, a uruchomiona przez garść inżynierów promptu.
Matematyka uchodziła dotąd za ostatni bastion czystego rozumu – dziedzinę, w której o wielkości decydowały kartka papieru, ołówek i geniusz jednostki, niezależnie od budżetu. Wrzesień 2026 roku pokazał bez znieczulenia, że w epoce sztucznej inteligencji nawet prawda matematyczna staje się towarem, który można sprzątnąć naukowcom sprzed nosa, dysponując odpowiednio wielkim klastrem kart graficznych.
