AI vyřešila deset matematických záhad, na kterých si experti lámali hlavu desítky let. Stálo to 2000 dolarů
Zatím nezveřejněný model OpenAI jménem Astra vyřešil deset problémů, které v matematice odolávaly celá desetiletí. Celý výpočet stál zhruba 2000 dolarů — a mění to, co lze od AI ve firmě čekat.
Deset matematických problémů, které lidským expertům odolávaly celá desetiletí, padlo během několika dní. Nevyřešil je tým profesorů na univerzitě, ale zatím nezveřejněný model OpenAI se jménem Astra — a celý účet za výpočet vyšel podle firmy zhruba na 2000 dolarů. Pro podnikatele je to varovně jasný signál: umělá inteligence právě překročila hranici mezi „plněním úkolů“ a „vytvářením zcela nového poznání“.
Co se vlastně stalo
OpenAI na začátku srpna oznámil svůj další velký model. Nese jméno Astra a firma ho popisuje jako systém stavěný na dlouhé, komplexní úkoly — dokáže koordinovat několik AI agentů, kteří spolupracují klidně hodiny nebo dny. Sam Altman ho už předváděl politikům a regulátorům ve Washingtonu. Veřejného vydání se model zatím nedočkal a stane se prvním, který projde novým americkým bezpečnostním schvalováním, jež před uvedením na trh vyžaduje souhlas federální vlády.
Namísto obvyklých benchmarků a marketingových grafů ovšem OpenAI oznámení podepřel něčím podstatně tvrdším. Interní verze Astry vyřešila deset problémů, které byly v matematice a teoretické informatice otevřené nejméně deset let — některé i osm desetiletí. A ke každému výsledku firma zveřejnila strojově ověřitelný důkaz.
Deset trhlin v tom, co jsme považovali za nedobytné
Vlajkovým výsledkem je vůbec první explicitní konstrukce takzvané nesofické grupy — problém, který v teorii grup otevřel matematik Michail Gromov už v roce 1999 a od té doby na něj nikdo nedokázal odpovědět. Astra ale sáhla mnohem dál napříč obory:
- Vyvrátila Connesovu rigiditní domněnku o von Neumannových algebrách
- Dokázala Ehrhartovu objemovou domněnku
- Vyřešila tři problémy Paula Erdőse, včetně slavného problému č. 183 o vícebarevných Ramseyových číslech
- Poprvé od roku 1978 zlepšila obecné horní odhady hustoty balení koulí ve vysokých dimenzích
- Dokázala větu o paralelním opakování pro dvouhráčové kvantové hry
- Stanovila nové dolní meze složitosti obvodů pro výpočet permanentu
Sečteno a podtrženo, systém se pohyboval ve vysokorozměrné geometrii, teorii kódování, teorii grup, kvantové složitosti, mřížkové kryptografii i extremální kombinatorice. Tedy v disciplínách, kde se běžně publikuje jeden zásadní výsledek za kariéru. Astra jich dodala deset — a celý výpočet přišel podle OpenAI zhruba na 2000 dolarů v tokenech.
Proč je nejdůležitějším číslem těch 2000 dolarů
Pro byznys není nejzajímavější, že AI umí matematiku. Nejzajímavější je poměr cena ku výsledku. Práce, kterou by špičkový tým lidských matematiků nedokázal dotáhnout do konce ani za desítky let, vznikla za cenu jedné lepší kancelářské židle. To je přesně ta ekonomická logika, která během posledních dvou let převrátila celá odvětví — jen se teď posouvá z rutinních úkolů do oblasti skutečného výzkumu a inovace.
OpenAI navíc přiznává, že při řešení ani zdaleka nevytěžil své výpočetní možnosti. Výzkumník Noam Brown to shrnul jednou větou, která by měla zajímat každého, kdo přemýšlí o budoucnosti své firmy:
Je to velký krok pro vědecké uvažování. A je možné posunout výpočetní výkon při běhu modelu ještě mnohem dál.
Jinými slovy: nešlo o hraniční, jednorázový výkon dotažený na doraz. Šlo o ukázku, za kterou se skrývá ještě velká rezerva. Když dnes stojí vyřešení desetiletí otevřeného problému 2000 dolarů, je rozumné počítat s tím, že za rok to bude zlomek téhle částky.
Od plnění úkolů k vytváření poznání
Dosud jsme si na AI zvykali jako na nástroj, který zrychlí to, co už umíme — napíše e-mail, shrne dokument, vygeneruje kód podle zadání. Astra ukazuje jiný režim: model dostal jen znění problému, žádné nápovědy ani vedení krok za krokem, a sám dodal kompletní, originální řešení. To je posun od automatizace práce k automatizaci objevu.
Pro podnikatele to znamená, že se okruh úloh, které lze svěřit stroji, rozšiřuje z „udělej to, co ti řeknu“ na „vyřeš problém, na který neznám odpověď“. Optimalizace logistiky, hledání nových materiálů, návrh chemických procesů, objevování mezer na trhu — to všechno jsou úlohy stejného typu jako matematický důkaz: mají jasně definované zadání a ověřitelné řešení. A právě takové problémy dnes AI zvládá řešit sama.
Zdrženlivost je ale namístě. Matematik Thomas Bloom z Manchesterské univerzity, který výsledky označil za „velkou novinu“ a za významnější než dřívější vyvrácení Erdősovy domněnky o jednotkových vzdálenostech, zároveň odmítl vyprávění o tom, že AI nahradí matematiky. Astra podle něj stojí na více než století lidské matematické teorie — bez ní by neměla z čeho stavět. To je dobrý korektiv i pro byznys: AI dnes brilantně kombinuje a rozvíjí existující poznání, nezakládá ho z ničeho.
Klíčový detail: důkaz, kterému nemusíte věřit
Nejpraktičtější poučení pro firmy se skrývá v tom, jak OpenAI své výsledky doložil. Ke 249stránkovému rukopisu přiložil na GitHub strojově ověřitelné certifikáty v jazyce Lean 4 — pro každý jednotlivý důkaz. Lean je takzvaný proof asistent, který krok po kroku kontroluje správnost matematické argumentace. Kdokoli si soubory může stáhnout a nechat je ověřit na vlastním počítači, aniž by musel věřit jedinému slovu OpenAI.
To je model důvěry, který by si měl osvojit každý, kdo AI nasazuje do vážného provozu. Výstup umělé inteligence sám o sobě není důkaz — je to hypotéza. Skutečnou hodnotu získává až ve chvíli, kdy existuje nezávislý, automatizovaný způsob, jak ho ověřit. Ať už jde o testy u kódu, kontrolní výpočty u financí, nebo formální certifikáty u matematiky. Kdo tenhle ověřovací krok přeskočí, staví byznys na písku.
Co si z toho odnést
Astra zatím není veřejně dostupná a přesné datum vydání neznáme — může vyjít jako GPT-6, nebo jako varianta stávající řady. OpenAI ale dal jasně najevo směr: firma míří k modelu na úrovni „vědeckého stážisty“ už v září 2026 a k plně samostatnému AI výzkumníkovi do března 2028.
Pro českého podnikatele z toho plynou tři praktické závěry. Za prvé, náklady na řešení skutečně těžkých problémů prudce padají — úlohy, které jste odkládali jako „na to nemáme lidi ani rozpočet“, stojí za nové zvážení. Za druhé, konkurenční výhoda se přesouvá od toho, kdo má odpovědi, k tomu, kdo umí položit správnou otázku a ověřit odpověď. A za třetí, budujte si už teď procesy, jak výstupy AI nezávisle kontrolovat — protože čím schopnější modely budou, tím dražší bude slepě jim věřit.