AI motbeviste en 80 år gammel matematikkgåte – og forskerne sjekket etter

AI motbeviste en 80 år gammel matematikkgåte – og forskerne sjekket etter

OpenAI kunngjorde 20. mai 2026 at en intern resonneringsmodell på egen hånd motbeviste enhetsavstandsformodningen, et problem stilt av Paul Erdős i 1946. Modellen fant en konstruksjon som slår de antatt optimale rutenettene, og resultatet ble etterkontrollert av eksterne matematikere før det ble offentliggjort. Det er første gang en AI selvstendig avgjør et kjent åpent matematikkproblem.

Hva problemet handlet om

Erdős-problemet er enkelt å si: hvis du plasserer n punkter i planet, hvor mange par av punkter kan ha nøyaktig avstand 1 mellom seg? I nesten et århundre antok matematikere at firkantede rutenett ga flest slike par. Det viste seg å være feil. Modellen konstruerte punktoppsett basert på algebraisk tallteori som gir flere enhetsavstander enn rutenettet, og presset den nedre grensen opp til omtrent n opphøyd i 1,014.

Det høres teknisk ut, men poenget er prinsipielt. Modellen svarte ikke bare på et spørsmål den hadde sett før. Den produserte en ny matematisk idé som mennesker hadde lett etter og ikke funnet på åtti år. Det er forskjellen mellom å gjengi kunnskap og å lage ny kunnskap.

Hvorfor menneskelig kontroll var hele poenget

Et AI-bevis er verdiløst uten verifisering. Derfor er det viktigste ved denne saken ikke at modellen kom med ideen, men at uavhengige matematikere etterpå kontrollerte at beviset faktisk holder. OpenAI publiserte selve bevisteksten, kommentarer og et redigert sammendrag av modellens resonnement, slik at andre kunne gå etter i sømmene.

Dette mønsteret kommer til å gjenta seg. Når en modell foreslår et resultat, må noen med fagkompetanse sjekke at hvert ledd stemmer, for språkmodeller kan formulere overbevisende argumenter som likevel inneholder feil. For norske forskningsmiljøer og bedrifter er lærdommen direkte overførbar: AI kan være en kraftig idégenerator, men sluttkontrollen tilhører mennesket. Et forslag fra en modell er en hypotese som skal etterprøves, ikke en fasit.

Hva dette betyr og ikke betyr for vanlige brukere

La oss være edruelige. Dette betyr ikke at AI nå løser matematikk generelt, eller at modeller har blitt pålitelige på egen hånd. Det var ett problem, innenfor et felt der svaret kan kontrolleres presist, og det krevde menneskelig oppfølging. De fleste oppgaver i arbeidslivet har ikke et fasitsvar som lar seg verifisere like rent.

Det som er reelt, er retningen. Modeller som bruker mer tid på å «tenke» før de svarer, blir stadig bedre på problemer som krever flere logiske steg. For norske virksomheter er det praktiske rådet å bruke disse modellene der svaret kan kontrolleres – beregninger, kode, strukturerte analyser – og alltid bygge inn et menneskelig kontrolledd. Det som ga en historisk matematisk oppdagelse, var ikke modellen alene, men modellen pluss kompetente mennesker som sjekket etter.

«En av våre resonneringsmodeller produserte den første fullstendig autonome motbevisningen av Erdős' enhetsavstandsformodning fra 1946 ved hjelp av algebraisk tallteori. Beviset er kontrollert av eksterne matematikere, og vi har offentliggjort bevistekst, kommentarer og et redigert sammendrag av modellens resonnement.» — Oppsummert fra OpenAIs kunngjøring, 20. mai 2026 (openai.com)

Ofte stilte spørsmål

Løste en AI virkelig et åpent matematikkproblem? Ja. I mai 2026 motbeviste en resonneringsmodell fra OpenAI enhetsavstandsformodningen som Paul Erdős stilte i 1946, ved å finne punktoppsett basert på algebraisk tallteori som slår de antatt optimale rutenettene. Resultatet ble kontrollert av eksterne matematikere før det ble offentliggjort, og regnes som første gang en AI selvstendig avgjør et anerkjent åpent matematikkproblem.

Betyr dette at AI nå er pålitelig på matematikk? Nei. Det gjaldt ett problem i et felt der svaret kan verifiseres presist, og det krevde menneskelig etterkontroll for å bekrefte at beviset holdt. Modeller kan fortsatt formulere overbevisende argumenter som inneholder feil. De fleste oppgaver i arbeidslivet mangler et fasitsvar som lar seg kontrollere like rent.

Hvordan kan norske bedrifter bruke dette i praksis? Bruk resonneringsmodeller der svaret kan kontrolleres, som beregninger, kode og strukturerte analyser, og bygg alltid inn et menneskelig kontrolledd. Behandle forslag fra modellen som hypoteser som skal etterprøves, ikke som fasit. Det var nettopp kombinasjonen av modell og kompetent menneskelig kontroll som ga gjennombruddet.