OpenAI ha donat a conèixer els primers resultats de Astra, el proper model d'intel·ligència artificial, que ha aconseguit avenços en deu problemes oberts de matemàtiques i ciències de la computació teòrica. Segons la companyia, alguns d'aquests problemes feia més d'una dècada que no es produís cap progrés significatiu. L'anunci, publicat l'1 d'agost del 2026, ha generat un gran enrenou a la comunitat científica, encara que molts investigadors demanen prudència fins que els resultats siguin revisats per experts independents.
El que diferencia aquest anunci d'altres similars és que OpenAI ha publicat no només els resultats, sinó també les demostracions formalitzades al sistema de verificació Lean. Això permet que qualsevol matemàtic pugui comprovar automàticament la correcció dels arguments. A més, l'empresa ha detallat el procés de descobriment, incloent-hi 249 pàgines d'arguments i 62 pàgines de notes raonades, fet que aporta una transparència inusual en aquest tipus de comunicacions.
Els deu problemes i la seva rellevància
Els problemes abordats per Astra abasten àrees molt diverses de les matemàtiques modernes. Entre ells destaquen la refutació de la conjectura de rigidesa de Connes, un resultat de gran impacte en àlgebres doperadors, i la construcció explícita de grups no sòfics, una qüestió fonamental en teoria de grups. També s'han obtingut nous límits superiors per a l'empaquetament d'esferes en dimensions altes, un problema amb aplicacions directes en teoria de la informació i codis correctors d'errors.
Al camp de la combinatòria, Astra ha resolt tres problemes plantejats pel matemàtic hongarès Paul Erdős: els problemes 146, 180 i 183. L'últim, relacionat amb els números de Ramsey multicolor, ha estat qualificat per l'expert Thomas Bloom com «el més sorprenent de tota la llista». Altres avenços inclouen noves cotes inferiors per a circuits aritmètics, un teorema de repetició paral·lela per a jocs quàntics i resultats sobre la duresa d'aproximació del problema del vector més proper, rellevant per a la criptografia postquantica.
Cost i metodologia
OpenAI ha revelat que el cost total a tokens per trobar aquestes solucions va ser d'aproximadament 2.000 dòlars, segons les tarifes de l'API de Sol. No obstant, aquesta xifra no inclou l'entrenament del model ni el treball dels investigadors humans. El procés va combinar la generació d?arguments per part d?Astra amb la intervenció d?experts que van ajudar a convertir aquests arguments en manuscrits clars i, posteriorment, en certificats Lean verificables automàticament.
La formalització a Lean és clau: permet que qualsevol persona amb accés al programari pugui comprovar pas a pas que la demostració és correcta des d'un punt de vista lògic. No obstant això, els matemàtics encara han de verificar que les definicions i els supòsits utilitzats es corresponen amb el problema original, una cosa que no pot fer una màquina per si sola. OpenAI ha assumit la responsabilitat de la correcció dels treballs, però no ha identificat cap grup independent que hagi avaluat públicament els deu resultats complets.
Comparació amb Deep Blue i cautela necessària
Diversos mitjans han comparat aquesta fita amb la victòria de Deep Blue sobre Garri Kaspárov el 1997, però els experts recorden que les matemàtiques són més complexes que els escacs. En una partida, el resultat és immediat; en matemàtiques, una demostració pot necessitar mesos de revisió per parells abans de ser acceptada. A més, Astra no està disponible públicament, per la qual cosa els investigadors externs no poden reproduir el procés ni conèixer la taxa de fracàs del model.
OpenAI ja ha tingut experiències prèvies en què resultats aparentment correctes van resultar ser erronis després de la revisió d'especialistes. Al febrer de 2026, la companyia va presentar solucions per al desafiament First Proof i posteriorment va reconèixer que una era incorrecta. Per això, la comunitat científica insisteix que aquests deu avenços han de ser tractats com a prometedors, però no com a definitius, fins que siguin verificats de forma independent.
A nivell europeu, investigadors d'universitats com la Politècnica de Madrid o la Universitat de Cambridge han mostrat interès a analitzar els certificats Lean publicats per OpenAI. La possibilitat que una intel·ligència artificial col·labori en la generació de nou coneixement matemàtic obre un debat sobre el paper dels científics humans en el futur, encara que la companyia subratlla que la validació i la contextualització dels resultats continuarà depenent d'experts durant molts anys.
Tot i així, l'anunci d'Astra marca un punt d'inflexió: la intel·ligència artificial ja no es limita a resoldre exercicis amb respostes conegudes, sinó que comença a proposar arguments originals sobre preguntes situades a la frontera del coneixement. El veritable «moment Deep Blue» de les matemàtiques potser no arribarà amb un únic resultat espectacular, sinó gradualment, a mesura que aquests models es converteixen en col·laboradors capaços d'explorar milers de camins i formalitzar resultats que cap investigador havia provat abans.
