Matematiske tests har været standardmetoden til at teste AI-modeller som ChatGPT og Claude. OpenAI siger, at deres modeller nu klarer sig så godt, at de eksisterende matematikprøver bliver mindre brugbare. Så forskerne prøvede noget sværere.
De gav en endnu ikke frigivet model omkring 4.000 uløste matematikopgaver. Resultaterne var overraskende og bekymrende.
AI’en skabte 722 manuskripter, samlet i 372 familier af beslægtede resultater. OpenAI siger, at hvert resultat brugte cirka tre timers regnekapacitet i gennemsnit.
“Der venter nogle ret spændende dage for det matematiske fællesskab!” skrev Stefano Gogioso, medlem af BeInCryptos Future Tech og AI Experts Council
Bliver AI for stærk for hurtigt?
Det er den større historie. Grænseprægende AI rykker nu ud over blot at svare på kendte spørgsmål og begynder at skabe mulige løsninger på ukendte problemer.
Det kan markant øge, hvor mange intellektuelle opgaver en forsker, ingeniør eller analytiker kan prøve kræfter med.
Men output er ikke sandhed. Mange af OpenAIs artikler har computer-tjekkede Lean-beviser. Andre har ikke. OpenAI advarer om, at nogle uverificerede resultater “kan have fejl.”
Det skaber en ny flaskehals: Mennesker kan få svært ved at gennemgå research så hurtigt, som AI kan producere det.
Kan en AI nu udføre forudsigende analyse og træffe investeringsbeslutninger?
Måske, men finans er udfordrende på en anden måde.
Et matematisk bevis kan til sidst vises rigtigt eller forkert. Markeder larmer og ændrer sig hele tiden.
Nyere finansielle målinger viser stadig, at avanceret AI kæmper med kompleks investeringsresearch, mens studier af markeds-timing finder begrænset forudsigelsesevne.
Den nærmeste mulighed ligger i dybere analyse snarere end perfekt forudsigelse.
En AI, der kan tænke fokuseret i timevis, kan undersøge regnskaber, earnings calls, makrodata og konkurrerende scenarier på én gang, og teste langt flere hypoteser end en enkelt analytiker kan.
Det kan vise sig at være det største signal fra OpenAIs eksperiment. AI bliver i stand til at levere seriøst analytisk arbejde i ekstraordinært omfang. Det næste problem er at afgøre, hvad der fortjener vores tillid.











