OpenAI מפרסמת הוכחות למאות בעיות מתמטיות פתוחות: המודל הפנימי שמפתיע את עולם המחקר

OpenAI הודיעה ב-6 באוקטובר כי מודל פנימי שלה הפיק הוכחות לבעיות מתמטיות פתוחות, ופרסמה חלק מהן כפורמליזציות מאומתות בשפת Lean במאגר ציבורי ב-GitHub. מדובר בפרסום של OpenAI על בעיות מתמטיות פתוחות שמסמן שלב חדש: מודלי שפה כבר לא רק פותרים תרגילי תחרות, אלא מתחילים לתרום תוצאות שניתנות לאימות למחקר מתמטי פעיל. במאמר הזה נפרק מה בדיוק פורסם, איך זה עובד טכנית, למה אימות פורמלי הוא הנקודה הקריטית, ומה המשמעות המעשית לחוקרים ולבוני מוצרים בישראל.

מה בדיוק פרסמה OpenAI ולמה זו אבן דרך מחקרית

התשובה הקצרה: OpenAI שיתפה תוצאות של מודל פנימי שעבד על בעיות פתוחות במתמטיקה, כלומר שאלות שלא היה להן פתרון ידוע בספרות, ופרסמה פורמליזציות של הוכחות ב-Lean במאגר GitHub פתוח כדי שהקהילה תוכל לבדוק אותן באופן עצמאי. ההבדל בין זה לבין הישגים קודמים הוא מהותי. פתרון בעיות מאולימפיאדות מתמטיקה, כמו התוצאות ברמת מדליית זהב ב-IMO שהוצגו ב-2025, מרשים אבל עוסק בבעיות שבני אדם כבר פתרו. כאן מדובר בשאלות שעמדו ללא מענה.

הבחירה לפרסם את ההוכחות בפורמט פורמלי ולא רק כטקסט חופשי היא החלטה מוצרית חכמה. הוכחה בשפה טבעית דורשת מתמטיקאי מומחה שיקרא, יבדוק ויאשר, תהליך שלוקח שבועות ולעיתים שנים. הוכחה פורמלית ב-Lean נבדקת על ידי ה-kernel של המערכת בשניות, ללא תלות באמון במודל או בחברה שפרסמה אותה. זה הופך את הטענה "המודל הוכיח בעיה פתוחה" מהצהרה שיווקית לעובדה שניתנת לשחזור על כל מחשב.

חשוב לדייק גם במה שלא נטען: OpenAI לא הציגה פתרון להשערות המפורסמות הגדולות, והבעיות שנפתרו הן ברובן בעיות ממוקדות מתוך מאגרי בעיות פתוחות, מהסוג שמתמטיקאים אוספים ומתעדים לאורך עשורים. זו עדיין תרומה אמיתית, אבל בסדר הגודל של עבודת מחקר שוטפת, לא של פריצת דרך היסטורית בודדת.

איך מודל AI מוכיח בעיה מתמטית פתוחה בפועל

תהליך העבודה בנוי משלושה שלבים עיקריים: חיפוש רעיוני בשפה טבעית, תרגום לפורמליזציה, ואימות מכני. בשלב הראשון המודל מייצר כיווני הוכחה, למות ביניים וקונסטרוקציות אפשריות, בדומה לאופן שבו מתמטיקאי משרטט סקיצה של טיעון. בשלב השני הסקיצה מתורגמת לקוד Lean, שבו כל צעד לוגי חייב להיות מפורש. בשלב השלישי המהדר של Lean מריץ את ההוכחה מול האקסיומות והספריות הקיימות, ומחזיר הצלחה או כישלון חד משמעיים.

מנקודת מבט של בוני מערכות, זהו למעשה לופ של generate and verify: המודל מייצר מועמדים, המאמת הפורמלי מסנן, והכישלונות מוזנים חזרה כפידבק. הארכיטקטורה הזו פותרת את בעיית ההזיות בצורה האלגנטית ביותר שקיימת היום, כי הוורייפייר אינו מודל סטטיסטי אלא בודק לוגי דטרמיניסטי. כל מה שעובר אותו נכון בהגדרה, בהינתן נכונות ההגדרות הפורמליות של הבעיה עצמה.

מה זה Lean ולמה דווקא הוא

Lean הוא proof assistant, סביבת תכנות שבה כותבים משפטים מתמטיים והוכחות כקוד, והמערכת מוודאת שכל צעד נובע לוגית מקודמיו. סביב Lean צמחה ספריית mathlib, מאגר קוד פתוח עם מאות אלפי משפטים מפורמלים שקהילת מתמטיקאים בונה מאז 2017. הספרייה הזו משמשת תשתית: כשמודל מוכיח תוצאה חדשה, הוא נשען על הגדרות ומשפטים קיימים, בדיוק כמו מפתח שמייבא חבילות. זו גם הסיבה ש-DeepMind בחרה ב-Lean לפרויקט AlphaProof, והפכה אותו לסטנדרט דה-פקטו בתחום.

Lean

proof assistant - סביבת תכנות שבה כותבים משפטים והוכחות כקוד, והמערכת מוודאת שכל צעד נובע לוגית מקודמיו

mathlib

ספריית קוד פתוח עם מאות אלפי משפטים מפורמלים, שקהילת מתמטיקאים בונה סביב Lean מאז 2017

אימות פורמלי

בדיקה מכנית של הוכחה על ידי kernel לוגי - מחזירה הצלחה או כישלון חד משמעיים בשניות

generate and verify

ארכיטקטורה שבה המודל מייצר מועמדים, מאמת דטרמיניסטי מסנן, והכישלונות מוזנים חזרה כפידבק

test-time compute

השקעת כוח חישוב בזמן ההסקה - אלפי ניסיונות על בעיה אחת, כשניסיון מוצלח אחד מספיק

למה אימות פורמלי משנה את כללי המשחק באמינות AI

הערך המרכזי של הפרסום אינו ההוכחות עצמן אלא הדגמה של פרדיגמה: כשיש מאמת חיצוני מושלם, אפשר לסמוך על פלט של מודל גם בלי לסמוך על המודל. זו נקודה שכל מי שבונה מערכות AI לפרודקשן צריך להפנים. ברוב הדומיינים אין לנו ורייפייר כזה, ולכן אנחנו נאלצים להסתפק ב-RAG, ב-guardrails ובבדיקות אנושיות. במתמטיקה פורמלית, לעומת זאת, שיעור השגיאות של התוצר הסופי הוא אפס בהגדרה.

יש כאן גם שיעור על test-time compute, כלומר השקעת כוח חישוב בזמן ההסקה ולא רק באימון. כשיש אות אמת בינארי וזול יחסית, משתלם להריץ אלפי ניסיונות על בעיה אחת, כי ניסיון מוצלח אחד מספיק והוא ניתן לאימות מיידי. זה מודל כלכלי שונה לחלוטין מצ'אטבוט שחייב לענות נכון בניסיון הראשון, והוא רלוונטי לכל דומיין עם בודק אוטומטי: קומפילציה של קוד, בדיקות יחידה, סימולציות פיזיקליות ואופטימיזציה.

ההשלכה הארכיטקטונית ברורה: במקום לשאול "כמה המודל חכם", השאלה הנכונה היא "האם יש לי verifier אמין לדומיין שלי". פער הביצועים בין משימות עם אימות אוטומטי למשימות בלעדיו צפוי רק להתרחב ב-2026, וזה שיקול תכנון מרכזי בבחירת מקרי שימוש למוצרי AI.

מה המשמעות לחוקרים ולאקדמיה בישראל

לחוקרים ישראלים במתמטיקה, מדעי המחשב ותחומים כמותיים, הפרסום הזה הוא אות לשינוי בשיטות העבודה בטווח הקרוב. ישראל היא מעצמה במתמטיקה ובקומבינטוריקה בפרט, תחומים שבהם חלק ניכר מהבעיות הפתוחות הן בדיוק מהסוג שמודלים מתקדמים מתחילים לתקוף: בעיות ממוקדות עם ניסוח קומפקטי. חוקרים שישלבו כלים אלו בעבודתם יוכלו לסרוק כיווני הוכחה, לבדוק מקרי קצה ולפסול השערות מהר יותר.

ברמה הפרקטית, שלוש פעולות רלוונטיות כבר היום: ראשית, ללמוד Lean ו-mathlib, כי היכולת לקרוא ולכתוב מתמטיקה פורמלית הופכת למיומנות מחקרית מבוקשת. שנית, להתחיל לפרמל תוצאות קיימות מהתחום שלכם, כי מה שלא מפורמל פחות נגיש למודלים. שלישית, לעקוב אחרי מאגרי ה-GitHub של OpenAI ושל קהילת Lean, שם מתרחשת העבודה בפועל ולא רק בהודעות לעיתונות.

יש גם שאלות שהאקדמיה תצטרך להכריע בהן: איך מייחסים קרדיט על תוצאה שמודל הוכיח, איך שופטים מאמר שחלקו נוצר על ידי AI, ואיך מכשירים דוקטורנטים בעולם שבו חלק מעבודת ההוכחה הטכנית מתבצעת אוטומטית. אוניברסיטאות שיגבשו מדיניות ברורה מוקדם ירוויחו יתרון בגיוס חוקרים.

שיקולי פרודקשן: מה בוני מוצרים יכולים ללמוד מהפרויקט

הלקח המוצרי המרכזי הוא תכנון סביב לולאת אימות, לא סביב המודל. בפרויקט של OpenAI, המודל הוא רכיב מתחלף; הערך המערכתי נובע מהצימוד בין ג'נרטור סטוכסטי לוורייפייר דטרמיניסטי. בתרגום למוצרים: אם אתם בונים מערכת ליצירת קוד, ההשקעה החשובה היא בסביבת ההרצה והבדיקות שמאמתת כל פלט, לא רק בפרומפטים. אם אתם בונים מערכת לניתוח חוזים, חפשו תתי-משימות שבהן אפשר להגדיר בדיקה אובייקטיבית.

שיקול שני הוא עלות מול ערך של ריצות מרובות. הוכחת בעיה פתוחה מצדיקה שעות GPU רבות על שאילתה אחת, כי ערך התוצאה גבוה ועלות האימות זניחה. במוצר צרכני החשבון הפוך. לכן ב-2026 אנחנו רואים התבססות של ארכיטקטורות מדורגות: מודל זול לניסיון ראשון, אסקלציה למודל reasoning יקר רק כשהוורייפייר מדווח כישלון. זה דפוס שאפשר ליישם כבר היום עם מודלים מסחריים זמינים.

שיקול שלישי: שקיפות כתכונת מוצר. OpenAI פרסמה את ההוכחות במקום לבקש אמון, והקהילה יכולה לאמת כל שורה. מוצרים שמצרפים לפלט שלהם ראיות הניתנות לבדיקה, בין אם זה ציטוט מקור, לוג הרצת בדיקות או הוכחה פורמלית, יזכו לאמון שמוצרי קופסה שחורה לא ישיגו.

המגבלות: מה עדיין לא פתור בהוכחות מתמטיות של AI

חשוב לשמור על פרופורציות. ראשית, פורמליזציה של ניסוח הבעיה עצמה היא עדיין צוואר בקבוק אנושי: אם ההגדרה הפורמלית אינה תואמת את הבעיה המקורית, ההוכחה תקפה טכנית אבל חסרת משמעות מתמטית. בדיקת ההתאמה הזו דורשת מומחים. שנית, רוב המתמטיקה המחקרית עדיין לא מפורמלת, ולכן תחומים שלמים נותרים מחוץ להישג ידם של הכלים האלו עד שהתשתית תושלם.

שלישית, יש הבדל בין הוכחה נכונה להוכחה מאירת עיניים. מתמטיקאים מחפשים הבנה, לא רק אימות, והוכחות שנוצרו בחיפוש ממוחשב עלולות להיות ארוכות ואטומות. הערך המדעי המלא יגיע כשמודלים יידעו גם להסביר למה טיעון עובד ואילו רעיונות חדשים הוא חושף. ולבסוף, עלות החישוב: היכולות האלו רצות כיום על מודל פנימי עם משאבים שאינם זמינים למשתמש הממוצע, והדמוקרטיזציה שלהן תיקח זמן.

לאן זה מתקדם: מתמטיקה כמקרה בוחן למדע מונע AI

המתמטיקה היא הדומיין המדעי הראשון שבו לולאת גילוי-אימות נסגרת לחלוטין בתוך מחשב, ולכן היא מקדימה את מה שצפוי בכימיה, בביולוגיה ובפיזיקה ככל שסימולציות ומעבדות אוטומטיות ישתכללו. מי שרוצה להבין לאן מדע מונע AI הולך, צריך לעקוב מקרוב אחרי מה שקורה עכשיו סביב Lean, mathlib והמודלים של OpenAI ו-DeepMind. הפרסום של אוקטובר הוא לא נקודת סיום אלא נקודת ייחוס שממנה מודדים את הקצב.

למי שרוצה לבנות את המיומנויות הנדרשות, מהנדסת פרומפטים ועד ארכיטקטורות אימות, מומלץ לעיין בקורסי הבינה המלאכותית המקצועיים שלנו, שמכסים גם עבודה מעשית עם מודלי reasoning. ולמעקב שוטף אחרי ההתפתחויות בתחום, כולל ניתוחים טכניים של פרסומי מחקר חדשים, כדאי לבקר במגזין החדשות והמגמות של AICourse. הפער בין מי שמבין את הכלים האלו לעומק לבין מי שקורא עליהם כותרות הולך וגדל, ו-2026 היא שנה טובה להיות בצד הראשון.