2026. október 6-án az OpenAI egyszerre 722 matematikai kéziratot publikált. A vállalat beszámolója szerint egy belső mesterségesintelligencia-modell mintegy négyezer kutatási problémával foglalkozott, az egyes eredmények előállítása pedig átlagosan háromórányi gépi számítási időt igényelt.

A gyűjtemény egyik legérdekesebb darabja a híres Riemann-hipotézishez kapcsolódik, amely a prímszámok eloszlásának mély összefüggéseit érinti, és 1859 óta megoldatlan. Az AI nem igazolta és nem is cáfolta magát a hipotézist, de bizonyított egy hozzá kapcsolódó, gyengébb állítást, amely a Riemann-féle zétafüggvény zérushelyeinek lehetséges elhelyezkedésének adja meg egy a korábbiaknál erősebb korlátját.

Természetesen még érdemes óvatosan nyilatkozni a hír kapcsán. Három kéziratot ugyanis már másnap visszavontak, tizennégyet javítottak, és a fennmaradó 719 munka fő eredményeinek mindössze mintegy 42 százalékához állt rendelkezésre formális, géppel ellenőrizhető bizonyítás. Nem biztos tehát, hogy a 719 cikk mindegyike, vagy akár nagy része átmegy a matematikus közösség szigorú vizsgálatának szűrőjén. És a közölt háromórás gépi számítási idő sem reprezentálja jól a teljes kutatási és fejlesztési költséget.

Mégis van valami egészen rendkívüli ebben a hírben. Mégpedig annak a lehetősége, hogy az új tudományos felfedezések létrehozása egy rendkívül szűkös emberi képességből részben automatizálható, ipari méretekben reprodukálható tevékenységgé válhat.

Mi lesz, ha a problémák megoldása sokkal olcsóbb lesz?

Nicholas Bloom, Charles Jones, John Van Reenen és Michael Webb 2020-as cikkében (.pdf) meghökkentő következtetésre jutottak. Számos gazdasági ágazatban egyre nagyobb kutatási erőfeszítés szükséges ahhoz, hogy a technológiai fejlődés korábbi ütemét fenn tudjuk tartani.

A félvezetőiparban például a chipek tranzisztorsűrűségének korábbi növekedési üteméhez több mint tizennyolcszor annyi kutatóra volt szükség, mint az 1970-es évek elején. A modern gazdaság egyik alapvető problémája tehát az, hogy miközben folyamatosan bővül az emberiség tudása, az újabb jelentős ötletek megtalálása sok területen egyre nagyobb ráfordítást követel.

Gondoljunk bele, hogy mi történik akkor, ha ezt a folyamatot sikerül gépesíteni. Ha egy kutatási probléma megoldásához korábban évekig dolgozó kutatócsoportokra volt szükség, a jövőben viszont bizonyos feladatokat gépek végezhetnek el napok vagy órák alatt, akkor alapjaiban változhat meg a tudományos kutatás gazdaságtana.

Ha egy kutatási projekt költségeinek 70 százalékát a problémamegoldás teszi ki, és az AI ezt 90 százalékkal olcsóbbá teszi, akkor a teljes projekt költsége 63 százalékkal csökkenhet. Változatlan kutatási költségvetésből így közel 2,7-szer annyi projekt finanszírozható, amennyiben az ellenőrzés, a problémaválasztás és az eredmények minőségét nem befolyásolja a fenti lépés.

Ez azért rendkívüli, mert a tartós gazdasági növekedés legfontosabb forrása végső soron az új tudás. Több munkás és több gép növelheti a termelést, de az életszínvonal tartós emelkedéséhez hatékonyabb eljárásokra, jobb technológiákra és új felismerésekre van szükség.

Az ipari forradalom az emberi izomerőt tette sokkal könnyebben helyettesíthetővé, a számítógép az információfeldolgozást gyorsította fel, az internet pedig az információ terjesztésének költségét csökkentette drasztikusan. A mesterséges intelligencia ennél is mélyebb változást hozhat. Nemcsak a már ismert termékeket teheti olcsóbbá, hanem magának az új technológiák feltalálásának a folyamatát is.

Ennél is érdekesebb, hogy a folyamat önmagát erősítheti. Az AI jobb matematikai algoritmusokat találhat, amelyek hatékonyabbá teszik a következő AI-rendszereket, azok pedig még gyorsabban fedezhetnek fel új algoritmusokat.

Mi lesz, ha az intelligencia már nem számít ritkaságnak?

A gazdasági érték egyik legfontosabb forrása a szűkösség. Ez az emberi képességekre is igaz. Egy kiváló matematikus, mérnök vagy programozó nem pusztán azért kereshet sokat, mert nehéz munkát végez, hanem azért is, mert viszonylag kevesen képesek hasonló teljesítményre.

De mi történik a bérekkel, ha a kivételes szellemi képességek bizonyos feladatokban olcsó gépi szolgáltatásként válnak elérhetővé? Amiért korábban magas fizetést kellett adni egy szakértőnek, azt a vállalatok egy része a jövőben akár néhány gombnyomással is megszerezheti.

A Nemzetközi Valutaalap Kristalina Georgieva 2024-es elemzése szerint a világ munkahelyeinek mintegy 40 százaléka, a fejlett gazdaságokban pedig körülbelül 60 százaléka érintett lehet a mesterséges intelligencia térnyerésében. Ez természetesen nem jelent ugyanennyi megszűnő állást. A gépek ugyanis jellemzően egyes feladatokat helyettesítenek, másokban viszont az emberek termelékenységét növelik, és új keresletet is teremthetnek.

A tudományos világban azonban különösen sajátos probléma jelentkezhet a pályakezdőknél. A fiatal matematikusok hagyományosan kisebb bizonyításokon, részproblémákon és módszertani feladatokon keresztül tanulják meg a kutatást, márpedig éppen ezek közül automatizálhat az AI egyre többet.

Egy tapasztalt professzor így kevesebb doktorandusszal is több eredményre juthat, miközben a fiatal kutatók elveszíthetik szakmai fejlődésük hagyományos lépcsőfokainak egy részét. Könnyen elképzelhető egy olyan paradox helyzet, amelyben a tudomány termelékenysége robbanásszerűen nő, miközben a következő kutatógeneráció egyre nehezebben talál munkahelyet.

A probléma messze túlmutat az egyetemeken. Ha a gépek egyre több szellemi és fizikai munkát végeznek, a termelékenység emelkedése nem garantálja, hogy a munkajövedelmek is hasonló ütemben növekednek.

Márpedig a modern piacgazdaságban az emberek többsége munkából szerzi a fogyasztásához szükséges jövedelmet. Ha az automatizált termelés haszna elsősorban a gépek és az AI-infrastruktúra tulajdonosainál csapódik le, a társadalom gazdagabbá válhat úgy is, hogy annak jelentős csoportjai alig részesednek az új jólétből.

Ez nem jelenti szükségszerűen az életminőség drámai csökkenését. Az árak hatékonyság-növekedés miatti csökkenése, új foglalkozások megjelenése, a tőkejövedelmek és az állami újraelosztás is segíthetik az alkalmazkodást. Ám a következő évtizedek egyik legfontosabb gazdaságpolitikai kérdése az lehet, hogy milyen jogcímen és milyen arányban részesedjenek az emberek a gépek által előállított gazdagságból.

Mi lesz, ha már nem értjük a gépeket?

A matematika automatizálása még ennél is különösebb problémát vet fel. A tudomány történetében ugyanis egy matematikai bizonyítás nemcsak azt szolgálta, hogy megállapítsuk egy állítás igazságát, hanem azt is, hogy mélyebben megértsük a világ összefüggéseit.

Mi történik azonban, ha a gépek naponta ezernyi új, formálisan ellenőrizhető tételt állítanak elő, miközben az emberi matematikusoknak már nincs elegendő idejük mindezeket átlátni? Ekkor a tudományos eredmények száma sokkal gyorsabban növekedhet, mint az emberiség által mélyen megértett összefüggések mennyisége.

Az OpenAI bejelentését értékelő független matematikai tanácsadó testület, az AGMAI 2026. október 6-i nyilatkozata ezért különösen figyelemre méltó megállapítást tett. Véleményük szerint „A közzététel az emberi megértés és a matematikai tudásba való beépítés folyamatának kezdete, nem pedig a befejezése.”

Ennek a felismerésnek közvetlen gazdasági következményei lehetnek. Ha az új matematikai eredmények létrehozása bőségessé válik, felértékelődhetnek azok a képességek, amelyekkel kiválasztjuk, értelmezzük, összekapcsoljuk és gyakorlati alkalmazásokká alakítjuk őket.

A jövő legjobb matematikusa így valószínűleg nem az lesz, aki a legtöbb új tételt bizonyítja, hanem aki képes felismerni, hogy a gépek által bizonyított milliónyi állítás közül melyik változtathatja meg a világot. De az igazi dilemma akkor következik, ha a mesterséges intelligencia idővel már ebben is felülmúlja az emberi kutatókat.

Az információ korában az emberi figyelem vált szűkössé, mert az információból több keletkezett, mint amennyit képesek voltunk feldolgozni. A gépi tudomány korában talán az emberi megértés válik hasonlóan ritka és értékes erőforrássá.

A tudás bősége azonos a jólét bőségével?

Bármilyen gyorsan fejlődjön is a gépi matematika, egy fontos gazdasági korlát megmarad. Az új tudás ugyanis önmagában még nem jelent új gyárat, erőművet, gyógyszert vagy vasútvonalat. Egy jobb algoritmus felgyorsíthatja a gyógyszerkutatást, de nem helyettesíti a klinikai vizsgálatokat, és egy hatékonyabb optimalizálási módszer sem építi meg a szükséges villamosenergia-hálózatot.

A gazdasági növekedés szűk keresztmetszete ezért a tudományos felfedezésről fokozatosan az alkalmazáshoz szükséges erőforrásokra helyeződhet át. Az energia, a számítási kapacitás, a beruházási tőke, az infrastruktúra és a társadalmi bizalom relatív értéke akár jelentősen emelkedhet is egy olyan világban, ahol a matematikai tudás egyre könnyebben hozzáférhető.

Ráadásul a tudás sok tekintetben közjószág. Ugyanazt a matematikai tételt egyszerre sokan alkalmazhatják anélkül, hogy a többiek használatát korlátoznák. A tudást előállító legfejlettebb AI-rendszerek, adatközpontok és számítási kapacitások tulajdonjoga viszont néhány szereplő kezében is összpontosulhat.

Így a tudományos felfedezések demokratizálódása és a gazdasági hatalom koncentrációja akár egyszerre is végbemehet. Nem biztos, hogy a tudás olcsóbbá válásából azok profitálnak majd a legtöbbet, akik a tudást leginkább igénylik.

Mit jelent tehát mindez?

Az OpenAI október 6-i matematikai kéziratai még számos ellenőrzésre várnak, és korai lenne a tudományos kutatás teljes automatizálását ünnepelni. De már a lehetőség is történelmi jelentőségű, hogy az emberiség ne csupán egyre többet tudjon, hanem magát az új tudás létrehozásának képességét is korábban elképzelhetetlen mértékben megsokszorozza.

A 21. század legnagyobb gazdasági kérdése jó eséllyel az lesz, hogy képesek vagyunk-e megérteni a gépek felfedezéseit, alkalmazni az eredményeiket, és a létrejövő gazdagságból széles körű emberi jólétet teremteni. Mert a mesterséges intelligencia legnagyobb haszna talán nem egy új gyógyszer, egy jobb algoritmus vagy egy megoldott matematikai probléma lesz, hanem a találmányok létrehozásának új modellje.

A cikk szerzője Sebestyén Géza közgazdász, egyetemi docens