Kun tekoäly lakkasi avustamasta tiedettä ja alkoi tehdä sitä

Tapahtui jotain, joka ansaitsee enemmän huomiota kuin se on saanut.

OpenAI julkaisi 6. lokakuuta 722 matemaattista käsikirjoitusta julkisessa GitHub-arkistossa. Ne tuotti sisäinen huipputason malli, jota ei ole julkaistu eikä jolla ole yleisön tuntemaa nimeä. Tulokset kattavat 17 matematiikan alaa, ja ne on jaoteltu 372 erilliseen ryhmään. Jotkin väitteistä merkitsisivät todennettuina todellista edistystä vuosikymmeniä avoinna olleiden ongelmien ratkaisemisessa.

Välitön reaktio jakautui kahteen leiriin, kuten aina. Toisten mielestä tämä on poikkeuksellista ja mullistavaa. Toiset taas kehottivat ottamaan rauhallisesti: mitään tästä ei ole vertaisarvioitu, emmekä tiedä, pitävätkö tulokset paikkansa.

Molemmat reaktiot ovat perusteltuja, mutta kummastakin jää huomaamatta tärkeämpi kysymys: pitävätkö tulokset paikkansa, ja kuka tämän varmistaa?

Kaksi kysymystä. Vain yhteen on vastattu.

Haluan erottaa toisistaan kaksi asiaa, jotka uutisoinnissa on niputettu yhteen mutta joita kannattaa tarkastella erikseen, sillä niiden seuraukset ovat täysin erilaiset.

Ensimmäinen kysymys kuuluu: pitävätkö nämä matemaattiset tulokset paikkansa? Tähän voivat vastata matemaatikot, ja siihen menee kuukausia. Noin viidesosassa 722 käsikirjoituksesta on Lean-todistuksia eli koneellisesti tarkistettuja formaaleja todistuksia. Jäljellä olevissa noin 580 käsikirjoituksessa niitä ei ole, ja OpenAI myöntää itse arkiston README-tiedostossa, että joissakin formalisoimattomissa tuloksissa voi olla ongelmia. Matematiikan yhteisö käy tulokset huolellisesti läpi. Osa tuloksista pitää paikkansa. Osa ei luultavasti pidä. Tämä prosessi on välttämätön, eikä sitä ole vielä käyty läpi.

Toinen kysymys on erilainen: mitä merkitsee se, että tekoälymalli tuotti 722 matemaattista käsikirjoitusta 17 alalta käyttäen kuhunkin tulokseen laskennallista määrää, joka vastaa noin kolmen tunnin ajattelua?

Tekoälyjärjestelmä toimi varsinaisena matemaattisten löytöjen moottorina: se asetti itselleen noin 4 000 ongelmaa ja tuotti uutta matemaattista työtä lukuteoriassa, geometriassa, teoreettisessa tietojenkäsittelytieteessä, matemaattisessa fysiikassa ja logiikassa. Tulosten todentamisella on merkitystä matematiikan tutkimukselle, mutta saavutuksella ja tähän pystyvällä kyvykkyydellä on merkitystä kaikelle muulle.

Malli, jota kukaan ei voi käyttää

Minusta huomionarvoisinta eivät ole 722 artikkelia vaan ne tuottanut malli, jolla ei edelleenkään ole nimeä eikä sille ole määritetty API-rajapintaa. Se ei ole yhdenkään asiakkaan, OpenAI:n ulkopuolisen tutkijan tai sen varaan jotain rakentamaan pyrkivän yrityksen käytettävissä. OpenAI julkaisi tuloksia kyvykkyydestä, jota markkinat eivät ole vielä nähneet eivätkä voi vielä käyttää.

Sijoittamisen näkökulmasta tämä on hyvin selkeä signaali. Yhtiö on osoittanut olevansa teknologian eturintamassa kyvykkyydellä, joka on määritelmän mukaan edellä sitä, mitä markkinat ovat hinnoitelleet. Tämä saavutus kasvatti eroa sen välillä, mihin OpenAI:n sisäiset mallit pystyvät ja mihin markkinat uskovat niiden pystyvän.

Tämä ero ei kuitenkaan pysy suurena ikuisesti. Se pienenee, kun malli julkaistaan, kilpailijat saavuttavat sen tai tulokset vaikuttavat uusiin vertailukohteisiin, joita kaikki alkavat optimoida. Mutta juuri nyt, lokakuussa 2026, on julkisesti dokumentoitu näyttö tekoälyjärjestelmän matemaattisesta kyvykkyydestä, jota kukaan yhtiön ulkopuolella ei voi käyttää tai arvioida kattavasti.

Miten tämä muuttaa sijoitusteesiä

Teoksessa Sijoittaminen vallankumouksiin kuvaan konvergenssivaikutuksen periaatetta: kun mullistavat teknologiat yhdistyvät, tulos ei ole summa vaan tulo. Kaksi plus kaksi ei ole neljä. Yhdistelmä synnyttää jotain sellaista, mihin kumpikaan teknologia ei yksin pystyisi.

Olen kirjoittanut tekoälyn ja tieteellisten löytöjen yhdistelmästä tulevaisuuteen suuntautuvana sijoitusteemana kahden vuoden ajan. Lääkekehityksen aikataulut lyhenevät vuosista viikkoihin tekoälyn ja kvanttilaskennan yhdistelmällä. Materiaalitiede edistyy tekoälyn tuottamien molekyylisimulaatioiden avulla. Tekoälyn avustama matemaattisten perusteiden analyysi muovaa kryptografiaa uudelleen.

Nämä olivat varhaisiin merkkeihin perustuneita ennusteita. Tällä viikolla yksi niistä toteutui.

Tekoälymalli, joka tekee varsinaisia matemaattisia löytöjä ja tuottaa 722 käsikirjoituksen verran työtä 17 alalta, edustaa kategorisesti uudenlaista suhdetta tekoälyn ja tieteellisen tiedon välillä verrattuna siihen, johon olemme tottuneet. Tämän kannalta tärkeimmät alat ovat juuri niitä, joita olen seurannut. Lukuteoria on kryptografian matemaattinen perusta, ja kryptografia puolestaan on jokaisen lohkoketjujärjestelmän ja suojatun viestintäprotokollan perusta. Matemaattinen fysiikka luo perustan materiaalitieteelle ja kvanttilaskennan laitteistolle. Teoreettinen tietojenkäsittelytiede on algoritmien kehittämisen selkäranka. Edistys millä tahansa näistä aloista heijastuu edelleen tuotteisiin, yrityksiin ja kokonaisiin toimialoihin.

Kun tekoäly pystyy edistämään näitä aloja nopeammin kuin yksin työskentelevät tutkijat, vaikutukset leviävät ja voimistuvat nopeammin. Sijoittajien kannalta kysymys kuuluu, mikä kiihtyy, mitkä tekijät kiihdyttävät kehitystä, kuinka nopeasti se tapahtuu ja ketkä ovat parhaassa asemassa hyötymään tästä kiihtyvästä kehityksestä.

Todentamisen talous, jota ei vielä ole olemassa

Tässä on sijoittamisen kannalta erityinen seuraus, jota en ole nähnyt kenenkään tuovan selkeästi esiin.

722 käsikirjoituksesta 162 sisältää Lean-todistuksia, jotka on tarkistettu koneellisesti. Muissa ei ole tällaisia todistuksia. OpenAI turvautui Institute for Advanced Studyssa toimivaan neuvoa-antavaan ryhmään alkuvaiheen valvonnan järjestämiseksi. Ryhmä kuvaili julkaisua ensimmäiseksi askeleeksi: se käynnistää tulosten liittämisen osaksi matemaattista tietämystä, mutta työ ei vielä ole valmis.

Käytännössä tämä tarkoittaa sitä, että elämme nyt maailmassa, jossa tekoälyjärjestelmät pystyvät tuottamaan matemaattisia ja tieteellisiä väitteitä nopeammin kuin nykyinen ihmisten ylläpitämä infrastruktuuri pystyy niitä todentamaan. Tuotannon ja todentamisen välinen kuilu ei ole tilapäinen ongelma. Se kasvaa järjestelmien kyvykkyyden mukana. Tekoälyn kyky tuottaa tieteellisiä tuloksia paranee jatkuvasti, ja jokainen parannus kasvattaa todentamisen kuilua, ellei sitä pyritä kuromaan umpeen.

Ratkaisu on uudenlainen infrastruktuuri: muodollisen verifioinnin työkalut, tekoälyn tukema todistusten tarkistaminen sekä automatisoidut prosessit, joilla matemaattisia väitteitä testataan tunnettujen tulosten ja sisäisesti johdonmukaisten viitekehysten avulla. Lean-todistusjärjestelmä on vasta alku, mutta se kattaa vain 22 % tästä julkaisusta, eikä sitä ole suunniteltu tulevaa tulosmäärää varten.

Tekoälyn tuottaman tieteen todentamiseen liittyvä taloudellinen toiminta tulee olemaan merkittävää, vaikka sitä on nykyään tuskin lainkaan. Sitä rakentavat yritykset tekevät jotain aidosti välttämätöntä, eivät vain hyödyllistä – ja juuri tällainen infrastruktuuri kestää parhaiten aikaa.

Jo 80 vuotta siirtynyt raja

Kun tietokoneet alkoivat laskea numeerisia laskutoimituksia ihmisiä nopeammin, useimmat matemaatikot pitivät sitä laskentana eivätkä matematiikkana. Koneet pystyivät laskemaan, mutta eivät tekemään löytöjä. Siinä kulki raja.

Raja on siirtynyt siitä lähtien. Merkittävien tulosten, kuten neljän värin lauseen, tietokoneavusteiset todistukset herättivät kiistaa 1980- ja 1990-luvuilla, koska ihminen ei pystynyt tarkistamaan todistusta kokonaan. Automaattiset lauseentodistusohjelmat kehittyivät 2000- ja 2010-luvuilla. Aina rajan siirtyessä esiin nousi sama väite: tämä ei ole oikeaa matematiikkaa, vaan pelkkää laskentaa.

Raja siirtyi jälleen – näkyvämmin kuin vuosiin ja tavalla, jota on vaikeampi sivuuttaa, sillä tulokset ovat julkisessa GitHub-repositoriossa, jota kuka tahansa voi tarkastella.

En väitä, että kaikki 722 tulosta kestävät tarkastelun. Väitän, että niiden tuottamisessa osoitettu kyvykkyys merkitsee aitoa ja pysyvää muutosta siinä, mihin tekoäly pystyy tieteen aloilla.

Sijoittajien käännekohta

Teoksessa Sijoittaminen vallankumouksiin esitän, että suurimmat sijoitusmahdollisuudet syntyvät käännekohdissa, kun mullistavat teknologiat ylittävät kynnyksen ja muuttavat perustavanlaatuisesti sitä, mikä on mahdollista. Tämä on yksi tällaisista hetkistä.

Tekoälyn kehittyvä kyky tehdä uusia tieteellisiä löytöjä viestii muutoksesta siinä, miten innovaatioita syntyy ja missä arvoa luodaan. Vaikutukset ulottuvat tekoälykehittäjiä laajemmalle: lääkekehitykseen, kehittyneisiin materiaaleihin, energiaan, kryptografiaan ja teolliseen tutkimus- ja kehitystyöhön, joissa tutkimuksen nopeutuminen voi lyhentää kehitysaikatauluja, alentaa kustannuksia ja avata kokonaan uusia markkinoita.

Sijoittajien mahdollisuutena on tunnistaa tämä käännekohta ennen kuin sen kaupalliset vaikutukset käyvät ilmeisiksi. Se tarkoittaa sen infrastruktuurin tunnistamista, jota tekoälyn tuottamien löytöjen todentaminen edellyttää, sekä niiden yritysten tunnistamista, joilla on parhaat edellytykset muuttaa löydöt yksinoikeudellisiksi teknologioiksi, skaalautuviksi liiketoiminnoiksi ja pitkäaikaiseksi kilpailueduksi.

Yksittäiset löydökset on yhä todennettava, mutta laajempi viesti on selvä: tekoäly on siirtymässä tieteellisen löytämisen avustamisesta mahdollisesti sen veturiksi. Sijoittajat, jotka ymmärtävät tämän muutoksen merkityksen ja sen, missä sen vaikutukset kohtaavat, ovat parhaassa asemassa hyötymään muutoksen luomasta arvosta.