OpenAI a równania Navier-Stokes: przełom czy teoria?

OpenAI ogłosiło, że jeden z jego wewnętrznych modeli sztucznej inteligencji zdołał udowodnić kluczową właściwość równań Navier-Stokesa – matematycznego opisu ruchu płynów. Brzmi to jak przełom, zwłaszcza że problem ten od blisko dwóch stuleci opiera się matematykom. Inżynierowie zajmujący się dynamiką płynów studzą jednak entuzjazm: na realne zastosowania tego wyniku możemy poczekać lata, o ile w ogóle kiedykolwiek się pojawią.

Równania Navier-Stokesa opisują przepływ cieczy i gazów – od powietrza opływającego skrzydła samolotu, przez prognozy pogody, po przepływ krwi w urządzeniach medycznych. Mimo że inżynierowie stosują je z powodzeniem od dziesięcioleci, matematycy wciąż nie potrafią formalnie wykazać, że model w pełni odpowiada rzeczywistości fizycznej. Podejrzewano, że w bardzo małych skalach równania mogą przewidywać coś niemożliwego – płyn rozpędzający się do nieskończonej prędkości.

Co właściwie ogłosiło OpenAI

Według doniesień z września 2025 roku model OpenAI miał wykazać, że równania Navier-Stokesa rzeczywiście załamują się w określonych scenariuszach i dają bezsensowne rezultaty. To odpowiedź na pytanie, które od dawna nurtowało matematyków: czy równania zawsze opisują fizyczną rzeczywistość, czy istnieją sytuacje, w których prowadzą do absurdalnych wniosków.

Justin Beroz, dyrektor generalny ReynKo – firmy inżynierskiej specjalizującej się w turbulencjach – porównuje te równania do drugiego prawa Newtona zastosowanego do niewielkiej porcji płynu. Jego zdaniem sam fakt, że sztuczna inteligencja dokonała tego, co nie udało się ludziom przez tak długi czas, jest dla matematyków wstrząsający. Dla inżynierów praktyków – już niekoniecznie.

Dlaczego inżynierowie nie świętują

Beroz odpowiada krótko na pytanie o wpływ odkrycia na inżynierię: „niewielki”. W dłuższej perspektywie sprawa jest bardziej złożona, ale nie zmienia to faktu, że równania Navier-Stokesa są jedynie przybliżeniem rzeczywistego zachowania płynu. Florian Schäfer, adiunkt na Uniwersytecie Nowojorskim, podkreśla, że liczy się przede wszystkim to, czy to przybliżenie jest wystarczająco dobre, by ewentualne niedoskonałości miały marginalne znaczenie.

W praktyce równania sprawdzają się w szerokim zakresie zastosowań. Scenariusz, w którym płyn osiąga nieskończoną prędkość, jest tak wydumany, że raczej nie wystąpi w żadnym realnym układzie fizycznym. To ważne zastrzeżenie – dowód OpenAI nie oznacza, że dotychczasowe narzędzia inżynierskie przestają działać.

Potencjalne konsekwencje dla symulacji komputerowych

Spencer Bryngelson, adiunkt na Georgia Institute of Technology, zauważa, że metody, którymi posłużył się duży model językowy (LLM), mogą w przyszłości dostarczyć inżynierom i matematykom nowych wskazówek. Udowodnienie załamania równań Navier-Stokesa może mieć efekty pośrednie, choć trudno obecnie przewidzieć, jak dokładnie się one objawią.

Jednym z obszarów, w których skutki mogłyby być odczuwalne, są symulacje komputerowe. Beroz zwraca uwagę, że projektowanie pod kątem oporu i siły nośnej wciąż odbywa się głównie eksperymentalnie, ponieważ matematyka dynamiki płynów jest wyjątkowo skomplikowana. Brakuje dobrych narzędzi obliczeniowych do symulowania tych zjawisk z wyprzedzeniem – i to właśnie odróżnia inżynierię płynów od innych dziedzin techniki.

Przykład lotnictwa

Beroz ilustruje problem branżą lotniczą. Opracowanie nowego samolotu może zająć dekadę i pochłonąć miliardy dolarów. Kluczowy szczegół: około połowa tego czasu i kosztów idzie na budowę, testy oraz poszukiwanie fizycznych prototypów w tunelu aerodynamicznym. Powód jest prozaiczny – dostępne oprogramowanie nie radzi sobie wystarczająco dobrze z symulacjami.

To pokazuje, jak duży potencjał drzemie w lepszym zrozumieniu matematycznych podstaw przepływu. Nawet jeśli formalny dowód załamania równań nie przynosi natychmiastowych efektów, trudno przewidzieć, jak ta wiedza zostanie wykorzystana w przyszłości. Badania podstawowe wielokrotnie prowadziły do przełomowych i nieprzewidzianych zastosowań technologicznych.

Perspektywa długoterminowa

Schäfer zwraca uwagę na wartość poznawczą samego wyniku. Skoro wiadomo, że równania w pewnych warunkach nie odzwierciedlają fizyki, może to naprowadzić badaczy na nowe rozumienie tego, w jakim zakresie i w jakich reżimach model jest niekompletny. To otwiera drogę do udoskonalenia narzędzi matematycznych, którymi posługują się inżynierowie.

Na razie jednak ostrożność jest wskazana. Niezależnie od tego, czy OpenAI rzeczywiście może przypisać sobie zasługę rozwiązania problemu, sama deklaracja, że AI dokonała tego, co nie udało się ludziom, ma ogromne znaczenie dla matematyki. Dla praktyków projektujących samoloty, prognozujących pogodę czy symulujących przepływ krwi w urządzeniach medycznych – zmiany nie nadejdą z dnia na dzień.

Historia badań podstawowych uczy jednak, że pozornie abstrakcyjne odkrycia potrafią po latach przekształcić całe gałęzie przemysłu. Być może za dekadę inżynieria płynów będzie wyglądać inaczej właśnie dzięki temu, co dziś wydaje się jedynie matematyczną ciekawostką.