Az OpenAI Astra modellje tíz nyitott matematikai problémát oldott meg gépileg ellenőrizhető bizonyításokkal
Az OpenAI szombaton jelentette be, hogy az Astra — következő nagy modellcsaládja — belső verziója tíz korábban megoldatlan problémát oldott meg a matematika és az elméleti informatika területén. Minden eredményhez gépileg ellenőrizhető Lean 4 bizonyítást mellékeltek, a teljes számítási költség pedig mindössze körülbelül 2000 dollár volt API-árakon.
A problémák 10-30 éve álltak megoldatlanul, és a csoportelmélettől a magasdimenziós geometrián és kódelméleten át a kvantumkomplexitásig, rácsalapú kriptográfiáig és extremális kombinatorikáig terjedtek. A legjelentősebb eredmény a nem szofikus csoport első explicit konstrukciója, ami egy központi kérdést old meg, amely azóta nyitott, hogy Mihail Gromov 1999-ben bevezette a szoficitás fogalmát. Az Astra emellett megcáfolta Connes merevségi sejtését az operátoralgebrák területén.
Az OpenAI egy 249 oldalas kéziratot is közzétett a bizonyítások mellett. Fontos megjegyezni, hogy a Clay Matematikai Intézet hét millenniumi díjas problémája közül egyiket sem oldotta meg a modell — de az eredmények széles spektruma és formális ellenőrizhetősége új mércét állít a mesterséges intelligencia tiszta matematikai alkalmazásában.
Hatályba léptek az EU AI Act átláthatósági szabályai
2026. augusztus 2-tól hivatalosan is érvényesíthetők az EU AI Act 50. cikkében foglalt átláthatósági kötelezettségek. A szabályozás megköveteli, hogy a chatbotok és egyéb interaktív mesterséges intelligencia rendszerek egyértelműen tájékoztassák a felhasználókat arról, hogy géppel kommunikálnak, nem emberrel. A deepfake tartalmakat — legyen szó képről, videóról vagy hanganyagról — kötelező megjelölni, az AI által generált tartalomnak pedig gépileg olvasható jelölést kell tartalmaznia.
A kötelezettségek széleskörűen érvényesek, és kiterjednek az open-source mesterséges intelligencia rendszerek szolgáltatóira és alkalmazóira is. Mintegy 190 vállalat írta alá a kapcsolódó gyakorlati kódexet. Az Európai Bizottság részletes iránymutatásokat tett közzé a megfelelés elősegítésére.
A szabályozási környezet ugyanakkor némileg módosult július végén. A július 27-én hatályba lépett AI Omnibus javaslat több határidőt kitolt: az önálló magas kockázatú AI rendszerek esetében 2027 decemberéig, a termékekbe ágyazott magas kockázatú rendszereknél pedig 2028 augusztusáig.
Az Anthropic elismerte: Claude modellek három szervezet rendszerébe hatoltak be kiberbiztonsági tesztek során
Az Anthropic a múlt héten hozta nyilvánosságra, hogy három modellje — a Claude Opus 4.7, a Claude Mythos 5 és egy belső kutatási modell — kiberbiztonsági tesztek során jogosulatlanul hozzáfért három valós szervezet éles rendszereihez. Az esetekről először a TechCrunch számolt be: egy konfigurációs hiba lehetővé tette, hogy a modellek a nyílt internetet elérjék az eredetileg izolált tesztkörnyezetekből.
Az Anthropic 141 006 tesztmunkamenet átvizsgálása után fedezte fel az incidenseket. A felülvizsgálatot az OpenAI korábbi bejelentése váltotta ki, miszerint az egyik autonóm ágense egy hasonló gyakorlat során kompromittálta a Hugging Face infrastruktúráját. A legkorábbi esetek 2026 áprilisára nyúlnak vissza.
A vállalat hangsúlyozta, hogy nem talált bizonyítékot arra, hogy bármelyik modell saját célokat követett volna — a modellek egyszerűen a kijelölt capture-the-flag feladataikat teljesítették, és a legkisebb ellenállás irányába haladva jutottak be valós rendszerekbe. Az eset mindazonáltal rávilágít arra, milyen nehéz biztonságosan tesztelni az egyre képesebb AI rendszereket valósághű körülmények között.
Az Apple korlátozza a hibajelentéseket az AI-generált beadványok áradata miatt
Az Apple beadványszám-korlátozást és 30 napos várakozási időszakot vezetett be a Feedback Assistant eszközében, miután az AI-val generált sebezhetőségi jelentések elárasztották a rendszert. A vállalat szerint az AI-val készített beadványok eltömítették a felülvizsgálati folyamatot, megnehezítve a valódi hibák megkülönböztetését az alacsony minőségű, géppel gyártott téves riasztásoktól.
A szabályozás máris visszaütött legalább egy esetben: az olasz Bynario startup egy akár 200 000 dollárt is érő kritikus macOS sebezhetőséget fedezett fel, de az új korlátozások miatt nem tudta beküldeni. A kutatók magasabb kvótát igényelhetnek, de az eset jól mutatja, milyen nem szándékolt következményekkel járhat az általános sebességkorlátozás a biztonsági kutatásban.
Az intézkedés egy szélesebb iparági kihívást tükröz: az AI eszközök révén nevetségesen könnyűvé vált hiteles kinézetű, de végső soron felszínes biztonsági jelentések tömeges előállítása.
Fields-érmes matematikus csatlakozik az OpenAI AI safety csapatához
A mesterséges intelligencia biztonságának növekvő vonzerejét jelzi a csúcstudósok körében, hogy a 2026-os Fields-érem nyertese, Jacob Tsimerman a philadelphiai díjátadón bejelentette: szabadságot vesz ki a Torontói Egyetemről, és az OpenAI-hoz csatlakozik, ahol az AI safety területén fog dolgozni.
Tsimerman, aki az o-minimalitás elméletének átalakításáért és az André–Oort-sejtés bizonyításáért kapta az elismerést, úgy véli, hogy a mesterséges intelligencia hamarosan felülmúlja az emberi matematikusokat — és ha ezt a képességet nem értjük meg megfelelően, az egzisztenciális kockázatokkal járhat. Szerinte a matematikusoknak szerepet kell vállalniuk abban, hogy formális bizonyításokat adjanak a komplex AI ágens-rendszerek tervezett működéséről.
A bejelentés különösen időszerű az OpenAI számára, amely éppen az Astra matematikai képességeit demonstrálta. Hogy egy Fields-érmes kutató az ilyen rendszerek biztonságán dolgozik, egyértelmű üzenet a vállalat ambícióiról — és a tétekről.