OpenAI wybrało Polaka do promocji GPT-5.6

OpenAI wykorzystało doświadczenia dr. Bartosza Naskręckiego z Uniwersytetu im. Adama Mickiewicza w Poznaniu do promocji najnowszego modelu GPT-5.6. Firma przedstawiła go jako matematyka rozwiązującego z pomocą AI problemy, których wcześniej nie udało się rozwiązać. Za marketingowym hasłem stoi jednak konkretna praca naukowa dotycząca powierzchni K3, przygotowana wspólnie z dr. Piotrem Pokorą i opublikowana dzień wcześniej jako preprint.

Polski matematyk w materiale promującym GPT-5.6

9 lipca 2026 roku OpenAI opublikowało krótki film przedstawiający Bartosza Naskręckiego. Firma podpisała materiał słowami: „Poznajcie Bartosza. Matematyka rozwiązującego wcześniej nierozwiązywalne problemy matematyczne z GPT-5.6” – tłumaczenie własne. Film pojawił się w czasie globalnego udostępniania rodziny GPT-5.6, dlatego historia polskiego badacza stała się jednym z przykładów mających pokazać praktyczne możliwości nowego modelu.

Naskręcki jest prodziekanem Wydziału Matematyki i Informatyki UAM oraz adiunktem w Zakładzie Geometrii Algebraicznej i Diofantycznej. Zajmuje się między innymi geometrią algebraiczną, teorią liczb i obliczeniowymi metodami matematycznymi.

Nie jest to pierwszy raz, gdy OpenAI wykorzystuje jego pracę do prezentowania swoich modeli. Przy premierze GPT-5.5 firma opisała, jak matematyk stworzył w Codexie aplikację wizualizującą przecięcie dwóch powierzchni kwadratowych i przekształcającą otrzymaną krzywą do modelu Weierstrassa. Według OpenAI pierwsza wersja powstała z jednego polecenia w 11 minut.

Co właściwie pomógł znaleźć GPT-5.6

Problem pokazany w najnowszym filmie dotyczył powierzchni K3. Są to szczególne obiekty geometrii algebraicznej, które można w uproszczeniu traktować jako wielowymiarowe powierzchnie opisane równaniami. Matematycy badają ich strukturę, symetrie oraz układy krzywych i prostych, które mogą się na nich znajdować.

Naskręcki wyjaśnił, że powierzchnie K3 są związane z jego doktoratem i wieloletnią pracą badawczą. Wspólnie z Piotrem Pokorą analizował tak zwaną kwartykę Schura – powierzchnię opisaną równaniem czwartego stopnia. Badacze znaleźli na niej konfigurację 24 prostych, przecinających się w 32 punktach potrójnych.

Rezultat stanowi kontrprzykład dla proponowanego ograniczenia dotyczącego konfiguracji krzywych na powierzchniach K3. Mówiąc prościej: matematycy znaleźli poprawnie zbudowany przypadek, który pokazuje, że wcześniejsze przypuszczenie nie działa we wszystkich sytuacjach. Uzyskana wartość tak zwanego logarytmicznego nachylenia Cherna wynosi 14/5, czyli 2,8, i przekracza zakładaną granicę 8/3, wynoszącą około 2,67.

Praca zatytułowana „A (24₄,32₃)-configuration on the Schur quartic with logarithmic Chern slope 14/5” została przygotowana przez Bartosza Naskręckiego i Piotra Pokorę. Preprint liczy 17 stron i trafił do serwisu arXiv 8 lipca 2026 roku.

AI nie otrzymała jednego pytania i nie oddała gotowego dowodu

Sposób pracy opisany przez Naskręckiego jest bardziej złożony, niż sugeruje krótkie hasło OpenAI. Badacz przekazał modelowi wiele stron własnej dokumentacji technicznej, opisy przypadków szczególnych oraz informacje potrzebne do prowadzenia poszukiwań. GPT-5.6 Sol pomagał następnie wielokrotnie przeformułowywać problem, tworzyć kod i sprawdzać kolejne warianty.

W samym artykule autorzy zaznaczają, że przeszukiwanie oparte na obliczeniach nad ciałami skończonymi i programowaniu całkowitoliczbowym było wyłącznie metodą odkrycia konfiguracji. Nie stanowi ono części ostatecznego dowodu. Publikacja zawiera dokładne parametry prostych, współrzędne punktów przecięcia oraz dane umożliwiające matematyczną weryfikację wyniku.

Naskręcki: „To nie magia”

Sam matematyk podkreśla, że skuteczne wykorzystanie AI w nauce wymaga dużego zaangażowania. Jak napisał po publikacji filmu: „To nie magia. To bardzo ciężka praca i nauka zupełnie nowych umiejętności” – tłumaczenie własne. Naskręcki deklaruje, że codziennie spędza od czterech do pięciu godzin na aktywnej pracy z modelami, głównie za pośrednictwem Codex CLI.

Według niego badacz musi dostarczyć modelowi aktualną literaturę, opisać specyfikację problemu, przygotować przykłady i umieć ocenić otrzymywane odpowiedzi. Kluczowe pozostają więc kompetencje eksperta. Bez wiedzy pozwalającej wykryć błędne założenie albo pozornie poprawny dowód model językowy może łatwo skierować pracę na niewłaściwy tor.

Historia Naskręckiego pokazuje zatem nie tyle samodzielnego „matematyka AI”, ile nowy rodzaj warsztatu badawczego. Człowiek wybiera problem, dostarcza wiedzę, buduje środowisko pracy i zatwierdza wynik. Model przyspiesza natomiast generowanie kodu, przeszukiwanie wielu możliwości i dokumentowanie obliczeń.

Dlaczego OpenAI wybrało właśnie ten przykład

GPT-5.6 jest najnowszą rodziną modeli OpenAI, obejmującą flagowy model Sol, tańszą wersję Terra i najszybszą Lunę. Firma promuje je przede wszystkim jako narzędzia do długich, wieloetapowych zadań wymagających korzystania z kodu, narzędzi i dużej ilości kontekstu. Praca Naskręckiego dobrze pasuje do tej narracji, ponieważ nie polegała na udzieleniu jednej odpowiedzi, lecz na długotrwałej współpracy człowieka z systemem.

Od 9 lipca GPT-5.6 jest stopniowo udostępniany globalnie w ChatGPT, Codexie i API. W zwykłych rozmowach z ChatGPT model Sol jest dostępny w opcjach rozumowania dla wybranych płatnych planów, natomiast Terra i Luna są oferowane między innymi w Codexie, ChatGPT Work i API.

OpenAI zyskało dzięki polskiemu matematykowi wiarygodny przykład zastosowania modelu w prawdziwej nauce. Naskręcki zyskał natomiast narzędzie, które – według jego własnej oceny – wyraźnie zwiększyło tempo pracy. Nadal nie ma jednak podstaw, by uznać, że GPT-5.6 samodzielnie stworzył i zweryfikował nowe twierdzenie. Najważniejszym elementem tej historii pozostaje połączenie wieloletniej wiedzy matematyka z możliwościami obliczeniowymi i programistycznymi modelu.