Modele AI
Modele AI · 5 min czytania · 9 sierpnia 2026

GPT-5.6 Pro pomógł obalić hipotezę matematyczną sprzed 30 lat

GPT-5.6 Pro pomógł obalić hipotezę matematyczną sprzed 30 lat

Źródło: Link

Powiązane tematy

Czy AI może rozwiązywać problemy matematyczne, które przez trzy dekady opierały się najlepszym umysłom? Czterech badaczy właśnie pokazało, że tak - ale nie bez ludzkiej interwencji.

Markus Faulhuber, Philipp Petersen, Jordy Timo van Velthoven i Felix Voigtlaender opublikowali 46-stronicowy preprint, w którym obalili hipotezę HRT. To twierdzenie z 1996 roku dotyczyło analizy harmonicznej - dziedziny matematyki zajmującej się rozkładaniem funkcji na składowe częstotliwości.

Hipoteza głosiła, że skończona rodzina różnych przesunięć czasowo-częstotliwościowych dowolnej niezerowej funkcji z przestrzeni L2 jest liniowo niezależna. Prościej: chodziło o to, czy da się tak przesunąć funkcję w czasie i częstotliwości, żeby odpowiednio ważona suma tych przesunięć dała zero.

Wystarczył jeden poprawny kontrprzykład, żeby całe twierdzenie runęło. I tu pojawia się GPT-5.6 Pro.

Dwanaście punktów na płaszczyźnie fazowej wystarczyło do obalenia hipotezy HRT

Dwanaście przesunięć i funkcja Schwartza

Zespół skonstruował kontrprzykład obejmujący 12 różnych punktów płaszczyzny fazowej oraz niezerową funkcję Schwartza. To funkcja gładka, która wraz ze wszystkimi pochodnymi zanika szybciej niż odwrotność dowolnej potęgi argumentu. Jedenaście punktów leży na siatce przesuniętej o wektor o niewymiernych współrzędnych, a dwunastym jest początek układu współrzędnych.

Dlaczego akurat dwanaście? Okazuje się, że ten ostatni element jest konieczny. Twierdzenie Linnella gwarantuje niezależność dla skończonych konfiguracji należących do podgrupy dyskretnej. Innymi słowy: bez tego dwunastego punktu kontrprzykład by nie zadziałał.

Matematycy przekształcili problem w poszukiwanie funkcji własnej jedenastowyrazowego wielomianu Weyla - skończonej kombinacji operatorów przesunięcia. Następnie zastosowali wektorową transformatę Zaka o dwóch składowych. Klasyczna wersja skalarna napotyka tu warunki brzegowe, które nie pozwalają zbudować potrzebnego gładkiego rozwiązania bez zer.

Arytmetyka przedziałowa i twierdzenie Banacha

Kluczowy etap obejmował bardzo dokładne, certyfikowane obliczenia w arytmetyce przedziałowej. Wykazały one, że dwa pola macierzowe różnią się w normie operatorowej o mniej niż 1/3. To otworzyło drogę do wykorzystania twierdzenia Banacha o punkcie stałym, a argument z analizy Fouriera doprowadził do funkcji gładkiej, której odwrotna transformata Zaka należy do przestrzeni Schwartza.

Całość to seria technicznych sztuczek. Właśnie tak wygląda matematyka na najwyższym poziomie - seria precyzyjnych kroków, gdzie każdy musi być idealnie uzasadniony.

GPT-5.6 Pro zaproponował strategię, matematycy wypełnili luki w rozumowaniu

GPT-5.6 Pro jako współautor - ale z gwiazdką

Badacze piszą wprost: kontrprzykład oraz strategię dowodu opracowały modele językowe, konkretnie ChatGPT w ramach GPT-5.6 Pro. Matematycy inicjowali poszukiwania, zasugerowali zwiększenie liczby punktów płaszczyzny fazowej po utknięciu na pierwszej próbie, a następnie skłaniali model do zastąpienia metod abstrakcyjnych bardziej elementarnymi. Polecili również zaproponować konstrukcję jako jedną, ustaloną i skończoną konfigurację, którą można bezpośrednio sprawdzać.

Kluczowe słowo: "skłaniali". GPT-5.6 Pro nie działał samodzielnie. Model proponował kierunki, ludzie weryfikowali, poprawiali, dopytywali. Rozumowanie AI zawierało luki - to matematycy musieli je wypełnić i upewnić się, że każdy krok jest poprawny.

To nie jest historia o tym, jak AI zastąpiło matematyków. To historia o tym, jak narzędzie obliczeniowe pomogło przeskoczyć przez punkt, w którym ludzka intuicja utknęła na trzy dekady. Podobnie jak w przypadku Claude, który pokazuje swoje rozumowanie - wartość nie leży w samodzielności AI, a w tym, jak dobrze współpracuje z człowiekiem.

Kto jest autorem odkrycia?

Pytanie o autorstwo nie jest tu trywialne. Jeśli model zaproponował strategię, ale jego rozumowanie było dziurawe, a matematycy musieli je naprawić - to kto właściwie rozwiązał problem?

Odpowiedź: oboje. AI jako narzędzie do eksploracji przestrzeni rozwiązań, ludzie jako weryfikatorzy i dopracowujący szczegóły.

To zmienia sposób, w jaki myślimy o współpracy człowiek-AI w nauce. Kolejne wersje GPT będą coraz bardziej zaawansowane, ale już teraz możemy używać AI jako partnera do myślenia - pod warunkiem, że zachowamy krytyczne podejście do jego propozycji.

Współpraca człowiek-AI w nauce to partnerstwo z weryfikacją

Co to zmienia w matematyce

Obalenie hipotezy HRT to jedno. Sposób, w jaki to zrobiono, otwiera nowe pytania. Jeśli GPT-5.6 Pro może zaproponować strategię dowodu w tak specjalistycznej dziedzinie jak analiza harmoniczna, to jakie inne nierozwiązane problemy mogą pójść podobną drogą?

Matematyka zawsze opierała się na narzędziach obliczeniowych - od abakusa po komputery kwantowe. Modele językowe to kolejny krok w tej ewolucji. Różnica polega na tym, że GPT nie tylko liczy - proponuje koncepcje, strategie, podejścia. To bardziej asystent myślowy niż kalkulator.

Model wciąż nie rozumie matematyki w sposób, w jaki rozumie ją człowiek. Nie ma intuicji, nie czuje, kiedy coś "nie gra". Dlatego weryfikacja pozostaje po stronie ludzi. I pewnie tak zostanie - przynajmniej dopóki nie zbudujemy AI, które naprawdę rozumie abstrakcję, a nie tylko dopasowuje wzorce.

Najczęstsze pytania

Czym jest hipoteza HRT?

Hipoteza HRT to twierdzenie z 1996 roku autorstwa Christophera Heila, Jayakumara Ramanathana i Pankaja Topiwali. Dotyczy analizy harmonicznej i głosi, że skończona rodzina różnych przesunięć czasowo-częstotliwościowych dowolnej niezerowej funkcji z przestrzeni L2 jest liniowo niezależna. Czterech matematyków właśnie ją obaliło, konstruując kontrprzykład z 12 punktami.

Czy GPT-5.6 Pro samodzielnie rozwiązał problem matematyczny?

Nie. Model zaproponował kontrprzykład i strategię dowodu, ale jego rozumowanie zawierało luki. Matematycy musieli wypełnić te luki, zweryfikować każdy krok i upewnić się, że dowód jest poprawny. To była współpraca, nie samodzielna praca AI.

Jakie inne problemy matematyczne AI może pomóc rozwiązać?

Modele językowe mogą być użyteczne wszędzie tam, gdzie potrzebna jest eksploracja dużej przestrzeni możliwych rozwiązań. Wciąż wymagają ludzkiej weryfikacji - AI proponuje kierunki, ludzie sprawdzają poprawność. To narzędzie wspomagające myślenie, nie zastępujące matematyków.

Na podstawie: AntyWeb

Informacje o artykule

Darmowy AI Starter Kit

10 gotowych promptów do codziennej pracy + 5 narzędzi + plan na pierwszy tydzień. PDF, 4 strony konkretu.

Udostępnij:
Nie przegap nowych artykułów - dodaj SukcesAI do swoich źródeł w wyszukiwarce Google.
Dodaj do preferowanych źródeł
Jan Gajos

Ekspert AI & Founder, AI Evolution

Pasjonat sztucznej inteligencji, który od 18 lat działa z sukcesem biznesowo i szkoleniowo. Wprowadzam AI do swoich firm oraz codziennego życia. Fascynują mnie nowe technologie, gry wideo i składanie klocków Lego - tam też widzę logikę i kreatywność, które AI potrafi wzmacniać. Wierzę, że dobrze użyta sztuczna inteligencja to nie ogłupiające ułatwienie, lecz prawdziwy przełom w sposobie, w jaki myślimy, tworzymy i pracujemy.