Model OpenAI obalił 80-letni problem geometrii. Matematycy w szoku

"To kamień milowy w matematyce AI" - pisze Tim Gowers, laureat Medalu Fieldsa. Nie mówi o nowym benchmarku ani rekordzie w kodowaniu. Mówi o tym, że model OpenAI właśnie obalił hipotezę, która przetrwała niemal 80 lat.

Problem odległości jednostkowej w geometrii dyskretnej. To przypomina tytuł pracy doktorskiej, którą nikt nie przeczyta. Matematycy od 1946 roku próbowali go rozwiązać. Paul Erdős - legendarny węgierski matematyk - postawił wtedy pytanie: jeśli rozłożysz n punktów na płaszczyźnie, ile par punktów może być oddalonych od siebie dokładnie o 1?

Odpowiedź właśnie przyszła z nieoczekiwanego kierunku. Nie od człowieka. Od AI.

Czym jest problem odległości jednostkowej

Rozkładasz punkty na kartce papieru. Niektóre pary punktów są oddalone od siebie dokładnie o 1 centymetr. Pytanie: jak ułożyć te punkty, żeby zmaksymalizować liczbę takich par?

Erdős postawił to pytanie w 1946 roku. Przez dekady matematycy wierzyli, że optymalne rozwiązanie to tzw. konstrukcje kratowe - punkty ułożone w regularną siatkę kwadratową. Nikt nie potrafił udowodnić, że to najlepsze rozwiązanie. Nikt też nie znalazł nic lepszego.

Do teraz.

Dlaczego to było tak trudne

Książka "Research Problems in Discrete Geometry" z 2005 roku nazywa to "prawdopodobnie najbardziej znanym (i najłatwiejszym do wytłumaczenia) problemem w geometrii kombinatorycznej". Noga Alon z Princeton opisuje go jako "jeden z ulubionych problemów Erdősa".

Erdős nawet wyznaczył nagrodę pieniężną za rozwiązanie. To był jego sposób na pokazanie, że problem jest naprawdę trudny - oferował nagrody tylko za zagadnienia, które uważał za wyjątkowo odporne.

Model OpenAI znalazł kontrprzykład

Model OpenAI nie tylko rozwiązał problem. Obalił hipotezę, w którą wierzyli matematycy przez 80 lat. Znalazł nieskończoną rodzinę przykładów, które dają wielomianową poprawę względem konstrukcji kratowych.

Dowód został sprawdzony przez grupę zewnętrznych matematyków. Napisali oni towarzyszący artykuł, w którym wyjaśniają argument i kontekst odkrycia.

Co robi to odkrycie wyjątkowym? Nie tylko wynik. Także metoda.

Jak AI to zrobiło

Model nie był trenowany specjalnie do matematyki. Nie był wyposażony w scaffolding do przeszukiwania strategii dowodowych. Nie był celowany w problem odległości jednostkowej.

To był ogólny model rozumowania. OpenAI testowało go na kolekcji problemów Erdősa - jako część szerszego programu sprawdzania, czy zaawansowane modele mogą wnosić coś do badań naukowych. Model wyprodukował dowód rozwiązujący otwarty problem.

Arul Shankar, czołowy teoretyk liczb, komentuje: "Moim zdaniem ten artykuł pokazuje, że obecne modele AI wykraczają poza rolę pomocników dla ludzkich matematyków - są zdolne do oryginalnych, genialnych pomysłów, a następnie do ich realizacji".

Dlaczego to ma znaczenie poza matematyką

To pierwszy przypadek, gdy AI autonomicznie rozwiązało prominentny otwarty problem, centralny dla poddziedziny matematyki. Nie pobicie benchmarku. Nie wygenerowanie kodu, który działa. Wkład do ludzkiej wiedzy.

Matematyka to szczególnie dobry test dla rozumowania AI. Problemy są precyzyjne. Potencjalne dowody można sprawdzić. Długi argument działa tylko wtedy, gdy rozumowanie trzyma się od początku do końca.

Metoda, którą model użył, też zasługuje na uwagę. Dowód wykorzystuje zaawansowane pomysły z algebraicznej teorii liczb, aby rozwiązać elementarne pytanie geometryczne. To nie jest mechaniczne przeszukiwanie. To kreatywne połączenie odległych obszarów matematyki.

Co to zmienia w badaniach AI

Jeśli model ogólnego przeznaczenia potrafi samodzielnie rozwiązać 80-letni problem matematyczny, pytanie brzmi: co jeszcze potrafi? I czego jeszcze nie wiemy o głębokości rozumowania tych systemów?

OpenAI nie podaje nazwy modelu. Nie podaje szczegółów architektury. Sam fakt, że model nie był specjalizowany - że to był system ogólnego przeznaczenia - sugeruje, że granica możliwości AI w rozumowaniu przesuwa się szybciej, niż większość z nas myśli.

To nie jest GPT-5 myślący jak doktorant w kontrolowanych testach. To AI produkujące oryginalne wyniki naukowe, które przetrwają weryfikację przez ekspertów.

Reakcje matematyków

Tim Gowers, laureat Medalu Fieldsa, nazywa wynik "kamieniem milowym w matematyce AI". Noga Alon potwierdza, że to był jeden z ulubionych problemów Erdősa - matematyk słyszał, jak Erdős wspominał o nim wielokrotnie podczas wykładów.

Arul Shankar idzie dalej: "Obecne modele AI wykraczają poza rolę pomocników dla ludzkich matematyków - są zdolne do oryginalnych, genialnych pomysłów, a następnie do ich realizacji".

To nie jest entuzjazm technologów. To ocena ludzi, którzy spędzili życie na rozwiązywaniu problemów matematycznych. Którzy wiedzą, jak trudne jest to, co właśnie zrobiło AI.

Jednorazowy sukces czy nowa era odkryć?

OpenAI opublikowało pełny dowód i towarzyszące uwagi matematyków. Dokumenty są dostępne publicznie. Każdy może sprawdzić argument.

Pytanie, które teraz stoi przed społecznością AI i matematyków: czy to jednorazowy sukces, czy początek nowej ery w odkryciach naukowych?

Jeśli model ogólnego przeznaczenia potrafi obalić 80-letnią hipotezę w geometrii dyskretnej, ile innych otwartych problemów czeka na rozwiązanie? I ile z nich zostanie rozwiązanych przez AI, zanim człowiek zdąży je rozwiązać?

Nie mamy jeszcze odpowiedzi. Jedno jest pewne: granica między "AI jako narzędzie" a "AI jako współautor odkryć naukowych" właśnie się rozmyła. I nie wróci do poprzedniego stanu.

Najczęstsze pytania

Czym jest problem odległości jednostkowej Erdősa?

To pytanie postawione przez Paula Erdősa w 1946 roku: jeśli rozłożysz n punktów na płaszczyźnie, ile par punktów może być oddalonych od siebie dokładnie o 1? Przez 80 lat matematycy wierzyli, że optymalne są konstrukcje kratowe (siatka kwadratowa). Model OpenAI właśnie obalił tę hipotezę.

Czy model był trenowany specjalnie do rozwiązywania problemów matematycznych?

Nie. To był ogólny model rozumowania, nie system specjalizowany w matematyce. OpenAI testowało go na kolekcji problemów Erdősa jako część szerszego programu sprawdzania możliwości AI w badaniach naukowych. Model wyprodukował dowód autonomicznie, bez scaffoldingu ani targetowania na konkretny problem.

Czy dowód został zweryfikowany przez ludzi?

Tak. Grupa zewnętrznych matematyków sprawdziła dowód i napisała towarzyszący artykuł wyjaśniający argument oraz kontekst odkrycia. Tim Gowers (laureat Medalu Fieldsa) i Arul Shankar (czołowy teoretyk liczb) potwierdzają poprawność i znaczenie wyniku.

Co to oznacza dla przyszłości badań naukowych?

To pierwszy przypadek, gdy AI autonomicznie rozwiązało prominentny otwarty problem, centralny dla poddziedziny matematyki. Jeśli model ogólnego przeznaczenia potrafi obalić 80-letnią hipotezę, pytanie brzmi: ile innych otwartych problemów czeka na rozwiązanie przez AI? Granica między "AI jako narzędzie" a "AI jako współautor odkryć" właśnie się rozmyła.