OpenAI przełamuje granice automatycznego rozumowania, rozwiązując problem matematyczny nierozwiązany od 1946 roku dzięki teorii liczb.

Źródło zdjęcia: The Decoder
Model sztucznej inteligencji OpenAI dokonał przełomu w matematyce, obalając hipotezę węgierskiego matematyka Paula Erdősa, która pozostawała nierozwiązana przez osiem dekad. Wynik został opisany jako „kamień milowy w matematyce AI” przez ekspertów, którzy potwierdzili dowód w towarzyszącym artykule.
Problem, znany jako hipoteza odległości jednostkowej, brzmi pozornie prosto: rozmieszczając określoną liczbę punktów na kartce papieru, ile par punktów może być dokładnie w odległości jednej jednostki? W 1946 roku Erdős przypuszczał, że prosty układ na lekko przekręconej siatce kwadratowej był już bliski optimum. Za obalenie tej hipotezy matematyk oferował nagrodę 500 dolarów.
Model OpenAI odkrył konstrukcję punktów, która znacznie przewyższa klasyczną siatkę kwadratową. Will Sawin z Princeton University oszacował zysk na około jeden procent więcej par przy każdym podwojeniu liczby punktów. Choć może to brzmieć skromnie, w kontekście problemu jest to rewolucyjne — hipoteza Erdősa zakładała, że praktycznie żaden taki zysk nie jest możliwy.
Najbardziej zaskakujące jest pochodzenie narzędzi: zamiast geometrii, model wykorzystał algebraiczną teorię liczb. Zamiast pracować z klasycznymi siatkami punktów, system użył złożonych systemów liczbowych, których wewnętrzne symetrie przekładają się na szczególnie gęste wzorce punktów. Te narzędzia są standardowe w teorii liczb od dziesięcioleci, ale ich zastosowanie do podstawowego problemu geometrii płaszczyzny było uważane za mało prawdopodobne.
Thomas Bloom wyjaśnia w swoim komentarzu, że cztery warunki musiały się zbiec, aby człowiek znalazł to rozwiązanie: trzeba było poświęcić poważny czas na problem, postawić przeciwko uznanej opinii Erdősa i rzeczywiście próbować obalenia, chcieć przełożyć oryginalną konstrukcję na świat pól liczbowych oraz być dostatecznie zaznajomionym z dość wyspecjalizowaną teorią pól klas.
„AI spełniała wszystkie te kryteria” — pisze Bloom. „Łączy nadludzkie poziomy cierpliwości ze znajomością ogromnej gamy aparatu technicznego.”
Sawin dodaje techniczny powód, dla którego oczywiste uogólnienia zawiodły. Naturalne podejście polegałoby na wybraniu jednego rozszerzonego systemu liczbowego i patrzeniu na coraz większe jego fragmenty. Według Sawina, to po prostu prowadzi z powrotem do starej granicy Erdősa. Kluczowy trik modelu był odwrotny: utrzymywał stałą skalę w każdym systemie liczbowym, ale przełączał się na coraz bogatsze systemy liczbowe na każdym kroku.
Noga Alon, jeden z czołowych kombinatorystów, nazywa wynik „wybitnym osiągnięciem” i opisuje zaskakujące odkrycie jako konstrukcję, której „analiza stosuje dość wyrafinowane narzędzia z algebraicznej teorii liczb w elegancki i sprytny sposób”.
Medalista Fieldsa Tim Gowers pisze, że gdyby człowiek przedłożył taki artykuł do Annals of Mathematics z prośbą o szybką ocenę, „zaleciłbym akceptację bez wahania”. Żaden poprzedni dowód wygenerowany przez AI nie był nawet bliski temu poziomowi. Gowers nazywa to „kamieniem milowym w matematyce AI”.
Teoretyk liczb Arul Shankar postrzega tę pracę jako dowód, że obecne modele AI „wykraczają poza bycie jedynie pomocnikami dla matematyków — są zdolne do oryginalnych genialnych pomysłów, a następnie ich realizacji”.

Google testuje technologię renderowania uczestników zdalnych w naturalnych rozmiarach, zwiększając poczucie włączenia o 50%.
OpenAI ogłasza rozszerzenie programu Education for Countries o Singapur, dzieląc się wynikami z pierwszej grupy krajów wdrażających AI w edukacji.

Nowy model AI do kodowania od Cursor osiąga wydajność najlepszych modeli za mniej niż dolara za zadanie, podczas gdy konkurencja kosztuje do 11 USD.