Anunțul a fost făcut luni de către Anthropic, compania din spatele modelului Claude, care a dezvăluit că un model încă nelansat a reușit să îmbunătățească semnificativ limita inferioară a soluțiilor pentru care ipoteza Riemann este valabilă. Cu alte cuvinte, modelul a extins gama de cazuri în care ipoteza a fost verificată, aducându-ne mai aproape de o demonstrație completă. Dar ceea ce este și mai impresionant este modul în care a fost realizat acest progres. Un angajat Anthropic, fără o pregătire matematică avansată, a cerut modelului să „încerce serios” să demonstreze ipoteza, apoi l-a lăsat să coordoneze sarcina pe parcursul unei zile și jumătate. Rezultatul? Modelul a testat 650 de idei diferite pentru a rezolva problema, coordonând 60 de sub-agenti și cheltuind 31 de milioane de tokeni în proces.
Conform unei note de subsol din lucrarea publicată de Anthropic, dintre cei 60 de sub-agenti, doar doi au fost responsabili pentru dezvoltarea ideilor matematice cheie. Alți 13 au contribuit cu idei suplimentare, 30 au încercat fără succes să dezvolte noi abordări, 13 au servit ca validatori pentru a verifica corectitudinea argumentelor, iar ultimii doi au ajutat la redactarea lucrării inițiale. Această distribuție a sarcinilor demonstrează o capacitate remarcabilă de coordonare și delegare, similară cu modul în care o echipă umană de cercetare ar aborda o problemă complexă.
Rezultatul a fost confirmat de doi matematicieni interni de la Anthropic și formalizat folosind asistentul de demonstrații open-source Lean. Aceasta este o realizare importantă, deoarece formalizarea într-un sistem de verificare automată asigură că argumentele sunt corecte din punct de vedere logic, eliminând orice posibilitate de eroare umană sau de raționament greșit.
Această descoperire se adaugă unei serii tot mai lungi de succese matematice obținute de modelele de limbaj la scară largă (LLM). De-a lungul acestui an, mai multe probleme Erdős au fost rezolvate de modele AI, iar lansarea unor modele mai puternice a dus la rezultate tot mai impresionante. OpenAI a publicat recent un set de zece rezultate majore demonstrate de modelul său intern „Astra”, în timp ce un efort separat de la Anthropic a infirmat conjectura Jacobiană, o problemă veche de decenii. Aceste realizări au stârnit atât entuziasm, cât și îngrijorare în comunitatea matematică.
Într-o declarație publică semnată în iunie, un grup de matematicieni proeminenți și-au exprimat temerile că AI ar putea submina valorile fundamentale ale domeniului, în special standardul conform căruia demonstrațiile matematice ar trebui să fie „atribuibile unor autori specifici care își asumă meritul pentru descoperire și responsabilitatea pentru corectitudinea lor”. Această preocupare este legitimă, deoarece, dacă un model AI generează o demonstrație, cine este autorul? Cum se atribuie meritul? Și cum se asigură responsabilitatea pentru eventualele erori?
Cu toate acestea, comunitatea este împărțită în ceea ce privește modul în care matematicienii ar trebui să abordeze noile tehnici de cercetare. Într-o postare pe blog care răspunde declarației, câștigătorul medaliei Fields, Timothy Gowers, a pus sub semnul întrebării dacă influența AI ar putea schimba matematica într-un mod mai complex și mai pozitiv. Gowers a scris: „Dacă ajungem într-o lume în care teoremele matematice nu mai sunt asociate cu matematicieni, poate că acest lucru nu va fi mai problematic decât faptul că stelele nu sunt numite după astronomi și că majoritatea nu sunt numite deloc”. Această perspectivă sugerează că, în viitor, matematica ar putea deveni mai degrabă o activitate colaborativă între oameni și mașini, în care descoperirile sunt validate de rigoarea logică, nu de faima autorilor.
Progresul realizat de modelul Anthropic este remarcabil nu doar pentru rezultatul în sine, ci și pentru metodologia folosită. Faptul că un model AI poate coordona 60 de sub-agenti, fiecare cu roluri distincte, și poate testa sute de idei într-o perioadă scurtă de timp, arată că suntem la începutul unei noi ere în cercetarea științifică. Modelele de limbaj nu mai sunt simple instrumente de procesare a textului; ele devin agenți autonomi capabili să exploreze spații complexe de soluții, să genereze ipoteze și să le verifice.
Desigur, există și limite. Modelul nu a demonstrat ipoteza Riemann în întregime, ci doar a extins limita inferioară a soluțiilor pentru care aceasta este valabilă. Este un pas important, dar nu o soluție completă. Cu toate acestea, faptul că un model AI poate face astfel de progrese, fără o pregătire matematică explicită, ridică întrebări profunde despre natura inteligenței și despre potențialul mașinilor de a contribui la cunoașterea umană.
Pe măsură ce modelele devin tot mai puternice, este probabil că vom vedea tot mai multe astfel de descoperiri. Dar, în același timp, comunitatea matematică va trebui să stabilească noi norme și standarde pentru a integra aceste instrumente în mod etic și productiv. Cum vom atribui creditul? Cum vom verifica corectitudinea? Cum vom asigura transparența? Acestea sunt întrebări la care va trebui să răspundem în următorii ani.
În concluzie, progresul realizat de modelul nepublicat de la Anthropic asupra ipotezei Riemann este o piatră de hotar în intersecția dintre inteligența artificială și matematica pură. El demonstrează că AI poate contribui semnificativ la rezolvarea unor probleme care au sfidat mințile umane timp de secole. În timp ce dezbaterea despre rolul AI în matematică este departe de a fi încheiată, un lucru este cert: viitorul cercetării matematice va fi modelat de colaborarea dintre oameni și mașini, iar această colaborare promite să ne ducă în locuri pe care nu le-am fi putut imagina.
De ce este important:
Această descoperire marchează un moment crucial în capacitatea inteligenței artificiale de a aborda probleme științifice fundamentale. Demonstrând că un model AI poate face progrese semnificative asupra unei probleme matematice nerezolvate de 150 de ani, folosind o abordare coordonată cu sub-agenti, deschidem calea către o nouă eră a cercetării asistate de AI. Implicațiile sunt vaste: de la accelerarea descoperirilor științifice, până la redefinirea rolului matematicianului și a modului în care atribuim meritul intelectual. În plus, această realizare ridică întrebări etice și filozofice importante despre natura inteligenței și despre modul în care vom integra mașinile în procesul de creare a cunoașterii. Este un pas concret către un viitor în care AI nu doar asistă, ci și conduce descoperiri, iar înțelegerea acestui proces este esențială pentru a ne pregăti pentru provocările și oportunitățile care urmează.
