W skrócie (TL;DR)
- Matematyk Levent Alpöge z Anthropic twierdzi, że razem z modelem Claude rozwiązał hipotezę Riemanna — problem nierozwiązany od 1859 roku
- Claude odegrał szczególnie istotną rolę na końcowym etapie pracy, wyprzedzając swojego ludzkiego współpracownika
- Dowód opublikowano w formalnym języku Lean (14 części archiwum, ~240 MB), ale nie jako tradycyjny artykuł naukowy
- Niezależni matematycy muszą teraz weryfikować rozwiązanie — oficjalnego potwierdzenia jeszcze nie ma
Kiedy czytam doniesienia o tym, że sztuczna inteligencja wspomogła rozwiązanie jednego z największych problemów matematyki, muszę być szczerze sceptyczna. Nie dlatego, że nie wierzę w możliwości AI — ale dlatego, że środowisko naukowe podchodzi do tego ogłoszenia z dystansem, a ja rozumiem dlaczego. Levent Alpöge z Anthropic opublikował na swojej stronie internetowej krótkie opracowanie, w którym przedstawił wyniki wielomiesięcznej pracy prowadzonej wspólnie z Claude’em. Według jego deklaracji rozwiązanie obejmuje nie tylko pierwotną hipotezę Riemanna, lecz również jej uogólnioną wersję, znaną jako GRH (Generalized Riemann Hypothesis).
Ale zanim zachwycę się tym osiągnięciem, muszę wyjaśnić, co się tutaj naprawdę dzieje i dlaczego matematycy czekają na weryfikację z taką ostrożnością.
Hipoteza Riemanna: problem, który trwał 167 lat
Zanim przejdę do roli AI, warto zrozumieć, o co w ogóle chodzi. Problem sformułowany przez niemieckiego matematyka Bernharda Riemanna w 1859 roku dotyczy rozmieszczenia liczb pierwszych — tych magicznych liczb naturalnych większych od jedności, które dzielą się wyłącznie przez jeden i samą siebie. Na pierwszy rzut oka ich występowanie na osi liczbowej wydaje się przypadkowe, ale matematycy od dawna poszukują ukrytych prawidłowości opisujących ich rozkład.
Hipoteza wiąże się z funkcją dzeta Riemanna. Riemann przypuszczał, że wszystkie jej nietrywialne miejsca zerowe znajdują się na określonej prostej w płaszczyźnie liczb zespolonych, której część rzeczywista wynosi dokładnie 1/2. Brzmi abstrakcyjnie? Owszem. Ale ma to ogromne znaczenie praktyczne. Hipoteza stanowi podstawę wielu matematycznych przypuszczeń i twierdzeń dotyczących rozmieszczenia liczb pierwszych. Jest również jednym z siedmiu Problemów Milenijnych, za których rozwiązanie Clay Mathematics Institute przewiduje nagrodę w wysokości miliona dolarów.
Przez 167 lat najlepsi matematycy świata nie potrafili tego udowodnić. A teraz pojawia się twierdzenie, że Claude pomógł to zrobić. Stąd właśnie ta ostrożność środowiska naukowego.
Rola Claude’a: czy to rzeczywisty wkład, czy wsparcie analityczne?
Tutaj wchodzę na grunt, na którym muszę być szczególnie precyzyjna. Alpöge zaznaczył, że sztuczna inteligencja odegrała szczególnie istotną rolę na końcowym etapie pracy. Claude w pewnym momencie miał znacznie wyprzedzić go w poszukiwaniu kolejnych elementów argumentacji matematycznej. To sformułowanie jest kluczowe — nie mówi się tutaj o tym, że AI wymyśliła całe rozwiązanie, ale że uczestniczyła w jego konstruowaniu.
Architektura transformerów, na której opiera się Claude, pozwala modelowi na pracę z kontekstem i przetwarzanie złożonych sekwencji logicznych. Jednak — i to jest ważne — Claude nie potrafi samodzielnie formułować całkowicie nowych kierunków badań. Model pracuje w ramach istniejącej wiedzy zawartej w danych treningowych i wskazówek, które otrzymuje od człowieka. W tym przypadku Alpöge najprawdopodobniej kierował pracą, a Claude wspierał go w eksploracji możliwych ścieżek dowodowych.
To nie oznacza, że wkład AI jest mały. Jeśli rzeczywiście Claude wyprzedzał matematyka w poszukiwaniu elementów argumentacji, to pokazuje, że model potrafi pracować na poziomie abstrakcji, który tradycyjnie uważaliśmy za domenę czysto ludzkiej intuicji. Ale to też oznacza, że musimy być ostrożni w interpretacji tego osiągnięcia.
Formalna weryfikacja: dlaczego kod Lean zamiast artykułu naukowego?
Tutaj pojawia się kolejny element, który budzi moje pytania. Alpöge nie opublikował tradycyjnego artykułu naukowego przedstawiającego cały tok rozumowania w formie, którą matematycy znają i rozumieją od wieków. Zamiast tego udostępnił obszerny zestaw plików zapisanych w języku Lean — specjalistycznym narzędziu służącym do formalnej weryfikacji dowodów matematycznych.
Lean pozwala komputerowo sprawdzać, czy poszczególne kroki rozumowania wynikają z przyjętych definicji i założeń. To jest genialne z punktu widzenia precyzji, ale stanowi też barierę dla tradycyjnego peer-review’u. Udostępnione materiały obejmują 14 części archiwum o łącznej wielkości około 240 MB. Analiza tych danych będzie wymagała specjalistycznej wiedzy i czasu.
Niezależni matematycy muszą teraz potwierdzić, że formalny zapis rzeczywiście dotyczy standardowej wersji hipotezy Riemanna, wszystkie definicje są prawidłowe, a w rozumowaniu nie występują ukryte założenia. Alpöge zapowiedział przygotowanie bardziej przystępnego, zrozumiałego dla matematyków opisu całego dowodu. Dopóki tego nie będzie, mówimy o niezwykle ambitnym twierdzeniu, ale nie o oficjalnym rozwiązaniu.
Co to oznacza dla przyszłości AI w nauce?
Niezależnie od tego, czy rozwiązanie Alpögego zostanie potwierdzone, to wydarzenie sygnalizuje coś ważnego: sztuczna inteligencja zaczyna grać w naukę na poważnie. Nie chodzi tutaj o analizowanie istniejącej wiedzy czy wspomaganie rutynowych obliczeń — to AI robi od lat. Chodzi o aktywny udział w odkrywaniu nowych twierdzeń, w poszukiwaniu nowych ścieżek logicznych, które człowiek mógł przeoczyć.
To potencjalnie zmienia krajobraz badań naukowych. Matematycy, fizycy, chemicy mogą w przyszłości pracować w tandemie z zaawansowanymi modelami AI, które będą wspierać ich intuicję i pomagać w eksploracji przestrzeni możliwości. Ale — i to jest ważne — to nie oznacza, że AI zastąpi naukowców. Model Claude nie wymyślił hipotezy Riemanna, nie postawił pytania, które doprowadziło do jej sformułowania. To zrobił człowiek 167 lat temu.
Jednak halucynacje AI pozostają problemem. Modele językowe potrafią generować przekonujące, ale całkowicie błędne argumenty. Dlatego właśnie weryfikacja formalna w języku Lean jest tutaj tak ważna — pozwala na komputerowe sprawdzenie każdego kroku, ograniczając ryzyko, że AI wygenerowała coś, co tylko wygląda na poprawne.
Co to oznacza w praktyce?
Jeśli rozwiązanie Alpögego zostanie potwierdzone, będzie to oznaczać, że sztuczna inteligencja potrafi wspierać naukowców w rozwiązywaniu problemów, które przez pokolenia pozostawały nierozwiązane. Dla branży AI to byłby sygnał, że modele mogą być użyteczne nie tylko w marketingu czy generowaniu tekstu, ale w rzeczywistych badaniach naukowych. Dla matematyków to oznaczałoby, że tradycyjne metody pracy — samotny naukowiec z kartką papieru — mogą być wzbogacone o wsparcie obliczeniowe na nowym poziomie abstrakcji. Ale dla całej nauki to przede wszystkim przypomnienie, że weryfikacja i ostrożność muszą pozostać fundamentem — nawet gdy AI twierdzi, że rozwiązała niemożliwe.
Najczęściej zadawane pytania (FAQ)
Co to jest hipoteza Riemanna i dlaczego jest taka ważna?
Czy rozwiązanie Alpögego jest już oficjalnie potwierdzone przez środowisko naukowe?
Jaką dokładnie rolę odegrała sztuczna inteligencja Claude w tym odkryciu?
Dlaczego Alpöge opublikował kod w języku Lean zamiast tradycyjnego artykułu naukowego?
Czy to oznacza, że AI może teraz rozwiązać wszystkie nierozwiązane problemy matematyczne?
💬 Gorąca dyskusja czytelników TechTendency
Pytanie od redakcji: Czy sztuczna inteligencja powinna otrzymać uznanie za odkrycia naukowe, czy to zawsze zasługa matematyka, który ją wykorzystał?
✍️ Przejdź do sekcji komentarzy


