AI znajduje kontrprzykład dla hipotezy Jacobiego – przełom w matematyce

Na początku tygodnia, gdy emocje po finale mundialu powoli opadały, w środowisku matematyków narastało zupełnie inne, ciche podekscytowanie. Levent Alpöge, matematyk pracujący w firmie Anthropic, opublikował na X lakoniczną wiadomość: znalazł kontrprzykład dla hipotezy Jacobiego – klasycznego problemu z dziedziny geometrii algebraicznej. Co więcej, pomógł mu w tym model językowy Claude Fable 5, który Anthropic wypuściło zaledwie kilka tygodni wcześniej.

To kolejny z serii spektakularnych sukcesów dużych modeli językowych (LLM) w matematyce. Jednak ten przypadek wydaje się inny – nie chodzi o długi, skomplikowany dowód, ale o zdumiewająco prostą funkcję, która zmieściła się w jednym tweecie. Dla matematyków to sygnał, że AI może być równie skuteczne w znajdowaniu nieoczywistych obiektów, jak w konstruowaniu formalnych dowodów.

Hipoteza Jacobiego – stary problem, który wciąż kusi

Zanim przejdziemy do samego odkrycia, warto zrozumieć, czym jest hipoteza Jacobiego. To jedno z tych zagadnień, które brzmi abstrakcyjnie, ale daje się opisać całkiem przystępnie.

Od funkcji do przestrzeni – podstawy problemu

Wyobraźmy sobie funkcję, która przyjmuje współrzędne punktu w przestrzeni i zwraca nowe współrzędne – przesuwa punkty zgodnie z pewną regułą. Gdy funkcja jest „ładna” (wielomianowa), można policzyć dla niej coś, co nazywa się wyznacznikiem jakobianu. Jeśli ten wyznacznik jest stały i różny od zera, funkcja nie „zgniata” ani nie „składa” przestrzeni – każdy punkt trafia w inne miejsce.

Hipoteza Jacobiego głosi, że jeśli wyznacznik jakobianu jest niezerową stałą, to taka funkcja musi być odwracalna – istnieje inna funkcja wielomianowa, która przywraca wszystkie punkty do początkowych pozycji. Innymi słowy: nie da się tak przesunąć punktów, żeby dwa różne zlały się w jeden, a przy tym zachować stały jakobian.

Długa historia prób i porażek

Dwu wymiarową wersję hipotezy sformułował w 1884 roku czeski matematyk Ludwig Kraus, a uogólnił na dowolną liczbę wymiarów Niemiec Ott-Heinrich Keller w 1939 roku. Problem okazał się tak fascynujący, że laureat medalu Fieldsa Stephen Smale umieścił go na swojej liście najważniejszych wyzwań matematycznych XXI wieku.

W ciągu ponad stu lat wielu wybitnych matematyków – w tym Beniamino Segre i Wolfgang Gröbner – ogłaszało dowód, ale za każdym razem znajdowano w nich subtelne błędy. Udowodniono jedynie prawdziwość hipotezy przy różnych ograniczeniach, na przykład dla wielomianów stopnia do 100 w dwóch wymiarach. Ogólny przypadek pozostawał nierozstrzygnięty.

Jak Claude Fable 5 znalazł to, czego nikt nie umiał dostrzec

Levent Alpöge nie ujawnił dokładnie, jak sformułował polecenie dla modelu oraz jaką postać miała odpowiedź. Wiadomo jednak, że kontrprzykład jest zaskakująco prosty. To funkcja trzech zmiennych, której wyznacznik jakobianu wynosi stałe -2, a mimo to dwa różne punkty wejściowe przechodzą w ten sam punkt wyjściowy. Oznacza to, że funkcja nie jest odwracalna – a hipoteza Jacobiego w wersji dla wymiarów większych niż dwa okazuje się fałszywa. Dwu wymiarowa wersja problemu wciąż czeka na rozstrzygnięcie.

Najbardziej zadziwiające jest to, jak krótki i elegancki jest ów kontrprzykład. Jak zauważył jeden z użytkowników Math Stack Exchange już w 2017 roku, „teoretycznie każdy bystry student mógłby po prostu napisać wzór, który obaliłby hipotezę”. Alpöge pokazał, że rzeczywiście tak się stało – wystarczyło mieć odpowiednie narzędzie do przeszukania ogromnej przestrzeni możliwych rozwiązań.

AI jako nawigator w morzu możliwych funkcji

To właśnie tu tkwi prawdziwa wartość tego odkrycia. Model językowy nie musiał konstruować skomplikowanego dowodu ani żonglować abstrakcyjnymi pojęciami. Jego zadaniem było skuteczne eksplorowanie przestrzeni odwzorowań wielomianowych i wyłowienie tego jednego, który spełniałby dwa warunki: stały niezerowy jakobian oraz scalanie punktów. Jest to zasadniczo inny rodzaj wykorzystania AI niż wcześniejsze przełomy, np. obalenie hipotezy o odległościach jednostkowych (unit distance conjecture) przez OpenAI czy rozwiązanie problemu Erdősa nr 1196 przez 23-letniego amatora Liama Price’a.

We wszystkich tych przypadkach modele językowe okazały się mistrzami łączenia wątków z odległych dziedzin matematyki i tworzenia niespodziewanych kombinacji. To, że potrafią też skutecznie przeszukiwać ogromne zbiory możliwych obiektów, sugeruje, że ich rola w przyszłości matematyki może być jeszcze większa.

Nowe horyzonty: AI jako odkrywca matematycznych obiektów

Dotychczas narracja wokół AI w matematyce koncentrowała się na automatycznym dowodzeniu twierdzeń – systemach, które krok po kroku wyprowadzają logiczne wnioski z założeń. Kontrprzykład Alpögego zwraca uwagę na inny, równie ważny aspekt: zdolność do generowania i testowania hipotez.

Badacze z różnych ośrodków podkreślają, że w wielu dziedzinach matematyki najtrudniejszym etapem nie jest sam dowód, ale znalezienie obiecującego tropu – odpowiedniego obiektu, który mógłby obalić lub potwierdzić przypuszczenie. Modele językowe, dzięki swojej umiejętności swobodnej eksploracji przestrzeni symboli, doskonale nadają się do roli „matematycznych detektywów”.

Oczywiście, nie oznacza to, że ludzcy matematycy staną się zbędni. Przeciwnie – potrzebują oni coraz lepszych narzędzi, by nawigować w gąszczu abstrakcyjnych struktur. AI jest tu partnerem, który może znacząco przyspieszyć badania, zwłaszcza w sytuacjach, gdy intuicja zawodzi lub przestrzeń rozwiązań jest zbyt wielka, by objąć ją umysłem.

Co więcej, prostota kontrprzykładu sprawia, że łatwo go zweryfikować – każdy matematyk z kartką i długopisem może sprawdzić, czy wyznacznik jakobianu wynosi -2 i czy funkcja rzeczywiście scala punkty. To przywraca wiarę w moc prostoty: czasem najbardziej skomplikowany problem kryje rozwiązanie, które mieści się w jednym zdaniu.

Przyszłość pokaże, czy kolejne odkrycia będą równie eleganckie. Jedno jest pewne – matematyka, podobnie jak inne dziedziny, zaczyna na dobre współpracować z inteligencją maszyn, a efekty tej współpracy potrafią zaskoczyć nawet najbardziej doświadczonych badaczy.