AI obala 30-letnią hipotezę statystyczną w 90 minut

Sztuczna inteligencja właśnie zrobiła coś, co przez 30 lat nie udawało się najlepszym statystykom świata. Profesor z University of Pennsylvania wykorzystał model OpenAI GPT-5.6 Sol, by obalić jedno z kluczowych założeń w swojej dziedzinie. Całość trwała zaledwie 90 minut.

Problem, który rozwiązała AI, dotyczył tzw. procedury Benjamini-Hochberga (BH) – metody szeroko stosowanej w statystyce i naukach przyrodniczych. Służy ona do kontrolowania liczby fałszywych odkryć, gdy badacze testują tysiące hipotez naraz, na przykład podczas analizy genomu w poszukiwaniu genów powiązanych z chorobami. Im więcej testów, tym większe ryzyko, że w wynikach pojawią się przypadkowe korelacje. Metoda BH, opracowana w 1995 roku, pomaga odsiać te fałszywe alarmy.

30-letnie założenie, które okazało się błędne

Benjamini i Hochberg udowodnili, że ich procedura działa niezawodnie, gdy dane są od siebie niezależne. W prawdziwym świecie jednak dane często bywają skorelowane. Warianty genetyczne mogą być ze sobą powiązane – pewne odcinki genomu są dziedziczone razem. Przez lata eksperci zakładali, że metoda BH sprawdzi się również przy skorelowanych danych o rozkładzie normalnym, szczególnie przy testowaniu odchyleń w obu kierunkach. Nikt jednak nie potrafił tego udowodnić.

Edgar Dobriban, adiunkt w Wharton School na University of Pennsylvania, postanowił sprawdzić, czy współczesne modele językowe poradzą sobie z tym problemem. W swoim preprintzie opisuje, jak za pomocą GPT-5.6 Sol zbudował model statystyczny, w którym rzeczywisty wskaźnik fałszywych odkryć (false discovery rate) przekracza założony poziom. Symulacje potwierdziły wynik. Dobriban opublikował również kod źródłowy.

Jakie znaczenie ma to odkrycie na dziś?

W praktyce – na razie niewielkie. Dobriban zaznacza, że różnica między faktycznym a docelowym poziomem FDR jest „stosunkowo mała (0,104 vs 0,1)”. Oznacza to, że wynik ma znaczenie przede wszystkim teoretyczne. Nie podważa on ogólnej użyteczności procedury BH w codziennych badaniach. Dla statystyków jednak to przełom – AI rozwiązała problem, z którym ludzie nie mogli sobie poradzić od dekad.

Nowa jakość modeli: 90 minut zamiast 20 godzin

Dobriban przetestował również starszy model – GPT-5.5. Ten nie zdołał znaleźć rozwiązania nawet po około 20 godzinach pracy z kilkoma agentami. GPT-5.6 Sol poradził sobie w półtorej godziny. Profesor nie kryje entuzjazmu: „Poprawa możliwości jest bardzo realna. Żyjemy w ekscytujących czasach!” – pisze w publikacji. Pełny zapis rozmowy z AI oraz użyty prompt są dostępne publicznie.

„Nie mogę nie żałować dawnych czasów, gdy kluczowy wynik oznaczał kolegę do świętowania; ludzki wgląd do podziwiania; ludzkie osiągnięcie, które mogło inspirować.”
Will Fithian, statystyk z University of California, Berkeley

Will Fithian, statystyk z UC Berkeley, nazwał obaloną hipotezę „najciekawszym otwartym problemem w mojej dziedzinie statystyki”. Jego zdaniem wynik to „kolejny marker postępu możliwości AI, którego konsekwencje sięgną daleko poza matematykę”. Fithian dodał też refleksję o zmieniającej się roli naukowców w erze zaawansowanych modeli.

Łączenie istniejących metod – czy to wystarczy?

Jak działało rozwiązanie GPT-5.6 Sol? Podobnie jak w innych znanych przypadkach z matematyki, AI nie stworzyło zupełnie nowej teorii. Zamiast tego połączyło istniejące metody w nieoczywisty sposób. Dobriban przyznaje, że kombinacja była nietypowa, ale sam wynik „nie był szczególnie zaskakujący”. Wyzwanie polegało na znalezieniu odpowiedniego sposobu, by połączyć znane narzędzia, i nowszy model poradził sobie z tym zadaniem.

To rodzi szersze pytanie: czy modele uczone na ludzkich danych są zdolne do prawdziwego rozumowania i tworzenia nowej wiedzy, czy „tylko” łączą to, czego się nauczyły podczas treningu? Nawet jeśli to drugie, to już dziś sprawdzają się jako codzienne narzędzia wspierające pracę naukowców. Rezultat Dobribana dołącza do rosnącej listy przykładów, w których AI pomogła rozwiązać problemy uznawane za trudne.

Jednak bardziej ambitne cele – jak budowa samouczącej się sztucznej inteligencji, która potrafi generalizować – mogą wymagać czegoś więcej niż rekombinacji. Pionier deep learningu Richard Sutton należy do tych, którzy tak uważają. Niedawno założył startup, który ma zająć się właśnie tym wyzwaniem.

Przypadek GPT-5.6 Sol pokazuje, że granica między „zwykłym” przetwarzaniem języka a kreatywnym rozwiązywaniem problemów staje się coraz bardziej rozmyta. Niezależnie od interpretacji, jedno jest pewne – AI zaczyna odgrywać rolę nie tylko asystenta, ale i uczestnika w procesie naukowego odkrycia. A pytanie, czy to już prawdziwe rozumowanie, czy tylko zaawansowana imitacja, pozostaje otwarte.