AI rozwiązało quasi-hipotezę Riemanna. Co dalej?

6 października 2026 roku OpenAI zaprezentowało 377 wyników badawczych. Jeden z nich przykuł szczególną uwagę środowiska matematycznego: ogłoszony dowód quasi-hipotezy Riemanna, czyli osłabionej wersji najsłynniejszego nierozwiązanego problemu współczesnej matematyki. Jak ocenił Jared Duker Lichtman ze Stanford University, to „najistotniejsze osiągnięcie AI w matematyce do tej pory, i to z dużą przewagą”.

Hipoteza Riemanna pozostaje otwarta od ponad 160 lat. Jej rozstrzygnięcie pozwoliłoby lepiej zrozumieć naturę liczb pierwszych — fundamentalnych cegieł arytmetyki. Nawet ograniczony wynik, jaki przedstawiło OpenAI, ma według Maksyma Radziwiłła z New York University konsekwencje „oszałamiające”. Badacz zauważa, że większość znanych następstw pełnej hipotezy wynika już z jej quasi-wersji.

Czym właściwie jest hipoteza Riemanna

Aby zrozumieć wagę ogłoszenia, trzeba najpierw przyjrzeć się samemu problemowi. Na początku XXI wieku Clay Mathematics Institute ogłosił siedem problemów milenijnych. Hipoteza Riemanna górowała nad pozostałymi — jako jedyna przeniesiona z legendarnej listy problemów, którą David Hilbert przedstawił sto lat wcześniej.

Na poziomie technicznym hipoteza dotyczy zachowania funkcji dzeta Riemanna. Powstaje ona przez rozszerzenie sumy 1 + 1/2 + 1/3 + 1/4 + … na liczby zespolone, czyli takie, które mają część rzeczywistą i urojoną (wielokrotność pierwiastka z −1). Każdą liczbę zespoloną można przedstawić jako punkt na płaszczyźnie.

Zera funkcji i liczby pierwsze

Hipoteza Riemanna dotyczy tego, dla jakich argumentów funkcja dzeta przyjmuje wartość zero. To jednak znacznie więcej niż techniczna ciekawostka. Jak zauważył sam Bernhard Riemann w 1859 roku, funkcja ta wiąże się z rozkładem liczb pierwszych — liczb podzielnych wyłącznie przez 1 i samą siebie.

Wiadomo od dawna, że im dalej na osi liczbowej, tym rzadziej występują liczby pierwsze. Riemann wykazał, że tempo tego przerzedzania zależy właśnie od miejsc zerowych funkcji dzeta. Łatwo udowodnić, że dla ujemnych liczb parzystych (−2, −4, −6, …) funkcja przyjmuje zero — to tzw. zera trywialne. Hipoteza głosi, że wszystkie pozostałe zera, nazywane nietrywialnymi, leżą na pionowej prostej, gdzie część rzeczywista argumentu wynosi 1/2.

Gdyby jakiekolwiek nietrywialne zero znalazło się poza tą linią, oznaczałoby to, że liczby pierwsze układają się w niezwykle zaskakujący wzorzec — taki, którego nigdy nie zaobserwowano. Jak pisał Enrico Bombieri w uzasadnieniu problemu milenijnego: „Załamanie hipotezy Riemanna wywołałoby chaos w rozkładzie liczb pierwszych”.

Na czym polega wersja „quasi”

Quasi-hipoteza Riemanna nie wymaga wykazania, że wszystkie nietrywialne zera leżą dokładnie na prostej 1/2. Wystarczy udowodnić, że mieszczą się one w pasie pionowym węższym niż znany dotąd przedział między zerem a jedynką. Im węższy pas, tym więcej można powiedzieć o rozmieszczeniu liczb pierwszych.

OpenAI ogłosiło dwa warianty dowodu. Pierwszy, datowany na 30 września 2026 roku, miał pokazywać, że wszystkie nietrywialne zera mieszczą się między 1/8 a 7/8. Został formalnie zweryfikowany w języku programowania Lean. Drugi, ukończony niemal tydzień później i jeszcze niezweryfikowany formalnie, dowodzi słabszego rezultatu: zera mają część rzeczywistą między 1/12 a 11/12.

Krótszy dowód wygrywa

Różnica w objętości obu prac jest uderzająca. Pierwsza liczy 199 stron, druga — zaledwie 49. To właśnie ten krótszy dokument skupił uwagę matematyków, bo opiera się na podobnych technikach i prowadzi do zbliżonych wniosków. Jak wyjaśnił Radziwiłł, społeczność badawcza wybrała wynik 11/12 głównie dlatego, że jest zwięźlejszy.

Co ciekawe, dowód nie wprowadza żadnych nowych pojęć. Zamiast tego odsłania ukryte powiązania między koncepcjami, które matematycy znają od dawna. Alexander Dunn z Georgia Institute of Technology określił go mianem „zaskakującej syntezy dobrze znanych idei”. Sam Dunn wraz z Radziwiłłem współtworzył techniki, na których częściowo oparł się ten wynik.

Problemy z jakością maszynowych dowodów

Entuzjazm środowiska studzi jednak kwestia formy. Radziwiłł nie kryje krytyki: obie prace są jego zdaniem „okropnie napisane — w sposób, który prowadziłby do natychmiastowego odrzucenia w każdym czasopiśmie matematycznym”. Jak dodał, daleko im do standardów klarowności i wykładu przyjętych w tej dziedzinie.

To zastrzeżenie wpisuje się w szerszy wzorzec. Wiele ostatnich wyników generowanych przez AI ma ogromną wartość merytoryczną, ale nie spełnia wymogów redakcyjnych nauki. Matematycy muszą więc najpierw sami zrozumieć przedstawione rozumowanie, zanim będą mogli ocenić jego poprawność i znaczenie.

Przypadek quasi-hipotezy Riemanna pokazuje podwójny charakter obecnej fazy rozwoju AI w matematyce. Z jednej strony systemy sztucznej inteligencji potrafią dokonać syntezy rozproszonych idei i dotrzeć do wyników, które eksperci uznają za przełomowe. Z drugiej — wciąż nie zastępują matematycznego rzemiosła: precyzji wykładu, dbałości o dowodową przejrzystość i konwencji, które czynią wynik użytecznym dla społeczności.

Pozostaje pytanie, czy kolejne generacje modeli nauczą się nie tylko dowodzić, ale też porządkować argumentację tak, by była czytelna bez dodatkowego wysiłku ludzkich ekspertów. Na razie matematycy robią to, co zwykle: biorą surowy wynik i pracują nad nim dalej.