Ένας νευροχειρουργός από το Πεκίνο, που ασχολήθηκε με τα μαθηματικά λόγω της έρευνάς του στους υπερήχους εγκεφάλου, κατάφερε με τη βοήθεια του ChatGPT να δώσει λύση σε ένα πρόβλημα που παρέμενε ανοιχτό από το 2004. Η υπόθεση δείχνει ότι τα προηγμένα μοντέλα AI αρχίζουν να λειτουργούν όχι μόνο ως βοηθοί, αλλά και ως εργαλεία παραγωγής και ελέγχου νέων μαθηματικών ιδεών.
Μερικές φορές οι σημαντικότερες εξελίξεις στην τεχνολογία ξεκινούν από ανθρώπους που δεν είχαν σκοπό να τις προκαλέσουν. Κάτι τέτοιο φαίνεται να συνέβη στην περίπτωση του Jin Shanmu, ενός νευροχειρουργού και μεταδιδακτορικού ερευνητή στο Peking Union Medical College Hospital του Πεκίνου. Ο Jin ασχολούνταν με ένα μαθηματικό ζήτημα που σχετιζόταν με την έρευνά του στους διακρανιακούς υπερήχους, όταν βρέθηκε να εξετάζει ένα πολύ διαφορετικό πρόβλημα: την περίφημη εικασία του Crouzeix, η οποία παρέμενε άλυτη για περισσότερες από δύο δεκαετίες.
Ένα πρόβλημα από το 2004
Η εικασία πήρε το όνομά της από τον Γάλλο μαθηματικό Michel Crouzeix, ο οποίος την πρότεινε το 2004. Αφορά έναν ιδιαίτερα εξειδικευμένο τομέα των μαθηματικών, τη γραμμική άλγεβρα και ειδικότερα τη συμπεριφορά συναρτήσεων όταν εφαρμόζονται σε πίνακες. Με απλά λόγια, εξετάζει κατά πόσο μπορεί να περιοριστεί το μέγεθος ενός μετασχηματισμού ενός πίνακα από τη συμπεριφορά της ίδιας συνάρτησης σε μια συγκεκριμένη γεωμετρική περιοχή που συνδέεται με τον πίνακα. Η ακριβής διατύπωση είναι τεχνική, αλλά η ουσία είναι ότι πρόκειται για ένα θεμελιώδες πρόβλημα στη matrix analysis, το οποίο είχε απασχολήσει μαθηματικούς για χρόνια.
Το ενδιαφέρον είναι ότι ο Jin δεν είναι επαγγελματίας μαθηματικός. Η κύρια επιστημονική του δραστηριότητα βρίσκεται στη νευροχειρουργική και την ιατρική έρευνα. Η ενασχόλησή του με το συγκεκριμένο μαθηματικό πεδίο προέκυψε από την προσπάθειά του να κατανοήσει προβλήματα που σχετίζονται με τη μοντελοποίηση των υπερήχων στον εγκέφαλο. Αυτό είναι σημαντικό, γιατί δείχνει έναν διαφορετικό τρόπο με τον οποίο μπορεί να χρησιμοποιηθεί η AI: όχι απαραίτητα από έναν κορυφαίο ειδικό ενός συγκεκριμένου πεδίου, αλλά από έναν επιστήμονα που χρησιμοποιεί το μοντέλο για να κινηθεί σε ένα αντικείμενο έξω από την κύρια ειδικότητά του.
16 ώρες αυτόνομης εργασίας
Σύμφωνα με το South China Morning Post, ο Jin χρησιμοποίησε το GPT-5.6-Sol μέσω της πλατφόρμας ChatGPT Work και άφησε το μοντέλο να εργάζεται αυτόνομα για περίπου 16 ώρες. Το αποτέλεσμα ήταν μια μαθηματική απόδειξη της εικασίας του Crouzeix.
Εδώ βρίσκεται ίσως το πιο σημαντικό στοιχείο της ιστορίας. Δεν μιλάμε για τη συνηθισμένη χρήση ενός chatbot, όπου ο χρήστης κάνει μια ερώτηση και παίρνει μια απάντηση σε λίγα δευτερόλεπτα. Η διαδικασία μοιάζει περισσότερο με έναν ερευνητικό κύκλο: το μοντέλο εξετάζει διαφορετικές προσεγγίσεις, αναπτύσσει μαθηματικές ιδέες, ελέγχει πιθανές αντιφάσεις και προσπαθεί να καταλήξει σε μια πλήρη απόδειξη.
Αυτό αλλάζει αρκετά τη συζήτηση γύρω από το τι μπορούν να κάνουν τα σύγχρονα μοντέλα. Μέχρι πρόσφατα, η βασική εικόνα ήταν ότι τα LLM είναι εξαιρετικά εργαλεία για να εξηγούν υπάρχουσες γνώσεις, να γράφουν κώδικα ή να λύνουν σχετικά τυπικά προβλήματα. Τώρα αρχίζουν να εμφανίζονται περιπτώσεις όπου χρησιμοποιούνται ως εργαλεία αναζήτησης νέων λύσεων σε προβλήματα που δεν έχουν απαντηθεί εδώ και χρόνια.
Η AI δεν «πήρε το πτυχίο» του μαθηματικού
Παρόλα αυτά, θα ήταν λάθος να παρουσιάσουμε την ιστορία ως «το ChatGPT αντικατέστησε τους μαθηματικούς». Το σημαντικότερο μέρος της διαδικασίας είναι η επαλήθευση.
Η ύπαρξη μιας απάντησης από ένα AI δεν σημαίνει αυτομάτως ότι αυτή είναι σωστή. Τα μοντέλα μπορούν να δημιουργήσουν εξαιρετικά πειστικές αλλά λανθασμένες αποδείξεις. Στην περίπτωση του Jin, επομένως, η πραγματική αξία βρίσκεται στο γεγονός ότι η προτεινόμενη λύση μπορεί να εξεταστεί από ειδικούς και να μετατραπεί σε αυστηρά ελεγμένη μαθηματική απόδειξη.
Μάλιστα, έχει ήδη δημοσιευθεί σχετικό preprint με τίτλο “The Numerical Range Is a 2-Spectral Set”, στο οποίο ο Shanmu Jin παρουσιάζει μια απόδειξη της εικασίας και υποστηρίζει ότι η σταθερά 2 είναι βέλτιστη. Το κείμενο είναι διαθέσιμο ως preprint και όχι ως τελική peer-reviewed δημοσίευση, κάτι που σημαίνει ότι η επιστημονική διαδικασία αξιολόγησης παραμένει σημαντική.
Γιατί αυτή η ιστορία έχει μεγαλύτερη σημασία από ένα μαθηματικό πρόβλημα
Η συγκεκριμένη υπόθεση δείχνει κάτι που μπορεί να αποδειχθεί πολύ σημαντικό τα επόμενα χρόνια: η AI μπορεί να μειώσει δραστικά το κόστος πρόσβασης σε εξειδικευμένη γνώση.
Ένας επιστήμονας δεν χρειάζεται πλέον να γνωρίζει κάθε τεχνική λεπτομέρεια ενός νέου πεδίου πριν επιχειρήσει να εξετάσει ένα πρόβλημα. Μπορεί να χρησιμοποιήσει ένα μοντέλο AI για να εξερευνήσει μαθηματικές έννοιες, να δοκιμάσει υποθέσεις, να εντοπίσει πιθανές συνδέσεις και να δημιουργήσει διαφορετικές προσεγγίσεις. Αυτό δεν καταργεί την ανάγκη για ειδικούς· αντίθετα, μπορεί να κάνει τους ειδικούς πολύ πιο παραγωγικούς.
Στην πραγματικότητα, η πιο ενδιαφέρουσα πλευρά της υπόθεσης ίσως δεν είναι ότι η AI έλυσε ένα πρόβλημα. Είναι ότι ένας γιατρός κατάφερε να χρησιμοποιήσει την AI για να κινηθεί σε έναν εξαιρετικά εξειδικευμένο μαθηματικό χώρο και να φτάσει σε αποτέλεσμα που διαφορετικά θα απαιτούσε πολύ μεγαλύτερη εξειδίκευση και πιθανώς χρόνια ενασχόλησης.
Το επόμενο βήμα είναι η επαληθεύσιμη AI
Το μεγάλο στοίχημα από εδώ και πέρα θα είναι να περάσουμε από το «η AI μου έδωσε μια απάντηση» στο «η AI μου έδωσε μια απάντηση που μπορώ να ελέγξω».
Στα μαθηματικά αυτό σημαίνει ότι οι αποδείξεις θα πρέπει να ελέγχονται με αυστηρά συστήματα formal verification, ώστε να μην εξαρτώνται αποκλειστικά από την κρίση ενός γλωσσικού μοντέλου. Ήδη η ευρύτερη κοινότητα AI και μαθηματικών κινείται προς αυτή την κατεύθυνση, συνδυάζοντας μοντέλα παραγωγής ιδεών με εργαλεία που μπορούν να ελέγξουν τυπικά την ορθότητα μιας απόδειξης.
Αν αυτή η προσέγγιση γίνει αξιόπιστη, η αλλαγή μπορεί να είναι τεράστια. Ένας ερευνητής θα μπορούσε να περιγράφει ένα πρόβλημα, η AI να εξετάζει χιλιάδες πιθανές διαδρομές και στη συνέχεια ένα σύστημα formal verification να ελέγχει αν η τελική λύση είναι πράγματι σωστή.
Αυτό δεν σημαίνει ότι οι άνθρωποι θα σταματήσουν να κάνουν μαθηματικά. Σημαίνει ότι ο τρόπος με τον οποίο κάνουμε μαθηματική έρευνα μπορεί να αλλάξει ριζικά.
Και ίσως αυτή να είναι η πραγματική σημασία της ιστορίας του Jin Shanmu. Δεν είναι απλώς ένας γιατρός που χρησιμοποίησε το ChatGPT για να λύσει ένα δύσκολο πρόβλημα. Είναι ένα παράδειγμα ενός νέου μοντέλου επιστημονικής εργασίας, όπου ένας άνθρωπος με γνώση, περιέργεια και σωστό ερευνητικό ερώτημα μπορεί να συνεργάζεται με μια AI που έχει τη δυνατότητα να εξερευνά τεράστιους χώρους πιθανών λύσεων.
Η AI δεν χρειάζεται απαραίτητα να γίνει ο μαθηματικός. Αρκεί να γίνει ένας εξαιρετικά ισχυρός συνεργάτης του.
