Nie chodziło tu o nową, skomplikowaną matematykę. Przynajmniej nie ten. To była kwestia wytrwałości.
OpenAI wprowadziło rozwiązanie z podwójnym cyklem tuż przed wypuszczeniem swojego najnowszego modelu, GPT-5.6 Sol. Aktualność? Oczywiście czysty marketing. Uderzenie? Cicha rewolucja w sposobie patrzenia na sztuczną inteligencję i jej możliwości. Ludzie borykają się z tym problemem od ponad pół wieku. GPT-5.6 rozwiązał ten problem, podając jedną konkretną instrukcję: nie poddawaj się.
To część większego trendu. Giganci technologiczni intensywnie inwestują w czystą matematykę. Nie dlatego, że piękno dla samego piękna jest dla nich ważne. Ponieważ matematyka jest ostatecznym punktem odniesienia. Ona potwierdza tę tezę. Przynajmniej wersja maszynowa.
„Narzędzia AI znacząco zmienią badania matematyczne.”
— Nogo Alon, matematyk z Princeton, o przełomie w Sol. Alon nazwał dowód zaskakująco krótkim. Co, jeśli mnie pytasz, czyni to jeszcze zabawniejszym.
Oto, co musisz wiedzieć. Teoria grafów brzmi abstrakcyjnie, a nawet nudno. Wykres to po prostu punkty (wierzchołki) i linie (krawędzie) je łączące. Internet? To jest hrabia. Twoja sieć społecznościowa? Również liczenie.
W latach 70. matematycy wysnuli ciekawą teorię na temat tych kształtów. Myśleli, że prawie każdy wykres ma 2x pokrycie cyklu. Co to jest? Zestaw pętli pokrywających całą konstrukcję dokładnie dwukrotnie. Każda krawędź znajduje się dokładnie wewnątrz dwóch pętli.
Łatwo to sobie wyobrazić.
Udowodnić? Minęły tu dziesięciolecia.
Wielkie umysły próbowały. Rozebrali go dla konkretnych przypadków. Byli blisko. Ale ogólny dowód? To się wymykało. Za każdym razem.
W ubiegły piątek interweniowała sztuczna inteligencja.
Rozwiązanie okazało się eleganckie. Prawie proste. Sztuczna inteligencja pokazała, że wykres można pokryć nie więcej niż ośmioma pętlami. Oczywiście istnieją niuanse techniczne. Wykresy połączone pojedynczymi cienkimi nitkami (przyciętymi krawędziami) nie są liczone. Ale dla reszty? Gotowy.
Oto kolej.
W dowodzie nie wykorzystano nowych, błyskotliwych pomysłów. Żadnych przełomowych teorii zrodzonych w krzemowych snach. Recykling metod, które ludzie już wypróbowali. Metody, które wyrzuciliśmy do kosza lub zostawiliśmy na półce, bo się znudziliśmy. Albo przerażające.
Czy kiedykolwiek przyszło Ci do głowy, że „trudne” może oznaczać po prostu „niepopularne”?
Andrew Southerland z Massachusetts Institute of Technology tak uważa. Sugeruje, że reputacja złożoności może być pułapką. Studenci jej unikają. Eksperci idą dalej. Staje się samospełniającą się przepowiednią zapomnienia. Kiedy LLM nie musi się martwić ego ani karierą, po prostu kopie.
„Nadal będziemy widzieć, że rzekomo „złożone” problemy mają „proste” rozwiązania”.
Southerland nie zgaduje na ślepo. OpenAI opublikowało zapytanie służące do rozwiązania tego problemu. Ujawnia zmęczoną, mechaniczną pracę stojącą za magią. Ta prośba nie była poezją. To było rusztowanie. Instrukcje dla sześćdziesięciu czterech agentów, aby komunikowali się ze sobą równolegle. Walidacja krzyżowa. Ograniczenie kłamstw i halucynacji, które nękają te wzorce.
Prawdziwa sztuczka? Dyrektywa.
Nie tylko poprosili o odpowiedź. Powiedzieli botowi: Spędź co najmniej 8 godzin. Nie myśl o poddaniu się.
Większość z nas poddałaby się po drugiej godzinie. Albo powiedzieliby: „To niemożliwe”.
Maszyna pozostała przy klawiaturze. Ósma godzina.
Okazuje się, że geniusz może wynikać z wytrzymałości, na którą jesteśmy zbyt zmęczeni. A teraz, gdy AI już tu jest, być może biblioteka otwartych problemów nie jest fortecą. To jest ogród, w którym zapomnieliśmy podlać kwiaty.
