Ένα από τα δυσκολότερα και πιο θεμελιώδη προβλήματα στην ιστορία των επιστημών ενδέχεται να βρήκε τη λύση του με τη βοήθεια της τεχνητής νοημοσύνης. Ο Levent Alpöge, διακεκριμένος θεωρητικός αριθμών και μέλος του τεχνικού προσωπικού της Anthropic, ανακοίνωσε ότι κατάφερε να αποδείξει την Υπόθεση του Riemann σε συνεργασία με το Claude.
Το ερώτημα παραμένει ανοιχτό από το 1859 και θεωρείται από τη διεθνή μαθηματική κοινότητα το σημαντικότερο άλυτο πρόβλημα στα καθαρά μαθηματικά, συνοδευόμενο από επικήρυξη ενός εκατομμυρίου δολαρίων.
Τι είναι η Υπόθεση του Riemann και γιατί θεωρείται το «Άγιο Δισκοπότηρο»
Η Υπόθεση του Riemann αφορά τον τρόπο με τον οποίο κατανέμονται οι πρώτοι αριθμοί, δηλαδή οι ακέραιοι που διαιρούνται μόνο με τον εαυτό τους και τη μονάδα. Ενώ η εμφάνισή τους μοιάζει εκ πρώτης όψεως τυχαία, ο Γερμανός μαθηματικός Bernhard Riemann υπέδειξε ότι η κατανομή τους ελέγχεται από τις μη τετριμμένες ρίζες μιας ειδικής συνάρτησης, της συνάρτησης ζήτα.
Ο Riemann διατύπωσε την υπόθεση ότι όλες οι μη τετριμμένες ρίζες βρίσκονται επάνω σε μια κρίσιμη κατακόρυφη ευθεία στο μιγαδικό επίπεδο, με πραγματικό μέρος ίσο ακριβώς με 1/2.
Μέχρι σήμερα, ισχυροί υπερυπολογιστές είχαν επαληθεύσει την υπόθεση για περισσότερα από 12 τρισεκατομμύρια ρίζες. Στα μαθηματικά ωστόσο ο υπολογιστικός έλεγχος δεν ισοδυναμεί με απόδειξη, καθώς οι ρίζες είναι άπειρες. Το πρόβλημα συμπεριλήφθηκε το 2000 στα επτά Προβλήματα της Χιλιετίας από το Clay Mathematics Institute.
Η απόδειξη μαμούθ: 17 εκατομμύρια γραμμές κώδικα σε Lean 4
Σε αντίθεση με τις παραδοσιακές μαθηματικές εργασίες που δημοσιεύονται σε ακαδημαϊκό πεζό λόγο, η ανακοίνωση συνοδεύτηκε από ένα σύντομο κείμενο τεσσάρων σελίδων του Alpöge και ένα τεράστιο ψηφιακό αρχείο στη γλώσσα Lean 4.
Το Lean είναι ένα αυστηρό σύστημα τυπικής επαλήθευσης, στο οποίο κάθε λογικό βήμα ελέγχεται μηχανικά από έναν υπολογιστικό πυρήνα:
- Μέγεθος αρχείου: Η απόδειξη περιλαμβάνει περισσότερα από 175.000 αρχεία Lean και αγγίζει περίπου τα 17 εκατομμύρια γραμμές κώδικα.
- Όγκος πληροφορίας: Αν ο κώδικας μεταφραζόταν σε συνηθισμένο μαθηματικό κείμενο, θα ξεπερνούσε τις 250.000 σελίδες, μέγεθος αδύνατο να διαβαστεί από άνθρωπο.
- Επέκταση θεωρίας: Ο Alpöge υποστηρίζει ότι η μέθοδος δεν επιλύει απλώς την αρχική υπόθεση, αλλά καλύπτει και τη Γενικευμένη Υπόθεση Riemann (GRH) για μια ολόκληρη οικογένεια συναρτήσεων Dirichlet L.
Ο ίδιος ο Alpöge περιέγραψε με εντυπωσιακό τρόπο τη συνεργασία του με την τεχνητή νοημοσύνη, δηλώνοντας ότι καθοδήγησε το Claude στα πρώτα στάδια επάνω σε ένα απλοποιημένο μοντέλο, όμως κοντά στον τερματισμό το γλωσσικό μοντέλο ανέπτυξε τέτοια ταχύτητα και συνθετική ικανότητα που ξεπέρασε τη δική του άμεση κατανόηση.
Τι έδειξαν οι πρώτοι ανεξάρτητοι έλεγχοι
Ήδη καταγράφονται οι πρώτες κρίσιμες εξελίξεις στον τομέα της επαλήθευσης. Ο μαθηματικός Andrew Sutherland του MIT υπέβαλε το σύνολο των αρχείων σε ανεξάρτητους ελεγκτές (όπως ο con-leche) και επιβεβαίωσε ότι ο κώδικας έγινε δεκτός χωρίς συντακτικά ή λογικά κενά σε σχέση με τους ορισμούς της μαθηματικής βιβλιοθήκης Mathlib.
Παράλληλα, δοκιμαστική μεταγλώττιση στον ευρωπαϊκό υπερυπολογιστή LUMI αναπαρήγαγε με επιτυχία τα ίδια ακριβώς αποτελέσματα.
Ωστόσο, η μηχανική επαλήθευση δεν αρκεί. Το Clay Mathematics Institute απαιτεί τη δημοσίευση της εργασίας σε αναγνωρισμένο επιστημονικό περιοδικό και την παρέλευση δύο ετών ευρείας αποδοχής από την παγκόσμια κοινότητα. Οι μαθηματικοί πρέπει να βεβαιωθούν ότι οι τυπικοί ορισμοί στο Lean αντιστοιχούν ακριβώς στο μαθηματικό ερώτημα και να κατανοήσουν τη βαθύτερη λογική πίσω από τον ωκεανό των γραμμών κώδικα.
Η δραματική αναμέτρηση με το Stanford
Η ανακοίνωση της Anthropic πυροδότησε πρωτοφανείς εξελίξεις. Λίγες ώρες μετά, ο πρόεδρος της Αμερικανικής Μαθηματικής Εταιρείας (AMS) και καθηγητής στο Stanford, Ravi Vakil, δημοσίευσε εσπευσμένα ένα προσχέδιο 940 σελίδων από τον μεταδιδακτορικό ερευνητή Alessandro Masullo.
Ο Masullo εργαζόταν πάνω στην υπόθεση επί 12 χρόνια χωρίς τη χρήση τεχνητής νοημοσύνης και σκόπευε να δημοσιεύσει το έργο του αργότερα. Μπροστά στον κίνδυνο να προληφθεί από το AI, επέλεξε να δημοσιοποιήσει άμεσα το ημιτελές κείμενο, δηλώνοντας χαρακτηριστικά ότι οι ανθρώπινοι μαθηματικοί είναι ακόμα παρόντες.
Ωστόσο, μέσα σε λίγες ώρες από τη δημοσίευση του Masullo, συνάδελφοί του με τη συνδρομή υπολογιστικών εργαλείων άρχισαν να εντοπίζουν σοβαρά προβλήματα και ασυνέχειες στο χειρόγραφο, αναγκάζοντας την ανθρώπινη πρόταση σε άμεση αναθεώρηση.
Το νέο επιστημονικό παράδειγμα
Ανεξάρτητα από την τελική ετυμηγορία, η επιστήμη βρίσκεται μπροστά σε μια πρωτόγνωρη καμπή. Μέχρι σήμερα η τεχνητή νοημοσύνη λειτουργούσε ως βοηθητικό εργαλείο υπολογισμών. Στην περίπτωση του Claude και του Alpöge, το σύστημα παρήγαγε πρωτότυπη λογική δομή σε κλίμακα που ξεπερνά τις γνωστικές δυνατότητες του μεμονωμένου ερευνητή.
Το μεγάλο στοίχημα για τα μαθηματικά δεν είναι πλέον μόνο αν μια μηχανή μπορεί να λύσει ένα πρόβλημα αιώνων, αλλά αν οι άνθρωποι μπορούν να αποκτήσουν πρόσβαση στη γνώση που η ίδια η μηχανή συνθέτει.
Με τη ματιά του Techmaniacs
Όπως έχουμε πει δεκάδες φορές, η τεχνητή νοημοσύνη μπορει να προσφέρει μεγάλη βοήθεια στην επιστήμη, καθώς μπορεί να επεξεργαστεί και να αναλύτει τεράστιο όγκο δεδομένων και μοτίβων. Αυτό σημαίνει πως έχει τη δυναμική να βοηθήσει σε πολλά άλυτα προβλήματα της επιστήμης, επιταχύνοντας δραματικά τις διαδικασίες.
Θα θέλαμε όμως η τεχνητή νοημοσύνη να αναπτυσσεται με αυτό στο επίκεντρο και όχι σαν ένα εμπορικό προϊόν, για να δίνει απαντήσεις αμφιβόλου ποιότητας και αξιοπιστίας σε ερωτήματα χρηστών. Στην επιστήμη τα αποτελέσματα της τεχνητής νοημοσύνης μπορούν αν ελεγχθούν με ακρίβεια, σε ερωτήματα χρηστών όμως, η κατάσταση είναι αρκετά πιο πολύπλοκη και κανείς δε μπορεί να μας εξασφαλίσει πως ένα μοντέλο δεν έχει εκπαιδευτεί με τέτοιο τρόπο ώστε να δίνει απαντήσεις που εξυπηρετούν ένα συγκεκριμένο αφήγημα.