Mi történik, ha egy AI nem „csak” feladatokat old meg, hanem olyan ötleteket talál, amik évtizedek óta berögzült intuíciókat borítanak fel? Most épp egy klasszikus, 80 éves Erdős-kérdésnél látszik, milyen lehet az, amikor a gép nem gyorsabb számológép, hanem szokatlan ötletgenerátor.

Mi történt

OpenAI bejelentette, hogy egy modellje előrelépést ért el a síkbeli egységtávolság-problémában (planar unit distance problem), amelyet Paul Erdős 1946-ban vetett fel. A feladat hétköznapi nyelven így hangzik: képzelj el egy papírlapot, rajzolj rá pontokat, és kérdezd meg, hány pontpár lehet pontosan ugyanakkora távolságra egymástól. Erdős sejtése lényegében azt állította, hogy ez a „azonos távolságú pontpárok” szám csak kicsivel nő gyorsabban, mint a pontok száma.

A mostani eredmény lényege nem az, hogy megszületett a végső képlet, hanem hogy a modell olyan pontrendszerek (elrendezések) egy családját találta meg, amelyek jobban teljesítenek, mint amit a korábbi intuíció sugallt. A matematikusok hosszú ideig úgy gondolták, hogy a legjobb megoldások nagyjából négyzetrács-szerű elrendezésekhez hasonlítanak; az új konstrukciók ezt a „józan tippet” kérdőjelezik meg.

Fontos részlet, hogy OpenAI ezt nem egy kifejezetten matematikára betanított rendszerrel kommunikálta, hanem egy általános célú következtető (reasoning) modellel, amely a problémát kisebb lépésekre bontja. És az is, hogy nem ez az első Erdős-közeli „AI-s” bejelentés: korábban volt olyan eset, amikor egy ünnepelt eredményről később kiderült, hogy a modell gyakorlatilag már ismert szakirodalmi megoldásokat „idézett vissza”. Most viszont matematikusok validálták a bizonyítást, köztük Thomas Bloom is, aki korábban kritikus volt az ilyen jellegű állításokkal.

Miért fontos

A matematika nem attól halad, hogy valaki sok példát kipróbál, hanem attól, hogy jó szerkezetet talál: milyen elrendezés „csalja ki” a legtöbb azonos távolságú pontpárt. Gondolj rá úgy, mint amikor egy város forgalmát nem azzal érted meg, hogy minden autót külön követhetsz, hanem azzal, hogy rájössz: a körgyűrűk és csomópontok hol terelik össze a mozgást. Az AI itt nem a végső választ adta meg, hanem egy új „várostervezési trükköt”: megmutatta, hogy a korábban túl jónak hitt korlát valójában áttörhető.

Mire figyelj

  1. Megoldás vs. rész-eredmény: a tágabb probléma továbbra is nyitott; most az derült ki, hogy Erdős javasolt korlátja túl alacsony volt, nem pedig az, hogy megvan a végső növekedési rend.
  2. Ember a hurokban: Bloom hangsúlyozta, hogy bár az AI által adott eredeti bizonyítás érvényes volt, azt emberek jelentősen javították és kibontották. A minta egyre inkább az: AI ötletel és kitartóan keres, ember pedig rendszerezi, ellenőrzi, „szépíti” és következményeket vizsgál.
  3. Mit jelent a „reasoning modell” itt: nem varázslat, inkább módszer: lépésenként bont, több matematikai terület fogalmait kombinálja, és olyan irányokba is elmegy, amit egy ember lehet, hogy túl drágának vagy zsákutcának ítél.
  4. Hitelességi küszöb: a korábbi félrelépések után különösen fontos lesz, hogy az ilyen bejelentéseknél mennyire gyorsan és mennyire függetlenül történik meg a szakmai ellenőrzés. Tim Gowers a kísérőanyagban „mérföldkőnek” nevezte az eredményt, ami jól mutatja: itt most nem puszta PR-vitáról van szó, hanem komolyan vett matematikai munkáról.

A következő hónapok igazi kérdése az lesz, hogy ez az új konstrukciós „család” csak egy egyszeri, látványos ellenpélda, vagy egy olyan irány kezdete, ami további régi sejtéseket is átír.