Model OpenAI mógł rozwiązać problem matematyczny, który opierał się badaczom od dekad.
Trzystronicowy artykuł opublikowany w oficjalnej sieci CDN OpenAI ma przedstawiać dowód hipotezy Cycle Double Cover – jednego z klasycznych, nierozwiązanych problemów teorii grafów. Autorzy wskazują, że dowód został w całości wygenerowany przez GPT-5.6 Sol Ultra, a modele Codex oraz GPT-5.6 Sol posłużyły do przekształcenia rozumowania w pełnoprawną pracę naukową.
Stawka jest wysoka. Jeśli niezależni matematycy potwierdzą poprawność dowodu, byłby to mocny sygnał, że zaawansowane systemy AI potrafią nie tylko streszczać istniejące badania czy wspierać obliczenia, ale też tworzyć oryginalną matematykę na poziomie pozwalającym rozwiązywać problemy, z którymi ludzie zmagali się przez lata.
Na razie jednak mówimy o deklarowanym dowodzie, a nie o powszechnie uznanym przełomie.
Co właściwie miała rozwiązać AI?
Teoria grafów to dział matematyki zajmujący się sieciami.
Graf można wyobrazić sobie jako zbiór punktów połączonych liniami. Punkty mogą reprezentować ludzi, komputery, miasta czy inne obiekty, a linie – relacje lub połączenia między nimi.
Hipoteza Cycle Double Cover pyta, czy każdą spójną sieć pozbawioną pojedynczego krytycznego punktu awarii można pokryć zbiorem cykli (pętli) w taki sposób, aby każde połączenie występowało dokładnie dwa razy.
Brzmi abstrakcyjnie, ale problem pozostaje otwarty od dziesięcioleci i był związany z pracami tak znanych matematyków jak William Tutte, George Szekeres czy Paul Seymour.
Badaczom udało się udowodnić tę tezę dla pewnych klas grafów, lecz nie w pełnej ogólności.
Nowa praca udostępniona przez OpenAI twierdzi, że domyka tę lukę.
Na czym opiera się proponowany dowód?
Sam wywód jest silnie techniczny, lecz ogólną strategię da się streścić w prostszych słowach.
Najpierw problem zostaje sprowadzony do prostszej klasy sieci, w których każdy wierzchołek ma dokładnie trzy krawędzie.
Następnie model wykorzystuje znane narzędzie matematyczne – tzw. „przepływ” – aby przypisać etykiety do połączeń w sieci. Te etykiety są potem porządkowane tak, by połączenia naturalnie układały się w cykle.
Kluczowy warunek: każda krawędź musi pojawić się dokładnie w dwóch takich cyklach.
Artykuł twierdzi, że pozostałe „niedopasowania” między różnymi fragmentami sieci można usunąć przy pomocy algebry liniowej. Po rozwiązaniu problemu spójności pełne pokrycie cyklami ma wynikać automatycznie.
Ujmując to intuicyjnie, AI miała połączyć kilka znanych narzędzi matematycznych w nowy sposób i wykorzystać je do zbudowania wymaganych cykli we wszystkich dopuszczalnych sieciach.
Co to może oznaczać dla rozwoju AI?
Systemy AI są już dziś powszechnie wykorzystywane do pisania kodu, analizy rynków, przygotowywania streszczeń badań czy wspomagania prac naukowych.
Dowiedzenie istotnej hipotezy matematycznej to jednak zupełnie inna liga.
Poprawny dowód musi działać w każdej sytuacji objętej twierdzeniem. Nie wystarczy, by brzmiał przekonująco czy dawał poprawne wyniki w kilku przykładach.
Zobacz też: Prognozowany zysk Anthropic w III kw. ma przekroczyć 1 mld USD przed debiutem giełdowym
Dlatego matematyka jest jednym z najostrzejszych testów, czy system AI rzeczywiście potrafi rozumować, a nie tylko generować prawdopodobnie brzmiący tekst.
Jeśli dowód okaże się poprawny, sugerowałoby to, że modele z czołówki rozwoju AI zaczynają łączyć istniejącą wiedzę w oryginalne, nienotowane wcześniej rozumowania.
Konsekwencje sięgałyby daleko poza teorię grafów. Podobne systemy mogłyby w przyszłości wspierać badaczy w zmaganiach z trudnymi zagadnieniami fizyki, kryptografii, informatyki teoretycznej czy ekonomii.
Prawdziwy test dopiero się zaczyna
To, że praca jest hostowana w domenie kontrolowanej przez OpenAI, zapewnia jej mocniejsze pochodzenie niż anonimowy upload. Nie oznacza to jednak automatycznie, że dowód jest poprawny.
W maszynopisie nie wymieniono z nazwiska żadnych ludzkich autorów, nie ma też historii recenzji ani komentarzy niezależnych specjalistów od teorii grafów.
To istotne, bo słynne problemy matematyczne regularnie przyciągają rzekome „rozwiązania”, które później okazują się zawierać subtelne luki.
Dowód może wyglądać elegancko na pierwszy rzut oka, a mimo to zawodzić, jeśli w którymś miejscu zakłada coś, co nie zawsze jest prawdą, pomija przypadek szczególny albo zbyt szeroko stosuje istniejące twierdzenie.
Kolejny etap to więc niezależna weryfikacja.
Matematycy będą musieli prześledzić wszystkie redukcje i upewnić się, że argument oparty na algebrze liniowej działa dla wszystkich grafów bez mostów objętych hipotezą.
Badacze mogą też spróbować przełożyć dowód na język formalnego asystenta dowodów, gdzie każdy krok logiczny jest sprawdzany przez oprogramowanie.
Deklarowany przełom, nie ustalony fakt
Najbezpieczniejszym sformułowaniem na dziś jest stwierdzenie, że model OpenAI wygenerował potencjalnie ważny dowód, który wciąż czeka na zewnętrzną walidację.
Jeśli eksperci znajdą błąd, sama praca może nadal okazać się cenna, choćby przez wprowadzenie nowego podejścia lub redukcji.
Jeżeli jednak dowód przetrwa krytyczną analizę, skala znaczenia będzie znacznie większa.
Oznaczałoby to, że system AI nie tylko asystował matematykowi, lecz został faktycznie uznany za autora samodzielnego rozwiązania problemu, który pozostawał otwarty przez pokolenia.
Dlatego na dziś nie można jeszcze powiedzieć, że AI definitywnie rozwiązała hipotezę Cycle Double Cover.
Można natomiast stwierdzić, że mogło do tego dojść – a teraz to społeczność matematyków musi rozstrzygnąć, czy model rzeczywiście „ugotował” pełnowartościowy dowód, czy też wygenerował jedną z najbardziej przekonujących pomyłek w historii.
Czytaj dalej: Chiny rozmawiają z Alibaba i ByteDance o ograniczeniu eksportu modeli AI