Un model de inteligenta artificiala a gasit o solutie pentru o problema matematica formulata in 1939, provocand o reactie puternica in comunitatea academica internationala. Rezultatul, prezentat duminica de matematicianul Levant Alpöge si relatat de revista Fortune, a vizat conjectura jacobiana, una dintre intrebarile importante ale matematicii pure. Descoperirea a reaprins dezbaterea despre rolul oamenilor intr-un domeniu in care modelele AI avanseaza intr-un ritm tot mai greu de ignorat.
Pana luni dimineata, demonstratia fusese deja analizata si confirmata, iar subiectul domina discutiile din departamentul de matematica pura al Imperial College London. Postarea prin care Alpöge a prezentat rezultatul a depasit 20 de milioane de vizualizari pe platforma X, semn ca momentul a depasit rapid granitele comunitatii academice.
Pentru matematicianul Kevin Buzzard, profesor la Imperial College London, reusita marcheaza o etapa importanta. El a descris momentul drept unul major pentru domeniu si a privit cu entuziasm posibilitatea ca inteligenta artificiala sa ajunga, in timp, la nivelul unui „supermatematician”.
O conjectura formulata in 1939
Problema rezolvata este cunoscuta sub numele de conjectura jacobiana si isi are originea in lucrarile matematicianului german Ott-Heinrich Keller. In esenta, intrebarea urmareste sa stabileasca in ce conditii o transformare matematica permite recuperarea unica a datelor de intrare pornind de la rezultate.
Pentru publicul larg, ideea poate fi comparata cu o masina matematica in care sunt introduse anumite valori, iar sistemul produce un rezultat. Problema este daca, atunci cand cunoastem doar rezultatul, putem determina fara ambiguitate ce valori au fost introduse initial.
Conjectura se bazeaza pe notiunea de determinant jacobian, asociata lucrarilor lui Carl Gustav Jacob Jacobi. Timp de aproape noua decenii, matematicienii nu au reusit nici sa demonstreze ca afirmatia lui Keller este adevarata, nici sa gaseasca un contraexemplu clar care sa o respinga.
Rezultatul prezentat de Alpöge schimba aceasta situatie. Constructia gasita de modelul AI pastreaza determinantul jacobian constant, cu valoarea minus doi, in fiecare punct al spatiului analizat. Cu toate acestea, trei puncte de pornire diferite sunt trimise catre aceeasi destinatie. Tocmai aceasta suprapunere arata ca transformarea nu indeplineste conditia asteptata si ofera un contraexemplu pentru conjectura.
Importanta rezultatului nu vine doar din vechimea problemei, ci si din modul in care a fost obtinut. Un sistem bazat pe inteligenta artificiala a identificat o structura matematica pe care cercetatorii umani nu o gasisera in decenii de lucru.
O serie tot mai rapida de reusite
Rezolvarea conjecturii jacobiene nu este un caz izolat. Progresul inteligentei artificiale in matematica s-a accelerat vizibil din 2025, cand modelele au rezolvat cinci dintre cele sase probleme propuse la Olimpiada Internationala de Matematica.
In mai 2026, un model dezvoltat de OpenAI a infirmat o conjectura Erdős veche de aproximativ 80 de ani, din domeniul geometriei combinatorii. O luna mai tarziu, 16 cercetatori de la 15 universitati au publicat Declaratia de la Leiden privind inteligenta artificiala si matematica.
Documentul cere stabilirea unor reguli clare privind transparenta, atribuirea contributiilor si evaluarea colegiala a rezultatelor. Autorii avertizeaza ca AI ar putea modifica nu doar felul in care sunt rezolvate problemele, ci si modul in care este definita si validata cunoasterea matematica.
Ritmul acestor evolutii ii plaseaza pe matematicieni intr-o pozitie neobisnuita. In loc sa fie intotdeauna autorii directi ai descoperirilor, ei devin uneori verificatori, ghizi sau interpreti ai unor solutii generate de sisteme automate.
O solutie corecta nu inseamna neaparat intelegere
Akhil Mathew, matematician la Universitatea din Chicago, a atras atentia asupra unei diferente esentiale dintre obtinerea unui rezultat si intelegerea lui. El este cel care i-a sugerat lui Alpöge sa studieze aceasta problema.
Mathew a explicat ca rezultatul poate fi verificat si confirmat, insa ramane dificil de transformat intr-o explicatie intuitiva, coerenta si usor de urmarit. Cu alte cuvinte, exista un raspuns despre cum functioneaza constructia, dar lipseste inca o poveste matematica satisfacatoare despre motivul profund pentru care functioneaza.
Aceasta diferenta este centrala in matematica pura. Activitatea unui matematician nu se reduce la calcule. Calculatoarele depasesc de mult oamenii la operatii numerice, insa matematica avansata presupune rationament, structura si capacitatea de a lega ideile intre ele.
Kevin Buzzard ofera un exemplu simplu: daca cineva ar sustine ca produsul dintre 131 si 137 este un numar par, un matematician ar putea respinge afirmatia fara sa efectueze calculul complet. Doua numere impare nu pot avea un produs par. Intelegerea apare atunci cand rezultatul poate fi reconstruit dintr-o idee generala, nu doar obtinut prin calcul.
De ce demonstratiile raman decisive
In matematica formala, cunoasterea este exprimata prin demonstratii. Acestea sunt lanturi de pasi logici, fiecare justificat de cel anterior, care conduc la o afirmatie finala.
Unele demonstratii importante se intind pe sute de pagini si necesita luni de analiza din partea expertilor. In acest moment, modelele AI au inca dificultati in redactarea unor astfel de argumente lungi si fragile. Ele pot completa golurile cu formulari plauzibile, dar incorecte, fara sa poata evalua consecintele unei erori asa cum ar face un cercetator uman.
Totusi, acest avantaj al oamenilor ar putea fi temporar. Buzzard lucreaza de ani buni la Lean, un limbaj informatic folosit pentru verificarea automata a demonstratiilor matematice. In cazul rezultatului anuntat de Alpöge, demonstratia fusese deja verificata in Lean pana in dimineata urmatoare.
Combinatia dintre modele capabile sa genereze demonstratii si sisteme care le pot verifica riguros ar putea elimina una dintre ultimele diferente importante dintre cercetarea matematica umana si cea automatizata.
Entuziasm, neliniste si presiune asupra tinerilor cercetatori
Reactiile matematicienilor oscileaza intre fascinatie si teama. Akhil Mathew a descris schimbarea drept foarte rapida si profund tulburatoare, mai ales pentru cercetatorii aflati la inceput de cariera.
Michael Harris, profesor la Columbia University, a sustinut intr-un eseu publicat in iunie in Boston Review ca industria AI trateaza rationamentul si intelegerea ca pe activitati cu valoare comerciala redusa. In aceasta perspectiva, matematicienii umani risca sa fie priviti ca o versiune preliminara a inteligentei.
Matematica pura a fost insa mult timp un domeniu in care cercetatorii au putut lucra din curiozitate intelectuala. Laureatul Premiului Abel Pierre Deligne a descris profesia drept o posibilitate de a castiga existenta „jucandu-te”. Pentru Mathew, aceasta dimensiune inseamna capacitatea de a construi o explicatie si de a spune o poveste coerenta despre o idee.
Comparatia cu sahul apare firesc. Dupa ce Deep Blue l-a invins pe Garry Kasparov in 1997, oamenii nu au abandonat jocul. Au continuat sa joace si au inceput sa invete din analiza calculatoarelor. Matematica ar putea urma o directie asemanatoare, dar miza profesionala este mai mare.
Finantarea federala pentru cercetarea matematica a scazut cu aproximativ 72% in urma reducerilor aplicate Fundatiei Nationale pentru Stiinta in timpul administratiei Trump. In acelasi timp, admiterea la programele doctorale din universitatile importante a scazut cu 15% in toamna acestui an, pentru al doilea an consecutiv. Programul doctoral de matematica al George Washington University nu va primi deloc studenti finantati.
Capacitatea de a pune intrebarea potrivita
Unii sustin ca automatizarea ar putea democratiza matematica, permitand unui numar mai mare de oameni sa exploreze probleme dificile. Garry Tan, presedintele Y Combinator, a salutat rezultatul ca pe o posibila revenire a epocii savantilor independenti, care isi finantau singuri cercetarile.
Totusi, Alpöge nu este un amator ajutat intamplator de un instrument automat. El a absolvit Harvard ca sef de promotie si are un deceniu de experienta in utilizarea algoritmilor pentru probleme matematice de acest tip.
Aici ar putea ramane rolul esential al oamenilor. Dincolo de calcule, demonstratii si verificari, matematica depinde de capacitatea de a formula intrebari valoroase.
Buzzard considera ca sistemele automate sunt inca slabe la acest capitol. Intrebarile generate de ele tind sa fie banale, evident adevarate sau evident false. Marile probleme ale matematicii, precum ipoteza Riemann sau conjectura lui Keller, au ramas in istorie sub numele celor care le-au formulat.
Intr-un domeniu in care inteligenta artificiala incepe sa gaseasca raspunsuri inaccesibile oamenilor, cea mai importanta contributie umana ar putea deveni alegerea problemei care merita rezolvata.