Przełom w matematyce teoretycznej: ChatGPT-5.5 Pro tworzy prace naukowe na poziomie doktorskim

W świecie matematyki wyższej, gdzie rozwiązanie jednego problemu potrafi zająć lata żmudnej pracy, incydent opisany przez Timothy’ego Gowersa wywołuje niemałe poruszenie. Brytyjski uczony, profesor College de France i wybitny specjalista w dziedzinie kombinatoryki, przeprowadził testy najnowszego modelu OpenAI, ChatGPT-5.5 Pro. Efekt? Maszyna samodzielnie przygotowała publikację naukową, którą Gowers określa mianem pracy na poziomie solidnego doktoratu.

Od otwartych pytań do gotowego preprintu

Eksperyment rozpoczął się od podania modelowi nierozwiązanych problemów z teorii liczb autorstwa Mela Nathansona. Wyzwanie polegało na poprawieniu istniejącego wykładniczego ograniczenia w jednym z dowodów. Reakcja algorytmu była niemal natychmiastowa. Po blisko 17 minutach „przemyśleń” system dostarczył optymalną konstrukcję z ograniczeniem kwadratowym. ChatGPT nie tylko znalazł błąd w dotychczasowym podejściu, ale zaproponował zamianę elementu dowodu na bardziej wydajny wariant kombinatoryczny. Całość została sformatowana jako gotowy artykuł w systemie LaTeX w niewiele ponad dwie minuty.

Kluczowe w relacji Gowersa jest przyznanie, że jego własny wkład merytoryczny w proces badawczy wyniósł zero. „Nawet nie stosowałem sprytnych promptów” – zaznacza uczony. Kolejne zadanie, oparte na pracy dyplomowej Isaaca Rajagopala z MIT, przyniosło jeszcze bardziej imponujące rezultaty. Choć pierwszy etap optymalizacji Rajagopal uznał za rutynowy, kolejne podejście doprowadziło do radykalnego uproszczenia zależności – z wykładniczej na wielomianową.

Pomysłowość ukryta w strukturach

To, co najbardziej zaskakuje ekspertów, to nie tyle szybkość, co jakość i oryginalność proponowanych metod. Rajagopal, komentując wyniki, przyznał, że AI znalazła nieintuicyjny sposób kompresji struktur algebraicznych, zachowując ich kluczowe właściwości kombinatoryczne. Jest to rodzaj „błysku intelektualnego”, nad którym człowiek mógłby pracować tygodniami, bez gwarancji sukcesu. System OpenAI wykonał to zadanie w niecałą godzinę.

Gowers zauważa jednak istotny niuans: choć rozwiązania są poprawne i matematycznie istotne, stanowią one raczej „nietrywialne rozszerzenie” istniejącej wiedzy niż rewolucyjny przełom. Niemniej, dla studenta studiów doktoranckich identyfikacja tych słabości i adaptacja technik byłaby zadaniem wysoce wymagającym czasowo i intelektualnie.

Nowa definicja wkładu naukowego

Obserwacje Gowersa prowadzą do prowokacyjnej konkluzji: wkrótce progiem wejścia do uznania wkładu w rozwój matematyki nie będzie już samo udowodnienie czegoś nowego, co zainteresuje społeczność, lecz udowodnienie czegoś, czego nie potrafią wykazać modele LLM. Przedstawia on eksperyment myślowy – jeśli matematyk rozwiąże wielki problem wyłącznie poprzez moderację dialogu z AI, która wykona całą „czarną robotę” techniczną i dostarczy główne idee, czy nadal będziemy mogli mówić o wielkim osiągnięciu człowieka? Zdaniem Gowersa – nie.

Zjawisko to sugeruje nadchodzącą transformację profesji. Laureat medalu Fieldsa przewiduje, że osoby rozpoczynające doktorat dzisiaj, ukończą go w 2029 roku w całkowicie zmienionej rzeczywistości naukowej. Matematyka może stać się dziedziną „przemysłową”, o której wcześniej wspominał Terence Tao – zamiast samotnych wilków pracujących latami nad jednym detalem, zobaczymy duże zespoły wspierane przez autonomiczne systemy agentowe.

Droga do autonomii badawczej

Postęp w ostatnim roku jest wyraźny. Podczas gdy wcześniejsze próby (np. rzekome rozwiązanie problemu Erdősa przez GPT-5) okazywały się często jedynie odtworzeniem znanej literatury, ChatGPT-5.5 Pro wydaje się operować na poziomie rzeczywistej syntezy i kreacji. Choć inne systemy, jak Aletheia od Google DeepMind, borykają się z wysokim odsetkiem błędów, to sukcesy w obalaniu wieloletnich założeń czy wskazywaniu luk w kryptografii są faktem.

Dla środowiska akademickiego płynie z tego jeden wniosek: sztuczna inteligencja przestaje być jedynie asystentem redakcyjnym, a staje się pełnoprawnym partnerem badawczym. Wyzwaniem pozostaje budowanie z tymi narzędziami relacji hybrydowej, w której człowiek nadal będzie w stanie wnosić unikalną intuicję, niedostępną dla czysto obliczeniowej natury algorytmów.