GPT-5.6 Sol rozwiązuje 30-letnią zagadkę statystyki. Przełom w 90 minut

Edgar Dobriban, profesor statystyki z Wharton School na University of Pennsylvania, właśnie pokazał, że dekady ludzkich wysiłków mogą zostać skrócone do czasu trwania meczu piłkarskiego. Wykorzystując najnowszy model GPT-5.6 Sol Pro, badacz obalił hipotezę dotyczącą procedury Benjamini-Hochberga (BH) – fundamentu współczesnej analizy danych, nad którym naukowcy głowili się od 1995 roku. To nie jest kolejny teoretyczny pokaz siły; to dowód na to, że LLM-y zaczynają realnie weryfikować dowody matematyczne tam, gdzie człowiek zawiódł.

Dlaczego to ważne właśnie teraz

Premiera modelu GPT-5.6 Sol, ogłoszona przez OpenAI 26 czerwca 2026 roku, przyniosła skok wydajności, który wykracza poza proste generowanie tekstu. Podczas gdy model 5.5 w trybie wieloagentowym nie potrafił znaleźć rozwiązania przez 20 godzin, wersja Sol Pro uporała się z nim w 90 minut. Wykorzystanie AI do podważenia stabilności algorytmów stosowanych w genomice i ekonometrii pokazuje, że wchodzimy w fazę, w której maszyny stają się pełnoprawnymi recenzentami naukowymi, zdolnymi do wykrywania błędów w samych podstawach naszej wiedzy.

Statystyczny fundament pod znakiem zapytania

Istota problemu tkwi w kontroli wskaźnika fałszywych odkryć (FDR). Gdy naukowcy skanują ludzki genom w poszukiwaniu genów odpowiedzialnych za choroby, wykonują dziesiątki tysięcy testów. Statystyka mówi jasno: im więcej pytań zadamy danym, tym większa szansa na uzyskanie przypadkowych, błędnych wyników. Procedura BH miała za zadanie wyłapywać te „fałszywe alarmy”. Choć udowodniono jej skuteczność dla danych niezależnych, nauka przez lata opierała się na optymistycznym założeniu, że metoda ta działa równie niezawodnie przy danych skorelowanych.

Dobriban wykorzystał model do zbudowania matematycznego kontrprzykładu. GPT-5.6 Sol Pro wykazał, że dla poziomu istotności α=0.01 wskaźnik FDR w danych skorelowanych przekracza założony próg i wynosi 0.0104. To drobne na pierwszy rzut oka odchylenie wystarczyło, by ostatecznie obalić 20-letnią hipotezę. Model poradził sobie z tym zadaniem znacznie efektywniej niż poprzednicy, co potwierdzają benchmarki takie jak GeneBench v1, gdzie Sol osiąga lepsze wyniki przy jednoczesnym niższym zużyciu tokenów.

Kreatywna rekombinacja zamiast nowej matematyki

Choć wynik jest teoretycznym przełomem, praktyczne konsekwencje dla codziennej pracy badawczej są obecnie ograniczone. Procedura BH pozostaje narzędziem użytecznym, choć już nie „bezkarnym” teoretycznie. Sam Dobriban studzi emocje, zauważając, że „AI obaliła powszechne przekonanie, nad którym ludzcy eksperci łamali sobie głowy od pokoleń”, ale nie stworzyła przy tym zupełnie nowej dziedziny matematyki. Model po prostu w błyskotliwy sposób połączył istniejące metody, na co wcześniej nie wpadł żaden człowiek.

To osiągnięcie otwiera jednak szerszą debatę nad naturą inteligencji w systemach takich jak Sol, które przy koszcie 30 dolarów za milion tokenów wyjściowych (output) oferują możliwości niedostępne wcześniej dla żadnego instytutu badawczego. Zdolność do rozwiązywania problemów poprzez rekombinację znanej wiedzy staje się potężnym narzędziem, ale stawia pytania o granice systemów LLM. Will Fithian, statystyk z Berkeley, podsumował to w sposób słodko-gorzki: „Z jednej strony podziwiamy skok technologiczny, z drugiej – tracimy romantyczny aspekt ludzkiego geniuszu i inspiracji”. Więcej o możliwościach modelu można przeczytać w oficjalnym raporcie OpenAI.