OpenAI Yapay Zekası 80 Yıllık Matematik Problemini Yeni Bir Kanıtla Çözdü

Bir OpenAI akıl yürütme modeli, 1946'dan beri çözülememiş olan ünlü bir geometri varsayımı olan Erdős Birim Uzaklık Problemi'ni çürüten özgün bir kanıt sundu; bu durum yapay zeka destekli bilimsel keşiflerde yeni bir döneme işaret ediyor.

Fields Madalyası sahibi ve Cambridge profesörü Timothy Gowers, eşlik eden bir makalede "Bu, yapay zeka matematiğinde bir dönüm noktasıdır" dedi ve matematikçilerin detayları okumadan önce "oturduklarından emin olmaları gerekebileceğini" ekledi.

On yıllar boyunca matematikçiler, problemin en iyi çözümlerinin kare ızgaralara benzediğine inanıyorlardı. OpenAI modeli, daha önce mümkün olduğu düşünülenden daha fazla birim uzaklık çifti oluşturmak için sonsuz sınıf alan kuleleri ve Golod-Shafarevich teorisi gibi cebirsel sayı teorisinden araçlar kullanarak tamamen yeni bir yapı ailesi keşfetti.

Bu atılım, genel amaçlı yapay zekanın artık karmaşık problemleri çözmek için uzak alanlardaki fikirleri birbirine bağlayabildiğini gösteriyor; bu yetenek biyoloji, fizik ve mühendislikteki araştırma ve geliştirme çalışmaları için önemli sonuçlar doğurabilir, keşifleri hızlandırabilir ve Google'ın DeepMind'ı gibi şirketleri etkileyebilir.

Bu durum, yedi ay önce eski bir yöneticinin GPT-5'in birkaç Erdős problemini çözdüğünü vaktinden önce iddia etmesinin ardından eleştirilerle karşılaşan OpenAI için önemli bir geri dönüş anlamına geliyor. Bu iddialar, yapay zekanın yalnızca literatürdeki mevcut çözümleri bulduğunu belirten Thomas Bloom dahil matematikçiler tarafından hızla çürütülmüştü. Bu kez Bloom, yeni kanıtı onaylayan eşlik eden makalenin ortak yazarlarından biri. Bloom yaptığı açıklamada, "Yapay zeka, yüzyıllar boyunca inşa ettiğimiz matematik katedralini daha tam olarak keşfetmemize yardımcı oluyor" dedi.

Efsanevi matematikçi Paul Erdős tarafından ilk kez ortaya atılan problemin özü, düz bir düzlemde tam olarak bir birim aralıklı olabilecek maksimum nokta çifti sayısını sorar. Yapay zekanın çözümü sadece sonucuyla değil, yöntemiyle de şaşırtıcıydı. Model, geleneksel geometrik yaklaşımlar kullanmak yerine, problemi çoğu araştırmacının ilgili görmediği derin cebirsel sayı teorisiyle ilişkilendirdi. Princeton matematikçisi Will Sawin daha sonra yapay zekanın sonucunu düzelterek iyileştirme için spesifik bir üs sağladı.

Matematiksel problemler için özel olarak tasarlanmış bir model yerine genel amaçlı bir akıl yürütme modelinin kullanılması, bu başarıyı özellikle dikkate değer kılan unsurdur. Bu, yapay zeka sistemlerinin uzun, zorlu akıl yürütme zincirlerini sürdürme ve farklı alanlar arasındaki bariz olmayan bağlantıları ortaya çıkarma yeteneğini geliştirdiğini gösteriyor. Bu yetenek, karmaşık, disiplinler arası düşünmeye dayanan diğer bilimsel alanlarda yapay zeka destekli atılımların öncüsü olabilir.

Noga Alon ve Arul Shankar dahil olmak üzere önde gelen matematikçiler keşfe destek verirken, Shankar bu çalışmanın yapay zekanın "gerçekten özgün, yaratıcı fikirler üretebileceğini" gösterdiğini belirtti. Bu olay, yapay zekanın gerçek bilimsel katkı potansiyeli hakkındaki uzun süredir devam eden ve genellikle Google'ın DeepMind'ı ve Meta'nın yapay zeka lideri Yann LeCun gibi rakiplerin hakimiyetindeki tartışmanın gidişatını değiştiriyor. Yatırımcılar için bu, yapay zeka araştırmalarına aktarılan devasa sermayenin tüketiciye yönelik sohbet botlarının ötesinde temel sonuçlar verdiğini gösteriyor ve yapay zeka gelişiminin ön saflarında yer alan şirketler için uzun vadeli yatırım gerekçesini güçlendiriyor.

Bu makale yalnızca bilgilendirme amaçlıdır ve yatırım tavsiyesi teşkil etmez.