Niedzielny wieczór, wzór i finał mistrzostw świata

Późnym wieczorem w niedzielę 19 lipca 2026 roku matematyk Levent Alpoge opublikował jedno odwzorowanie wielomianowe i podziękował dwóm przyjaciołom: jednemu za postawienie pytania, a drugiemu, jak napisał, za pracę w trakcie finału mistrzostw świata. Tym drugim przyjacielem był Claude Fable 5. Wpis nosił znacznik czasu 02:19 UTC z 20 lipca. Zawarty w nim wzór był kontrprzykładem dla hipotezy jakobianowej, otwartej od 1939 roku.

Odwzorowanie przeprowadza trzy zmienne zespolone w trzy wartości zespolone. Jego jakobian wynosi -2, czyli jest stałą różną od zera, a to dokładnie ten warunek, który według hipotezy miał gwarantować istnienie odwrotności wielomianowej. Takiej odwrotności nie ma, bo trzy różne argumenty trafiają w ten sam punkt: (0, 0, -1/4), (1, -3/2, 13/2) i (-1, 3/2, 13/2) przechodzą wszystkie w (-1/4, 0, 0).

Alpoge pracuje w Anthropic i przypisał znalezienie go modelowi. To ta część, którą branża będzie cytować przez najbliższy miesiąc. Nie jest to część, która najbardziej liczy się dla kogoś, kto prowadzi firmę.

Co Keller zapisał w 1939 roku

Hipoteza była obietnicą odwracalności. Niemiecki matematyk Ott-Heinrich Keller zapytał, czy odwzorowanie wielomianowe, którego jakobian jest stałą różną od zera, musi mieć odwrotność będącą również wielomianem. Mówiąc prościej: jeśli przekształcenie nigdzie lokalnie nie gubi informacji, czy zawsze da się odtworzyć argument z wyniku, korzystając z tej samej arytmetyki co przy przekształceniu w przód.

Przez 87 lat zakładano, że odpowiedź brzmi tak, i nikt nie potrafił tego udowodnić. W geometrii algebraicznej należała do tych problemów, które przyciągają wyniki cząstkowe, przypadki szczególne i co jakiś czas dowody, które trzeba było wycofać.

Kontrprzykład odpowiada na nie w wymiarze trzecim i wyższych. Przypadek dwóch zmiennych nadal pozostaje otwarty, a pull request, który sformalizował obalenie, mówi to wprost. To węższy wynik niż wersja nagłówkowa, a uczciwa relacja musi tę różnicę unieść.

Sprawdzenie zajęło godziny, bo ktoś wcześniej zapisał pytanie

W ciągu doby Paul Lezeau sformalizował kontrprzykład w asystencie dowodowym Lean i otworzył pull request numer 4474 w repozytorium formal-conjectures należącym do Google DeepMind, zatytułowany feat: add Jacobian disproof. Recenzenci go zatwierdzili. Niezależny audyt opublikowany w tym samym wątku potwierdził, że w dowodzie nie ma ani sorry, ani native_decide, ani własnych aksjomatów, co w społeczności Lean jest sposobem na powiedzenie, że niczego nie założono i niczego nie przepuszczono bez sprawdzenia.

Tempo wzięło się z przygotowania, a nie z modelu. Repozytorium zawierało już formalne sformułowanie hipotezy jakobianowej, uzgodnione przez ludzi i spisane, zanim ktokolwiek miał kontrprzykład, który dałoby się do niego przyłożyć. Jak ujął to blog Xena Project, gdy tylko ludzie zgodzą się, że formalne sformułowanie wiernie oddaje hipotezę, sprawdzenie, czy być może wygenerowany przez AI kod w Lean rzeczywiście stanowi dowód albo obalenie hipotezy, jest już trywialne.

To zdanie warto przeczytać dwa razy. Trudna, powolna, ludzka część wydarzyła się lata wcześniej, gdy ktoś przełożył zdanie z 1939 roku na postać sprawdzalną maszynowo. Twierdzenie pojawiło się w niedzielny wieczór i zostało rozstrzygnięte w poniedziałek, bo test akceptacyjny już istniał.

Zweryfikowane to nie to samo co zrozumiane

Ten sam blog mówi o granicy bez owijania w bawełnę. Następnym krokiem, jak pisze, jest to, by ludzie dokładnie zrozumieli, co się dzieje w tym przykładzie. Maszyna potrafi poświadczyć, że te trzy punkty się pokrywają. Nikomu jeszcze nie powie, dlaczego akurat to odwzorowanie, spośród wszystkich, złamało założenie liczące 87 lat. Recenzja naukowa w czasopiśmie również nie została zakończona, a preprint weryfikacyjny to nie czasopismo.

Nie jest to też zdarzenie odosobnione. Ten sam blog liczy trzy kontrprzykłady w trzy miesiące: hipotezę Erdosa o odległościach jednostkowych w maju, pytanie Grothendiecka o schematy grupowe w lipcu i teraz hipotezę Kellera. Timothy Gowers określił ten przypadek jako pierwszy raz, kiedy model językowy rozwiązał dobrze znany problem, o którym słyszał poza własną dziedziną. Trzy punkty danych to wzorzec, który się dopiero tworzy, a nie wzorzec dowiedziony.

Zapisz test akceptacyjny, zanim kupisz model

Lekcja, którą można przenieść gdzie indziej, jest proceduralna, a nie matematyczna. Niemal każde twierdzenie o możliwościach AI, jakie w tym roku trafiło w ręce właściciela firmy, przyszło jako wynik testu opublikowany przez stronę sprzedającą model. To przyszło jako obiekt, który obca osoba mogła sprawdzić w jedno popołudnie, wobec kryterium spisanego, zanim twierdzenie w ogóle powstało, przy użyciu narzędzia, które nie odpowiada ani przed laboratorium, ani przed autorem twierdzenia.

To specyfikacja, którą można skopiować. Przed kolejnym zakupem AI sformułuj kryterium akceptacji tak, by dało się je ocenić bez współpracy dostawcy: stały zestaw testowy trzymany u siebie, reguła punktacji uzgodniona z góry, format wyjścia, który potrafi ocenić skrypt pozostający pod twoją kontrolą. Jeśli jedynym dowodem wydajności jest liczba policzona przez dostawcę, kupiłeś komunikat prasowy.

Drugą lekcję trzymaj obok pierwszej. Kontrprzykład jest poświadczony i nadal niewyjaśniony, a to dokładnie kształt większości tego, co AI wytwarza wewnątrz firmy: poprawne w sposób, który da się przetestować, i nieprzejrzyste w sposób, którego nie da się skontrolować. Buduj pod pierwsze, a ludzi zatrudniaj pod drugie.

Czytaj dalej: Niezależne testy stawiają Kimi K3 nad Fable 5  |  Sztandarowy model Google jest spóźniony i nie ma nowej daty