Terence Tao: A problémákat túl gyorsan megoldó mesterséges intelligencia „megmérgezheti” a matematikát
Terence Tao az a fajta matematikus, aki éveket töltött azzal, hogy csendesen próbálgatta az új AI-eszközöket, és nyíltan dicsérte a jókat. But after GPT-6 Astra shipped, he wrote something few people expected from him: if neural networks start handing out answers to the great open problems too quickly and without a transparent process, mathematics could lose more than it gains. A kiváltó konkrét eredmény volt – az OpenAI új modellje előrelépést jelentett a kettős elsődleges probléma megoldásában.
Először is a tények. GPT-6 Astra, according to OpenAI, used formal proofs in Lean to shrink the upper bound on the gap between consecutive primes from 246 to 186. For scale: in 2013, Yitang Zhang proved there are infinitely many pairs of primes no more than 70 million apart. James Maynard, who won the Fields Medal in 2022, brought that bound down to 600, and the community later squeezed it to 246. Now three labs reported new numbers at once: OpenAI at 186, Anthropic at 188, Axiom at 212.
A felszínen ok az ünneplésre. Tao valami mást látott – figyelmeztető jelet.
A válasz nem a legértékesebb része
Tao lényege szinte paradoxon hangzik: egy nagy nyitott probléma nem a válasza miatt értékes, hanem a hozzá vezető út miatt. When mathematicians fight a problem for years, they invent new methods, concepts, and whole theories along the way — and those "byproducts" are what actually move science forward. Még a zsákutcák is hasznosak: annak megértése, hogy egy megközelítés miért nem sikerült, gyakran többet jelent, mint a megoldás megtalálása.
Most képzelje el, hogy a válasz egy neurális hálózatból származik. Gyors, fekete doboz, közbenső lépések nélkül. A probléma formálisan megoldódott – de az a folyamat, amelynek új ötleteket kellett volna generálnia, soha nem történt meg. Tao ezt "szennyezésnek" nevezi a problémának: nem lesz többé a jövőbeli felfedezések forrása.
Navier-Stokes példa
Tao unfolds his argument on a concrete case — the global regularity problem for the Navier-Stokes equations, one of the seven Millennium Prize problems. A matematikusok már eléggé biztosak abban, hogy a válasz nemleges: léteznek olyan kezdeti feltételek, amikor a megoldás véges időben "felrobban". Még egy négy lépésből álló tervet is felvázoltak, egy hozzávetőlegesen önhasonló megoldás megépítésétől a stabilitás ellenőrzéséig.
The catch is that each step is brutally hard for a human but fits perfectly onto an assembly line of "machine learning + rigorous arithmetic + formal proofs." A Tao lehetővé teszi, hogy egy ilyen hibrid valóban megoldja a problémát. And here is the rub: if the solution turns out so complex that no human can grasp it, and the company running the AI hides the whole process behind closed doors, mathematics gets a checkbox but learns almost nothing.
Miért fontos ez a matematikusokon túl
Tao logikája szélesebb, mint amilyennek látszik. Minden olyan mezőre vonatkozik, ahol az érték a folyamatban jön létre, nem a végső válaszban. If AI starts instantly producing "correct" solutions and people stop walking the path of trial and error, we risk losing not speed but understanding. Tao őszintén fogalmaz: a legrosszabb esetben az AI matematikára gyakorolt hatása pozitívból negatívba fordulhat.
Nem ellenzi az AI-t a tudományban – távolról sem, ő az egyik legaktívabb felhasználója. What worries him is a specific scenario: an autonomous system that spins the whole "hypothesis — test — reject" cycle inside itself, on enormous compute, and hands out only the final answer. Nincsenek nyomok, nincsenek huzatok, nincs lehetőség tanulni a hibáiból.
Mi jön ezután
Egyelőre ez figyelmeztetés, nem ítélet. GPT-6 Astra did shrink the bound to 186, but the twin prime conjecture itself — that there are infinitely many such pairs — remains unproven. Ez egy köztes eredmény, de figyelemre méltó. A Tao által felvetett kérdés mélyebbre nyúlik: hogyan lehet a mesterséges intelligenciát felgyorsítani a tudomány fejlődése nélkül. Még nincs válasza – és őszintén szólva senki másnak sem.
Forrás:量子位 (QbitAI): 陶哲轩吐槽GPT-6孪生素数新突破.