Az AI már a matematikusokat is sokkolja

Mi történik egy matematikussal, aki több mint tíz évet tölt egy probléma megoldásával, majd egy mesterséges intelligencia néhány óra alatt előáll egy valószínűleg helyes válasszal? Dana Mashkovitz, a Texasi Egyetem kutatója pontosan ezzel szembesült, amikor az OpenAI közzétette saját eredményeit. Ami első pillantásra tudományos diadalnak tűnhetett volna, sokkal inkább egzisztenciális kérdést vetett fel: mi történik egy hivatással, ha a gép órák alatt elvégzi azt, amire az ember évtizedeket szánt?

Erről beszélt Geoff Brumfiel tudományos újságíró a Short Wave – NPR 2026. november 4-i adásában. A kép azonban jóval árnyaltabb annál, mint amit a „matematikai apokalipszisről” szóló címek sugallnak. Az AI nem egyszerűen átvette a matematikusok munkáját: inkább egy új, rendkívül gyors, de nehezen ellenőrizhető kutatási korszakot indított el.

Néhány év alatt a számtani hibáktól az olimpiai szintig

Nem is olyan régen a nagy nyelvi modellek matematikai teljesítménye még inkább komikus volt, mint fenyegető. Egyszerű műveleteket is képesek voltak magabiztosan elrontani, hiszen eredetileg nem formális matematikai szabályok szerint gondolkodtak, hanem a következő valószínű szót vagy karaktert jósolták meg.

A fejlődés akkor gyorsult fel látványosan, amikor a modellek olyan visszacsatolási rendszereket kaptak, amelyek segítségével ellenőrizhetik és újragondolhatják saját köztes lépéseiket. A Google tavaly már arról számolt be, hogy egyik modellje a Nemzetközi Matematikai Diákolimpia szintjén, aranyérmes teljesítményt nyújtott.

A következő lépés azonban már nem versenyfeladatok megoldása volt, hanem új matematikai eredmények előállítása.

Több száz eredmény néhány óra alatt

Az OpenAI több mint 370 új matematikai levezetést tett közzé, amelyek állításuk szerint átlagosan mindössze néhány órányi gépi számítási időt igényeltek. Ez önmagában is elképesztő tempó. Egy matematikus számára egy komoly probléma megoldása hónapokat, éveket vagy akár évtizedeket is jelenthet. Csakhogy van egy probléma: a gép gyorsasága nem azonos a megbízhatóságával.

A technológiai cégek modelljeinek belső működése nagyrészt zárt. A kutatók látják a feladatot és a kész eredményt, de nem feltétlenül tudják pontosan rekonstruálni azt az utat, amelyen az AI eljutott a megoldásig.

-A matematika számára ez különösen kényes kérdés, hiszen itt nem elég, ha valami valószínűleg igaz.* Bizonyítani kell.

A 166 oldalas bizonyítás, amelyet alig lehetett olvasni

Jól mutatja a problémát a Navier–Stokes-egyenletek körül kialakult vita. Ezek az egyenletek a folyadékok és gázok áramlását írják le, és a modern fizika, valamint a mérnöki tudományok alapvető eszközei. Matematikai viselkedésük azonban máig olyan kérdéseket rejt, amelyek a híres Millenniumi Díj-problémák közé tartoznak.

Az OpenAI egy 166 oldalas gépi levezetéssel állt elő, amely első látásra jelentős előrelépésnek tűnt. A szakértők azonban hamar jelezték, hogy a szöveg szinte emészthetetlen: kevés benne a világos hierarchia, nem derül ki, mely lépések igazán lényegesek, és hiányzik belőle az a fajta tömörség és elegancia, amelyet a matematikusok egy jó bizonyítástól várnak.

Nem valami emberfeletti absztrakcióval álltak szemben, amelyet már képtelenek követni. Inkább hatalmas mennyiségű, nyers gépi szöveggel.

Amikor a gép „átírja” a feladatot

A matematikai bizonyítások ellenőrzésére léteznek formális rendszerek, például a Lean. Ebben a bizonyítást programkóddá alakítják, a számítógép pedig lépésről lépésre ellenőrzi, hogy logikailag helyes-e.

Első pillantásra ez tökéletes védelemnek tűnik a gépi hibákkal szemben.

Az OpenAI bizonyításánál azonban a kutatók eltéréseket találtak a szöveges változat és a Lean számára készült kód között. Anders Hansen, a Cambridge-i Egyetem professzora például egy olyan esetet azonosított, ahol egy kulcsfontosságú feltételben a négyes szám ötösre változott.

Laikusan ez apróságnak tűnhet. Matematikailag azonban azt jelentette, hogy a formális ellenőrző rendszer már egy gyengébb állítást vizsgált, mint amely az eredeti szövegben szerepelt. Vagyis a kód átment az ellenőrzésen, de nem pontosan ugyanazt bizonyította.

Ez talán az AI-matematika egyik legfontosabb figyelmeztetése: nem elég ellenőrizni, hogy a gép által létrehozott kód hibátlanul lefut-e. Azt is ellenőrizni kell, hogy valóban ugyanazt állítja-e, amit bizonyítani szeretnénk.

Egyetlen előjel is elég

A több száz publikált eredmény között már visszavonásokra is sor került. Egy esetben egy egyszerű előjelhiba – egy pozitív érték negatívként történő kezelése – három eredményt is érintett. Ez nem azt jelenti, hogy a gépi levezetések többsége hibás lenne. A szakértők szerint sok eredmény valószínűleg helytálló.

A probléma inkább a mennyiség. Ha egy rendszer néhány óra alatt képes több száz oldalnyi matematikát generálni, az emberi kutatóknak ugyanazt az anyagot továbbra is soronként kell ellenőrizniük.

Az AI tehát hihetetlenül gyorsan képes létrehozni új matematikai tartalmat, miközben az ellenőrzés sebessége továbbra is emberi marad.

Mi történik, ha a hibák egymásra épülnek?

A matematika történetéből már ismerünk olyan korszakot, amikor ez komoly problémát okozott. Max Lieblich, a Washingtoni Egyetem matematikusa az olasz algebrai geometriai iskola száz évvel ezelőtti történetét hozta példaként. Akkoriban több kutató egyre inkább intuíciókra hagyatkozott, miközben a formális bizonyítások szigorúsága háttérbe szorult.

Az apró pontatlanságok idővel egymásra épültek. Mire világossá vált, hogy az alapok egy része hibás, már egész eredményláncok váltak bizonytalanná, és a terület jelentős részét újra kellett építeni.

A párhuzam azért nyugtalanító, mert az AI pontosan azt teszi lehetővé, amire korábban nem volt példa: óriási sebességgel képes új állításokat és bizonyításokat termelni. Ha ezek között akár csak kevés rejtett hiba marad, azok későbbi kutatások alapjaivá válhatnak.

Nem elveszi a munkát, hanem megváltoztatja

A matematika példája ezért jóval érdekesebb annál az egyszerű kérdésnél, hogy „elveszi-e az AI a kutatók munkáját”. Egyelőre inkább az ellenkezője történik: új munkát teremt. Csakhogy nem feltétlenül azt a munkát, amelyért valaki matematikus lett.

A kreatív problémamegoldás és az új összefüggések keresése mellé egyre nagyobb mennyiségű ellenőrzés, lektorálás és hibavadászat kerül. Egy kutató, aki korábban éveket szánt egy elegáns elmélet megalkotására, könnyen azon találhatja magát, hogy egy algoritmus több száz oldalnyi generált bizonyításában keres egy rosszul elhelyezett mínuszjelet.

Ebben rejlik talán a valódi feszültség. Nem az a kérdés, hogy a gép képes-e matematikát csinálni. Egyre nyilvánvalóbb, hogy bizonyos feladatokban igen. A kérdés inkább az, mi marad az ember feladata.

Lehet, hogy éppen most változik meg, mit jelent matematikusnak lenni

A matematika történetében nem ez az első technológiai fordulat. A számológépek, a számítógépek és a formális bizonyítási rendszerek mind átalakították azt, hogyan dolgoznak a kutatók. Az AI azonban más léptéket jelent, mert már nemcsak számol, hanem hipotéziseket állít fel, bizonyításokat generál és új eredményeket javasol. Ez nem feltétlenül a matematikus végét jelenti, inkább a szerepének átalakulását.

A gép elképesztő mennyiségű lehetőséget képes előállítani, de valakinek továbbra is el kell döntenie, melyik érdekes, melyik fontos, melyik igaz, és melyik csupán meggyőzően megfogalmazott tévedés.

Talán éppen ez lesz a matematika következő nagy emberi feladata: nem mindenáron gyorsabban gondolkodni a gépnél, hanem tudni, mikor nem szabad hinni neki.