09-24-2026, 06:48 PM
Το άρθρο των «ΝΕΩΝ» παρουσιάζει ένα ενδιαφέρον πείραμα με τίτλο «First Proof», στο οποίο συμμετέχουν 11 κορυφαίοι μαθηματικοί, μεταξύ των οποίων και ο κάτοχος του Μεταλλίου Fields Martin Hairer. Στόχος τους είναι να εξετάσουν στην πράξη πόσο καλά μπορούν τα πιο προηγμένα συστήματα τεχνητής νοημοσύνης να αντιμετωπίσουν πραγματικά προβλήματα μαθηματικής έρευνας, και όχι απλώς ασκήσεις ή γνωστά προβλήματα στα οποία μπορεί να έχουν εκπαιδευτεί. Για το πείραμα δημιούργησαν δέκα νέα προβλήματα βασισμένα σε αδημοσίευτη μαθηματική εργασία τους.
Τα προβλήματα προέρχονται από ιδιαίτερα απαιτητικούς κλάδους, όπως ο αλγεβρικός συνδυασμός, η φασματική θεωρία γραφημάτων, η αλγεβρική τοπολογία, η στοχαστική ανάλυση, η συμπλεκτική γεωμετρία και η αριθμητική γραμμική άλγεβρα. Οι ερευνητές δοκίμασαν προκαταρκτικά συστήματα όπως τα GPT-5.2 Pro και Gemini 3.0 Deepthink. Το βασικό εύρημα ήταν ότι, όταν τα μοντέλα είχαν μόνο μία ευκαιρία να δώσουν λύση, δυσκολεύονταν ή αποτύγχαναν σε πολλές από τις ερωτήσεις. Η επαναληπτική αλληλεπίδραση με την AI ενδέχεται να βελτιώνει σημαντικά τις επιδόσεις.
Ιδιαίτερη σημασία έχει ότι οι μαθηματικοί θεωρούν πως τα συνηθισμένα benchmarks μπορεί να δίνουν υπερβολικά αισιόδοξη εικόνα για τις πραγματικές ικανότητες της AI. Αναφέρουν ότι τέτοιες δοκιμασίες μπορούν να επηρεαστούν από post-training και ενισχυτική μάθηση, καθώς τα μοντέλα ενδέχεται να έχουν εκπαιδευτεί σε παρόμοια προβλήματα. Το «First Proof» προσπαθεί επομένως να μεταφέρει την αξιολόγηση σε ένα πιο αυθεντικό περιβάλλον μαθηματικής έρευνας, όπου δεν αρκεί η ανάκληση γνωστών τεχνικών αλλά απαιτείται ουσιαστική ανάπτυξη νέων ιδεών.
Τελικά, το πείραμα θέτει ένα ευρύτερο ερώτημα για το τι σημαίνει μαθηματική νοημοσύνη. Η σύγχρονη μαθηματική έρευνα δεν περιορίζεται στην επίλυση ενός προβλήματος που έχει ήδη διατυπωθεί· συχνά απαιτεί πρώτα να αναγνωριστεί ποια είναι η σωστή ερώτηση και να δημιουργηθεί το κατάλληλο θεωρητικό πλαίσιο για την απάντησή της. Το «First Proof» φιλοδοξεί να αποτελέσει ένα πρώτο βήμα προς πιο αξιόπιστα benchmarks, ώστε να μετρηθεί αν η AI μπορεί πραγματικά να συμμετάσχει στη δημιουργία νέας μαθηματικής γνώσης και όχι απλώς να αναπαράγει ή να συνδυάζει ήδη γνωστά μαθηματικά.
ARTICLE
Τα προβλήματα προέρχονται από ιδιαίτερα απαιτητικούς κλάδους, όπως ο αλγεβρικός συνδυασμός, η φασματική θεωρία γραφημάτων, η αλγεβρική τοπολογία, η στοχαστική ανάλυση, η συμπλεκτική γεωμετρία και η αριθμητική γραμμική άλγεβρα. Οι ερευνητές δοκίμασαν προκαταρκτικά συστήματα όπως τα GPT-5.2 Pro και Gemini 3.0 Deepthink. Το βασικό εύρημα ήταν ότι, όταν τα μοντέλα είχαν μόνο μία ευκαιρία να δώσουν λύση, δυσκολεύονταν ή αποτύγχαναν σε πολλές από τις ερωτήσεις. Η επαναληπτική αλληλεπίδραση με την AI ενδέχεται να βελτιώνει σημαντικά τις επιδόσεις.
Ιδιαίτερη σημασία έχει ότι οι μαθηματικοί θεωρούν πως τα συνηθισμένα benchmarks μπορεί να δίνουν υπερβολικά αισιόδοξη εικόνα για τις πραγματικές ικανότητες της AI. Αναφέρουν ότι τέτοιες δοκιμασίες μπορούν να επηρεαστούν από post-training και ενισχυτική μάθηση, καθώς τα μοντέλα ενδέχεται να έχουν εκπαιδευτεί σε παρόμοια προβλήματα. Το «First Proof» προσπαθεί επομένως να μεταφέρει την αξιολόγηση σε ένα πιο αυθεντικό περιβάλλον μαθηματικής έρευνας, όπου δεν αρκεί η ανάκληση γνωστών τεχνικών αλλά απαιτείται ουσιαστική ανάπτυξη νέων ιδεών.
Τελικά, το πείραμα θέτει ένα ευρύτερο ερώτημα για το τι σημαίνει μαθηματική νοημοσύνη. Η σύγχρονη μαθηματική έρευνα δεν περιορίζεται στην επίλυση ενός προβλήματος που έχει ήδη διατυπωθεί· συχνά απαιτεί πρώτα να αναγνωριστεί ποια είναι η σωστή ερώτηση και να δημιουργηθεί το κατάλληλο θεωρητικό πλαίσιο για την απάντησή της. Το «First Proof» φιλοδοξεί να αποτελέσει ένα πρώτο βήμα προς πιο αξιόπιστα benchmarks, ώστε να μετρηθεί αν η AI μπορεί πραγματικά να συμμετάσχει στη δημιουργία νέας μαθηματικής γνώσης και όχι απλώς να αναπαράγει ή να συνδυάζει ήδη γνωστά μαθηματικά.
ARTICLE
┌────────────────────────────────┐
│ KONSTANTINOS MICHAILIDIS │
└────────────────────────────────┘
│ KONSTANTINOS MICHAILIDIS │
└────────────────────────────────┘