Jednostavno rečeno
Model Claude navodno je pronašao dokaz za poznatu matematičku tvrdnju o rasporedu prostih brojeva. Nezavisni matematičari provjerili su dokaz posebnim programom i zasad nisu našli greške. Ipak, još provjeravaju da li je program zaista dokazao baš tu tvrdnju, pa slučaj još nije zaključen.
Stara zagonetka u srcu svijeta prostih brojeva
Priča seže do 1859. godine, kada je matematičar Bernhard Riemann postavio hipotezu o načinu na koji su raspoređeni prosti brojevi. Prosti brojevi djeljivi su samo brojem jedan i sami sobom. Kada ih posmatramo pojedinačno, djeluju razbacano duž brojevne linije, ali hipoteza ukazuje na dublji red koji stoji iza tog rasporeda — obrazac koji nije lako uočiti pregledom jednog broja ili male grupe brojeva.
Značaj ovog problema ne leži samo u tome što je riječ o zanimljivoj računskoj zagonetki. To je široko pitanje o strukturi koja uređuje proste brojeve, ključne elemente matematike. Zato bi dokaz hipoteze, ako se zaista pokaže valjanim, bio mnogo više od tehničkog uspjeha u rješavanju jednačine ili izvođenja ograničenog zaključka: pružio bi čvrst matematički argument o obrascu čija je priroda predmet rasprave još od 19. stoljeća.
Ipak, veličina tvrdnje ne znači da je ona automatski tačna. U matematici nije dovoljno da rezultat djeluje uvjerljivo ili da niz koraka bude dug i na prvi pogled uvjerljiv. Svaki korak mora slijediti iz prethodnog prema jasno utvrđenim pravilima, a konačan zaključak mora biti upravo onaj koji postavlja izvorni problem. Razlika između ispravnog zaključivanja i ispravnog određivanja pitanja razlog je zbog kojeg provjera ovog rada ne obuhvata samo čitanje dokaza.
Od tvrdnje Leventa Alpögea do dokaza zapisanog u kodu
Matematičar Levent Alpöge, povezan s kompanijom Anthropic, objavio je da je pomoću modela umjetne inteligencije Claude pronašao rješenje Riemannove hipoteze. Objava je privukla veliku pažnju jer je riječ o jednom od najpoznatijih otvorenih problema u matematici, a rad pripisan jezičkom modelu nije predstavljen kao pomoć pri jednom dijelu izračuna, već kao dokaz potpunog rezultata.
Prema dostupnim informacijama, Alpöge nije ponudio samo obrazloženje zapisano uobičajenim matematičkim jezikom. Dokaz je oblikovao i u Lean-u, računarskom jeziku koji se koristi za zapisivanje i provjeru dokaza prema formalnim pravilima. U tom pristupu matematički koraci pretvaraju se u preciznu formulaciju koju program može provjeriti, umjesto da se oslanjamo na to da je ljudski čitalac uočio svaki detalj ili pretpostavio da je neki prelaz ispravan.
Ovakva provjera moćan je način za otkrivanje grešaka, poput koraka koji ne slijedi iz navedenih pretpostavki ili zaključka koji pravila ne dopuštaju. Ako se kod uspješno prevede u sistemu, to znači da Leanov mehanizam nije pronašao logičku nepravilnost u strukturi koja mu je predočena. Ali time nije riješeno jedno veoma važno pitanje: predstavlja li zapis u kodu zaista Riemannovu hipotezu onako kako je matematičari razumiju ili neku drugu, po obliku sličnu, ali značenjem različitu tvrdnju?
Zašto oznaka uspjeha u Lean-u nije dovoljna?
Razliku između ova dva pitanja možete zamisliti kao razliku između provjere rješenja zadatka i prethodne provjere da li je tekst zadatka tačno prepisan. Program može veoma precizno obaviti provjeru i potvrditi da zaključak slijedi iz tvrdnje koja mu je unesena. Ali ako unesena tvrdnja nije ona na koju se mislilo, uspješna provjera neće biti dokaz da je riješen izvorni problem.
Zato se matematičar Kevin Buzzard s Imperial College London usmjerio na provjeru teksta teoreme zapisanog u Lean datoteci i njegovo poređenje s poznatom formulacijom hipoteze. Procjena formalnog dokaza zahtijeva više od utvrđivanja da se kod može prevesti: treba provjeriti da simboli i pojmovi u kodu znače ono što bi trebalo da znače te da dokazana tvrdnja odgovara najavljenom matematičkom cilju. To nije sumnja u vrijednost računarske provjere, već provjera pitanja na koje sam uspješan prevod koda ne može odgovoriti.
Ovaj problem je osjetljiv zato što programi rade s jasno određenim definicijama i simbolima, a ne s namjerama koje autor dokaza iznosi u objavi ili objašnjenju. Ako se promijeni definicija nekog simbola ili se tvrdnja protumači na neočekivan način, može izgledati da je sistem dokazao rezultat, dok je zapravo dokazao nešto drugo. Zato je potrebno ispitati sadržaj koda, a ne zadovoljiti se porukom da ga je program prihvatio.
Važno je razlikovati dva nivoa pouzdanosti. Prvi je da su koraci dokaza zapisanog u kodu dosljedni pravilima koja Lean primjenjuje. Drugi je da se ti koraci, ma koliko bili dosljedni, odnose na pravu hipotezu i na formulaciju koja je bila namjeravana. Prvi nivo je veoma važan, ali ne može zamijeniti drugi. Zato je potrebna nezavisna provjera same matematičke tvrdnje i načina na koji je kod obrađuje.
Nezavisna provjera povećava povjerenje
Alpöge nije prepustio provjeru samo vlastitom pokretanju dokaza. Rad su ponovo ispitali nezavisni istraživači, među njima Andrew Sutherland, matematičar s Massachusetts Institute of Technology. Uspjeli su nezavisno provjeriti Leanov dokaz, a u toj fazi nisu naišli na probleme. Taj korak je posebno vrijedan jer rezultat više ne zavisi samo od okruženja u kojem je autor napisao kod ili njegovog vlastitog pokušaja da ga pokrene.
Sutherland je pojasnio da je dokaz prošao provjeru kroz Leanovo jezgro, dio sistema koji provjerava ispravnost formalnih zaključivanja, te da se provjera oslanjala samo na tri standardna aksioma. Aksiomi su ovdje prihvaćena polazišta unutar korištenog matematičkog okvira, a ne rezultati koje je program sam dodao. Sutherland je procijenio da je vjerovatnoća da u ovoj fazi postoji nešto sumnjivo veoma blizu nuli.
Tu procjenu ipak treba razumjeti u granicama onoga što je zaista testirano. Nezavisna provjera snažan je dokaz da dokaz, onako kako je napisan u Lean-u, prolazi provjeru jezgra uz odgovarajuće postavke i da uspjeh ne zavisi samo od jednog pokretanja koje je obavio njegov autor. Ali to ne znači automatski da su razriješena sva pitanja o formulaciji teoreme ili definicijama simbola; istraživači još provode detaljnije poređenje.
Važno je i to da ova provjera ne zamjenjuje u potpunosti ljudsku matematičku procjenu. Sistem može primijeniti formalna pravila na formulaciju koju dobije, dok stručnjaci i dalje moraju utvrditi odgovara li značenje te formulacije problemu na koji se tvrdnja odnosi. Provjera tako spaja sposobnost računara da ispita velik broj preciznih koraka i znanje matematičara koji tumače sadržaj teoreme i procjenjuju da li se dokaz zaista odnosi na nju.
Test koji još nije završen
Sljedeća faza koju iščekuju oni koji prate slučaj poznata je kao uporedni test (comparator run). Svrha tog postupka je da se rad ponovo provjeri uz poseban naglasak na mogućnost da se razlikuju najavljeno značenje hipoteze i ono što kod zaista dokazuje. Test bi, na primjer, trebalo da pokaže da li je program promijenio značenje nekog simbola u tekstu teoreme ili ga ponovo definisao tako da se promijeni tvrdnja koja se dokazuje.
Ako se pokrene uz naročito stroge mjere opreza, test treba utvrditi i da li kod radi s više nezavisnih jezgara, a ne samo sa zvaničnim Leanovim jezgrom. Provjera pomoću više mehanizama olakšava isključivanje mogućnosti da je dokaz prošao zbog nepoznate greške u zvaničnom mehanizmu koju je kod iskoristio, umjesto zahvaljujući ispravnosti samog dokaza. Prema Buzzardu, nije dovoljno da rad prođe jednu provjeru ako je cilj isključiti i takve mogućnosti.
To ne znači da su istraživači već pronašli grešku ili trik u dokazu. Dostupne informacije ne govore da je otkriven problem, već da se čeka dodatni test. Velika je razlika između tvrdnje da dokaz nije prošao i tvrdnje da postupak provjere još nije završen. U ovom slučaju postoje pozitivni rezultati nezavisnih provjera, ali još nije objavljeno ništa što bi razriješilo sva tehnička pitanja koja su postavili stručnjaci.
Prema dostupnom objašnjenju, ovakav test obično traje nekoliko sati. Ipak, to što obično traje kratko ne znači da je rezultat tek formalnost: cilj je provjeriti konkretna pitanja o ispravnosti zapisa i nezavisnosti alata za provjeru. Dok se ne dobije uspješan rezultat, najtačnije je reći da je tvrdnja prošla važne provjere, a da se za potpuniju sliku čeka uporedno testiranje.
Šta bi rezultat mogao značiti za matematiku?
Ako dokaz prođe i preostale provjere, bit će to upečatljiv primjer upotrebe umjetne inteligencije za izradu matematičkog rada koji se može pretvoriti u formalni zapis i provjeriti na način koji se može ponoviti. Prednost takvog pristupa je u tome što procjena ne zavisi samo od ugleda osobe koja objavljuje rezultat niti od toga koliko uvjerljivo ona predstavlja svoj rad. Drugi istraživači mogu pokrenuti kod i provjeriti prolaze li koraci kroz nezavisan formalni sistem.
Ipak, opisivanje ovog slučaja kao uspjeha umjetne inteligencije ne bi trebalo skrenuti pažnju s prirode matematičkog rada. Izrada dokaza, njegovo zapisivanje u Lean-u i provjera da li zapis odgovara hipotezi zasebne su faze koje treba razlikovati. Čak i ako je model Claude izradio niz zaključaka, valjanost rezultata ne proizlazi iz identiteta modela ni njegove sposobnosti pisanja, već iz prolaska dokaza kroz precizne provjere i prihvatanja matematičke zajednice da je dokazana upravo tvrdnja na koju se mislilo.
Tu se vidi zašto je formalna provjera važna i izvan ovog konkretnog slučaja. Dokaz koji drugi mogu ponovo pokrenuti omogućava lakše ponavljanje provjere nego što je to moguće oslanjanjem na čitanje jedne osobe, ali nosi i dodatnu odgovornost: treba pregledati definicije samog problema, razumjeti šta sistem tačno provjerava i imati na umu ograničenja korištenih alata. Povjerenje ne proizlazi samo iz riječi „uspjelo“, već iz razumijevanja šta je uspjelo, prema kojim pravilima i na osnovu koje formulacije.
Na osnovu dostupnih informacija još je rano govoriti o tome da je Riemannova hipoteza konačno riješena. Vijest donosi izuzetnu tvrdnju i zasad je potkrepljuje nezavisno obavljenom provjerom Leanovog dokaza uz tri standardna aksioma, ali istovremeno navodi da uporedni test nije završen. Važno je sačuvati tu razliku kako se veliki napredak u provjeravanju ne bi pretvorio u konačnu objavu prije nego što budu obavljene sve provjere koje stručnjaci smatraju potrebnim.
Zaključak
Dokaz Riemannove hipoteze koji se pripisuje modelu Claude nalazi se na mjestu na kojem se susreću optimizam i oprez. Levent Alpöge objavio je da je pronašao rješenje, a nezavisni matematičari, među njima Andrew Sutherland s Massachusetts Institute of Technology, ponovo su provjerili Leanov kod i nisu našli greške. Leanovo jezgro provjerilo je dokaz oslanjajući se na tri standardna aksioma. To su snažni pokazatelji da je formalni dokaz ispravno sastavljen, ali sami po sebi ne rješavaju pitanje odgovara li zapis u kodu izvornoj hipotezi koju je Riemann postavio 1859. godine.
Stručnjaci zato čekaju rezultat uporednog testa, kojim se provjeravaju definicije simbola i kod pomoću nezavisnih jezgara kako bi se isključila promjena značenja ili oslanjanje na grešku u jednom alatu. Dok se taj korak ne završi, vijest nije konačna objava da je problem riješen, ali nije ni dokaz da u radu postoji greška. Riječ je o tvrdnji potkrijepljenoj važnim provjerama, koja je još u završnoj fazi ispitivanja. U uredničkoj napomeni od 20. novembra 2026. priča je opisana kao događaj koji se nastavlja i može biti ažuriran — prikladan opis dokaza čija provjera još traje.