A DeepMind AI-ja megoldott 9 régi Erdős-problémát, a Science lektorálta a bizonyítást

Az AlphaProof Nexus emellett 44 sejtést bizonyított az OEIS (Integer Sequence Database) adatbázisából, megoldott egy nyitott kérdést az algebrai geometriában, és javított egy ismert határt a min-max optimalizálás területén. Ez utóbbi technika egyes AI-modellek betanításánál is használatos. (The Decoder)

Az AlphaProof Nexus működése

A rendszer a Gemini 3.1 Pro modellre épül, amely a Lean formális nyelven fogalmazza és dolgozza át a bizonyításokat. Minden szerkesztés után a Lean ellenőrzi a tervezeteket, és hibaüzenetek vezetik a következő próbálkozást. Komplexebb alproblémák esetén a rendszer képes egy speciális, AlphaProof nevű eszközt is hívni, de a Google DeepMind jelentése szerint az Erdős-problémák megoldásához erre még nélküle is képes volt.

Vita a lektorálásról

A kutatás egy olyan időszakban jelenik meg, amikor az AI által generált matematikai bizonyítások körül heves vita zajlik. Az OpenAI nemrégiben több száz AI-bizonyítást tett közzé a GitHubon anélkül, hogy azokat folyóiratoknak küldte volna. Erre válaszul a Terence Tao vezette Association for Human Mathematics bojkottra szólított fel.

A publikáció útja

A DeepMind ezzel szemben a hagyományos, lektorált publikáció útját választotta. A kutatás eredményeit a Science közölte, ami a tudományos közösségben nagyobb elfogadottságot és megbízhatóságot jelent az AI-generált eredmények esetében.

A Gemini 3.1 Pro, a Lean és az AlphaProof Nexus által elért eredmények jelentős előrelépést jelentenek az AI képességeiben a komplex matematikai problémák megoldása terén. A lektorált publikáció pedig hidat épít az AI-kutatás és a hagyományos tudományos módszertan között.