Shanmu Jin, een postdoc-onderzoeker en arts-assistent neurochirurgie aan het Peking Union Medical College Hospital in Peking, heeft het vermoeden van Crouzeix bewezen, een probleem in de matrixanalyse dat meer dan twee decennia open had gestaan. Het beslissende argument kwam niet uit een wiskundevakgroep. Het ontstond tijdens een autonome sessie van 16 uur met GPT-5.6 Sol in de ChatGPT Work-modus, geleid door een zorgvuldig geconstrueerde prompt die Jin zelf ontwierp.

Een onconventionele route naar een klassiek probleem

Jins weg naar het vermoeden was allesbehalve lineair. Hij studeerde geologie, studeerde later geneeskunde en bouwde zijn wiskundige kennis op via zelfstudie — een inspanning die aanvankelijk was ingegeven door onderzoek naar transcraniële echografie.

Het vermoeden van Crouzeix, geformuleerd in 2004 door de Franse numeriek wiskundige Michel Crouzeix, betreft de relatie tussen de spectrale norm van een matrix en het maximum van een polynoom over zijn numerieke bereik — een compact convex gebied van het complexe vlak, ook wel het waardengebied genoemd, dat meer van het gedrag van een matrix vastlegt dan zijn eigenwaarden alleen. Het vermoeden stelt dat de constante 2 in die begrenzing volstaat, en 2 is bekend als de kleinste constante die dat zou kunnen; het oorspronkelijke artikel van Crouzeix vestigde een eindige constante van 11,08, en de scherpst gepubliceerde begrenzing — 1 + √2, ongeveer 2,414, van Crouzeix en Palencia in 2017 — lag nog steeds boven het doel. De oplossing heeft directe toepassingen in de analyse van matrixfuncties, iteratieve oplossers zoals GMRES — het standaardwerkpaard voor de grote, ijl bezette lineaire stelsels die voorkomen in wetenschappelijk rekenen en technische simulaties — en rationale Krylov-methoden.

Binnen de autonome sessie

In plaats van het model interactief aan te sturen, voerde Jin een langdurige autonome sessie uit met een promptarchitectuur die was afgeleid van een architectuur die OpenAI eerder had ontwikkeld voor een wiskundig resultaat, het Cycle Double Cover-vermoeden. De opzet onthield het model de toegang tot internet. Er werden concurrerende subagenten ingezet met de opdracht om onafhankelijk verschillende bewijsstrategieën te ontwikkelen en te onderwerpen aan stresstests, met expliciete instructies tegen voortijdige convergentie en de eis om kandidaatargumenten uitsluitend te weerleggen met concrete tegenvoorbeelden. Het model kreeg de opdracht door te gaan totdat een volledig bewijs de interne adversariële beoordeling doorstond.

De resulterende preprint, gepubliceerd op 27 juli 2026, bevat de volledige prompt, opeenvolgende conceptversies van het manuscript, een Lean-formalisering — een machineverifieerbare weergave van het bewijs in dezelfde bewijsassistenttechnologie die wiskundigen, waaronder Terence Tao, hebben gebruikt om complexe argumenten te certificeren — en een axioma-audit.

Bevestiging door vakgenoten en de vraag wie nu wiskunde beoefent

Het bewijs is beoordeeld en bevestigd door de Cornell-wiskundige Alex Townsend, numeriek analist Anne Greenbaum en Michel Crouzeix zelf — de oorspronkelijke auteur van het vermoeden. De formele peerreview is nog niet afgerond.

Acht dagen nadat de eerste preprint verscheen, publiceerden de wiskundigen Emiel Lorist en Felix Schwenninger een onafhankelijk bewijs van vijf pagina's volgens een andere methode, waarin klassieke dubbellagspotentiaaltheorie wordt gecombineerd met een perturbatielimma voor 2-dilataties. Jin verwelkomde het parallelle resultaat als een aanvulling op zijn eigen werk.

Deze gebeurtenis maakt een structurele verschuiving in het wiskundig onderzoek zichtbaar die moeilijk te negeren is. Als een probleem dat sinds 2004 openstond wordt opgelost door een zelfgeleerde clinicus met een consumenten-AI-tool, dan dalen de drempels voor het behalen van nieuwe resultaten aanzienlijk — terwijl de expertise die nodig is om die resultaten te verifiëren dienovereenkomstig geconcentreerder en waardevoller wordt. Het resultaat zet bovendien een gedocumenteerd patroon voort van AI-systemen die doorstromen naar de wiskunde, na Google DeepMinds AlphaProof en AlphaGeometry 2, die op de Internationale Wiskundeolympiade van 2024 het niveau van een zilveren medaal bereikten.

Voor de AI-sector biedt deze casus een concrete demonstratie van wat frontier-taalmodellen kunnen bereiken wanneer zij goed gestructureerde autonome taken en voldoende rekentijd krijgen. Of de wiskundige gemeenschap over de infrastructuur beschikt om de hoeveelheid resultaten die mogelijkerwijs volgt te verwerken, blijft een open vraag.

Bron: Metaverse Post