Shanmu Jin, badacz podoktorski i rezydent neurochirurgii w szpitalu Peking Union Medical College Hospital w Pekinie, udowodnił hipotezę Crouzeixa — problem analizy macierzowej, który pozostawał otwarty od ponad dwóch dekad. Rozstrzygający argument nie narodził się na wydziale matematyki. Wyłonił się podczas 16-godzinnego autonomicznego przebiegu modelu GPT-5.6 Sol w trybie ChatGPT Work, prowadzonego według starannie zaprojektowanego promptu, który Jin stworzył samodzielnie.

Niekonwencjonalna droga do klasycznego problemu

Droga Jina do tej hipotezy była wszystkim, tylko nie liniową. Jako student studiował geologię, później uzyskał dyplom lekarza, a wiedzę matematyczną zbudował dzięki samodzielnej nauce — wysiłkowi, którego początkową motywacją były badania nad ultrasonografią przezczaszkową.

Hipoteza Crouzeixa, sformułowana w 2004 roku przez francuskiego analityka numerycznego Michela Crouzeixa, dotyczy związku między normą spektralną macierzy a maksimum wielomianu na jej obszarze numerycznym — zwartym, wypukłym obszarem płaszczyzny zespolonej, znanym także jako pole wartości, który opisuje zachowanie macierzy pełniej niż same wartości własne. Hipoteza głosi, że w tym ograniczeniu wystarczy stała 2 — i wiadomo, że 2 jest najmniejszą stałą, która mogłaby wystarczyć; oryginalna praca Crouzeixa ustaliła stałą skończoną równą 11,08, a najostrzejsza opublikowana granica — 1 + √2, czyli około 2,414, uzyskana przez Crouzeixa i Palencię w 2017 roku — wciąż znajdowała się powyżej celu. Rozwiązanie tego problemu znajduje bezpośrednie zastosowania w analizie funkcji macierzowych, iteracyjnych metodach rozwiązywania układów równań, takich jak GMRES — standardowym narzędziu pracy dla dużych, rzadkich układów liniowych pojawiających się w obliczeniach naukowych i symulacjach inżynierskich — oraz w racjonalnych metodach Kryłowa.

Wewnątrz sesji autonomicznej

Zamiast komunikować się z modelem w trybie interaktywnym, Jin przeprowadził długą sesję autonomiczną z wykorzystaniem architektury promptu zaadaptowanej z tej, którą OpenAI opracowało wcześniej dla innego wyniku matematycznego — hipotezy Cycle Double Cover. Konfiguracja pozbawiała model dostępu do internetu. Uruchomiono konkurujące ze sobą podagenty z zadaniem niezależnego opracowywania i testowania odporności różnych strategii dowodowych, z wyraźnym zakazem przedwczesnej zbieżności oraz wymogiem obalania kandydujących argumentów wyłącznie konkretnymi kontrprzykładami. Model miał kontynuować pracę, dopóki kompletny dowód nie przetrwa wewnętrznej recenzji adwersaryjnej.

Powstały w ten sposób preprint, opublikowany 27 lipca 2026 roku, zawiera pełny prompt, kolejne wersje robocze manuskryptu, formalizację w Lean — maszynowo weryfikowalne ujęcie dowodu w tej samej technologii asystentów dowodowych, którą matematycy, w tym Terence Tao, wykorzystywali do poświadczania złożonych argumentów — oraz audyt aksjomatów.

Potwierdzenie przez ekspertów i pytanie, kto dziś uprawia matematykę

Dowód został przejrzany i potwierdzony przez matematyka z Uniwersytetu Cornella Alexa Townsenda, analityczkę numeryczną Anne Greenbaum oraz samego Michela Crouzeixa — oryginalnego autora hipotezy. Formalna recenzja naukowa trwa.

Osiem dni po ukazaniu się pierwszego preprintu matematycy Emiel Lorist i Felix Schwenninger opublikowali niezależny, pięciostronicowy dowód odmienną metodą, łącząc klasyczną teorię potencjału dwuwarstwowego z lematem perturbacyjnym dla 2-dylatacji. Jin przyjął równoległy wynik jako uzupełnienie własnej pracy.

Ta historia uwidacznia strukturalną przemianę w badaniach matematycznych, którą trudno zignorować. Gdy problem otwarty od 2004 roku zostaje rozwiązany przez klinicystę-samouka korzystającego z konsumenckiego narzędzia AI, bariery tworzenia nowych wyników znacząco się obniżają — a wiedza specjalistyczna niezbędna do weryfikacji tych wyników staje się odpowiednio bardziej skoncentrowana i bardziej cenna. Wynik wpisuje się również w udokumentowany trend systemów AI wkraczających do matematyki, zapoczątkowany przez AlphaProof i AlphaGeometry 2 firmy Google DeepMind, które osiągnęły poziom srebrnego medalu na Międzynarodowej Olimpiadzie Matematycznej w 2024 roku.

Dla branży AI przypadek ten stanowi konkretne pokazanie tego, co potrafią osiągnąć najnowocześniejsze modele językowe, gdy otrzymają dobrze ustrukturyzowane zadania autonomiczne i wystarczający czas obliczeniowy. Czy społeczność matematyczna dysponuje infrastrukturą pozwalającą wchłonąć liczbę wyników, które mogą nadejść, pozostaje otwartym pytaniem.

Źródło: Metaverse Post