AI temukan contoh penyangkal yang membuktikan dugaan matematika berusia 87 tahun salah

Seorang matematikawan Harvard telah menggunakan kecerdasan buatan untuk membuktikan bahwa masalah aljabar yang telah lama ada, yang selama puluhan tahun coba dibuktikan kebenarannya oleh para ahli, ternyata salah. Levent Alpöge mengumumkan temuan tersebut di media sosial pada 19 Juli dengan sebuah contoh penyangkal singkat.

Alpöge mengunggah contoh penyangkal matematika sepanjang 216 karakter di X, yang menunjukkan bahwa dugaan Jacobian adalah salah. Dugaan tersebut, yang diajukan oleh Ott-Heinrich Keller pada tahun 1939, juga pernah muncul dalam daftar masalah besar yang belum terpecahkan yang disusun oleh Stephen Smale pada tahun 1998.

Penelitian ini melibatkan Claude Fable 5, sebuah model AI dari Anthropic. Alpöge memuji sistem tersebut dalam unggahannya karena telah memberikan bantuan selama final Piala Dunia.

Abhishek Saha dari Queen Mary University of London menyebut hasil ini sebagai dugaan terbesar yang pernah diselesaikan dengan masukan AI yang signifikan. Ia mencatat bahwa contoh penyangkal tersebut berhasil untuk tiga variabel, meskipun versi dua variabel mungkin masih tetap berlaku.

Chris Bowman-Scargill dari University of York dan Ivan Fesenko dari Westlake University mengatakan perkembangan ini menyoroti peran AI yang kian berkembang dalam matematika, sekaligus menegaskan bahwa wawasan manusia tetap penting untuk membangun teori-teori baru.

Artikel Terkait

An AI model from Open AI has solved a math problem formulated in 1946 by Paul Erdős. Svante Linusson, professor at KTH, expressed shock at the result.

Dilaporkan oleh AI

Researchers gathered in London this week to accelerate the formalization of Fermat's Last Theorem using advanced AI models. The workshop focuses on converting Andrew Wiles's 1993 proof into Lean code for computer verification. Progress has been rapid, with code lines doubling after the first day.

Workers paid to train advanced AI models are increasingly relying on chatbots like ChatGPT to generate the required conversations and tests. This shortcut, described as widespread by multiple sources, risks degrading the quality of future models through recursive training on synthetic data.

Dilaporkan oleh AI

A study of more than 26,000 Chinese students shows that using generative AI for homework improves short-term results but leads to significantly lower exam scores over time.

Situs web ini menggunakan cookie

Kami menggunakan cookie untuk analisis guna meningkatkan situs kami. Baca kebijakan privasi kami untuk informasi lebih lanjut.
Tolak