Liam Price, un tânăr de 23 de ani fără pregătire avansată în matematică, a reușit să contribuie la rezolvarea unei conjecture Erdős veche de 60 de ani despre seturi primitive de numere întregi, cu ajutorul direct al GPT-5.4 Pro. Conform Futurism, este unul dintre primele cazuri documentate în care un model de inteligență artificială generativă a contribuit concret la avansarea cunoașterii matematice - nu doar ca instrument de calcul, ci ca partener activ în procesul de cercetare.

Detaliile publicate de Futurism descriu cum Price a folosit GPT-5.4 Pro printr-un singur prompt, iar modelul a generat soluția în aproximativ 80 de minute. Nu a existat un dialog sau un schimb de idei în mai mulți pași - o singură interogare a fost suficientă. Elementul cu adevărat surprinzător este abordarea pe care AI-ul a ales-o: în loc să urmeze calea teoriei probabilităților, pe care toți cercetătorii o folosiseră în cei 60 de ani de când conjectura era deschisă, GPT-5.4 Pro a aplicat funcția von Mangoldt combinată cu lanțuri Markov - o direcție la care nimeni nu se gândise până atunci.

Ceea ce face cazul remarcabil este tocmai natura descoperirii: nu e vorba de o aplicație practică sau de un rezultat ingineresc, ci de matematică pură - un domeniu considerat în mod tradițional drept cel mai puțin accesibil mașinilor, tocmai pentru că presupune creativitate abstractă, nu doar procesare de date. Matematica pură implică demonstrații riguroase, intuiție structurală și salturi conceptuale care au fascinat și frustrat cercetătorii de secole.

Futurism subliniază că descoperirea nu a fost validată doar prin intermediul AI-ului, ci a trecut prin procesul standard de verificare umană. Terence Tao, laureat al Medaliei Fields, și Jared Lichtman de la Stanford au verificat și rafinat demonstrația. Lichtman a precizat că output-ul brut al AI-ului a fost „quite poor" și că intervenția umană a fost esențială pentru a-l transforma într-un rezultat academic solid. Cu alte cuvinte, GPT-5.4 Pro nu a semnat articolul - a fost un instrument, poate cel mai puternic de acest tip folosit vreodată în matematica fundamentală.

Contextul mai larg este important: în ultimii ani, AI-ul a demonstrat că poate rezolva probleme complexe de chimie, biologie și fizică. DeepMind a câștigat premiul Nobel pentru chimie în 2024 prin AlphaFold, sistemul care a prezis structura proteinelor. Matematica era însă privită ca o frontieră aparte. Faptul că un model de limbaj generalist, nu unul specializat, a reușit să contribuie la o descoperire matematică reală ridică întrebări fundamentale despre cum vor arăta laboratoarele de cercetare ale viitorului.

Criticii atrag atenția că termenul «descoperire semnificativă» rămâne vag și că entuziasmul din jurul AI-ului în știință tinde să exagereze rezultatele pentru a alimenta ciclul mediatic. Nu orice colaborare om-mașină care produce un rezultat nou constituie o revoluție. Există și riscul ca cercetătorii să devină dependenți de sugestiile AI-ului și să exploreze mai puțin direcțiile neconvenționale pe care calculatoarele nu le pot anticipa.

Cu toate acestea, semnalul rămâne clar: granița dintre ce poate și ce nu poate face AI-ul în știința fundamentală se mișcă mai rapid decât preziceau cele mai optimiste scenarii de acum cinci ani. Dacă tendința se confirmă, laboratoarele de matematică și fizică teoretică ar putea arăta radical diferit până la sfârșitul deceniului. Rămâne de văzut dacă aceasta va fi o colaborare echilibrată sau dacă rolul cercetătorului uman se va restrânge treptat la cel de supervizor al unui sistem care gândește singur.