Problemy milenijne: siedem zadań, za każde milion dolarów

👁 115 przeczytań

Problemy milenijne to siedem zadań matematycznych, które w 2000 roku wskazał Instytut Matematyczny Claya, wyznaczając za rozwiązanie każdego z nich milion dolarów. Przez ponad ćwierć wieku rozwiązano jeden. Pozostałe sześć wciąż czeka, a w 2026 roku jedno z nich, równania Naviera-Stokesa, trafiło na nagłówki z powodu, którego nikt się nie spodziewał: ogłoszenia sztucznej inteligencji.

Ten tekst wyjaśnia, czym te zadania są i czego dotyczą. Jeśli szukasz sprawy z 2026 roku, opisałem ją osobno w tekście o tym, co dokładnie ogłosiło OpenAI i o co pytają matematycy.

Siedem zadań i to, o co każde pyta

Poniżej lista w kolejności od tych, które da się streścić w jednym zdaniu, do tych, przy których uczciwe streszczenie nie jest możliwe. Ta kolejność sama coś mówi o skali trudności.

Przy hipotezie Hodge’a muszę być uczciwy: powyższe zdanie jest tak ogólne, że niewiele wnosi, i nie da się tego naprawić bez wprowadzenia pojęć, których nie da się wprowadzić w jednym akapicie. To najtrudniejszy do opowiedzenia problem z całej siódemki i nawet matematycy tłumaczący go publicznie zwykle zaczynają od przyznania, że trzeba będzie przejść przez aparat pojęciowy.

Odwrotny biegun to P kontra NP, jedyny z tej listy, który da się opowiedzieć przy kawie. Wyobraź sobie ułożone puzzle. Sprawdzenie, czy są ułożone dobrze, zajmuje chwilę. Ułożenie ich od zera zajmuje godziny. Pytanie brzmi: czy ta różnica jest prawdziwa i nieusuwalna, czy tylko nie znamy jeszcze dobrej metody układania. Gdyby okazało się, że każde szybko sprawdzalne zadanie jest też szybko rozwiązywalne, przestałaby działać większość szyfrowania, na którym stoi internet, bo bezpieczeństwo haseł i przelewów opiera się właśnie na tym, że pewnych rzeczy nie da się szybko odwrócić.

Kto wypłaca milion dolarów i na jakich warunkach

Nagrodę ustanowił Instytut Matematyczny Claya, prywatna fundacja z Cambridge w stanie Massachusetts. Listę ogłoszono w maju 2000 roku w Paryżu, świadomie nawiązując do słynnego wystąpienia Davida Hilberta, który dokładnie sto lat wcześniej przedstawił zestaw problemów wyznaczających kierunek matematyce na następne dekady.

Warunki wypłaty są ważniejsze, niż się wydaje, i to one najczęściej powodują nieporozumienia w doniesieniach prasowych. Nie wystarczy ogłosić rozwiązania. Trzeba je opublikować w recenzowanym czasopiśmie, a następnie odczekać dwa lata, w czasie których środowisko matematyczne ma to rozwiązanie przyjąć. Dopiero wtedy instytut rozważa nagrodę.

Praktyczny skutek: między zdaniem „ktoś ogłosił rozwiązanie” a zdaniem „problem milenijny został rozwiązany” mieszczą się co najmniej dwa lata i praca dziesiątek ludzi, którzy muszą przeczytać dowód linijka po linijce. Dlatego strona instytutu potrafi jeszcze długo po głośnym ogłoszeniu wykazywać dany problem jako otwarty. To nie przeoczenie, to procedura.

Jedyny rozwiązany: hipoteza Poincarégo

Rozwiązał ją rosyjski matematyk Grigorij Perelman, publikując na początku lat dwutysięcznych serię prac w otwartym repozytorium, bez oddawania ich do czasopisma. Weryfikacja zajęła środowisku kilka lat. Gdy się dopełniła, Perelman zrobił coś, czego nikt nie przewidział w regulaminie: odmówił przyjęcia miliona dolarów. Wcześniej odmówił też przyjęcia Medalu Fieldsa, najwyższego wyróżnienia w matematyce.

Powody, jakie podawał, sprowadzały się do niezgody na sposób, w jaki środowisko rozdziela zasługi. Jest w tym coś, co warto zapamiętać przy każdej kolejnej historii o rozwiązanym problemie milenijnym: spory o autorstwo są w tej dziedzinie regułą, nie wyjątkiem, i pojawiają się niezależnie od tego, czy rozwiązanie przyszło od człowieka, czy od maszyny.

Dlaczego Navier-Stokes trafił w 2026 roku na nagłówki

W 2026 roku OpenAI ogłosiło, że jego wewnętrzny system rozwiązał problem Naviera-Stokesa, i opublikowało formalizację dowodu w języku Lean, w którym komputer sprawdza poprawność każdego kroku rozumowania. Firma zapowiedziała przy tym, że nie będzie ubiegać się o nagrodę.

W ciągu kilkunastu godzin sprawa przestała dotyczyć matematyki, a zaczęła dotyczyć tego, skąd wziął się pomysł na rozwiązanie. Matematyk pracujący nad tym samym problemem doszedł do niemal identycznego wyniku i publicznie zapytał, czy model firmy nie miał dostępu do jego notatek. Cała historia, razem z odpowiedzią firmy i zastrzeżeniami środowiska, jest w osobnym tekście: OpenAI, Navier-Stokes i pytanie o dostęp do cudzych notatek. Rozbiór samej operacji, czyli ile ona kosztowała i jak była zbudowana, opisałem w tekście o rachunku za dziesięć tysięcy agentów.

Czego „sprawdzone przez komputer” nie oznacza

To najczęstsze nieporozumienie w tej sprawie i warto je rozpisać, bo wróci przy każdym kolejnym ogłoszeniu tego typu. Formalizacja w Lean dowodzi, że rozumowanie jest logicznie poprawne. Nie dowodzi, że sformalizowane twierdzenie jest tym samym twierdzeniem, o które pyta problem milenijny w swoim oficjalnym sformułowaniu.

Różnica jest praktyczna: można bez błędu udowodnić twierdzenie sąsiednie, nieco słabsze albo obwarowane założeniem, którego oryginał nie dopuszcza. Maszyna tego nie wychwyci, bo sprawdza kroki, a nie to, czy postawiono właściwe pytanie. Rozstrzygnięcie wymaga ludzi, którzy przeczytają, co dokładnie zostało zapisane. Dlatego dwuletnia procedura instytutu nie jest biurokracją, tylko jedynym znanym sposobem na odróżnienie „poprawne” od „o to właśnie pytaliśmy”.

Dlaczego akurat te siedem

Wspólna cecha tej listy nie polega na tym, że zadania są trudne. Trudnych zadań w matematyce są tysiące. Te siedem wybrano, bo każde z nich blokuje całą okolicę: od odpowiedzi zależą wyniki w innych dziedzinach, czasem setki twierdzeń dowiedzionych warunkowo, z dopiskiem „jeśli hipoteza Riemanna jest prawdziwa”.

Drugą cechą jest to, że wszystkie są stare. Hipoteza Riemanna ma ponad sto sześćdziesiąt lat, hipoteza Poincarégo została postawiona na początku dwudziestego wieku. Każde z tych zadań przeżyło kilka pokoleń matematyków, którzy próbowali i nie dali rady. To o nich mówi się, że wytrzymały próbę czasu, i to dlatego ich rozwiązanie jest warte miliona dolarów, a nie dlatego, że rachunki są długie.

Czy AI rozwiąże pozostałe sześć

Uczciwa odpowiedź: nie wiem, i nikt tego dzisiaj nie wie. Wiadomo natomiast, co zmieniło się w ciągu ostatniego roku, i to jest ciekawsze od prognoz.

Modele językowe przeszły drogę od wypluwania dowodów, które matematycy nazywali bełkotem, do bycia narzędziem, przy którym powstają wyniki publikowane w poważnych pracach. Nie jako autor, a jako narzędzie: badacz prowadzi, model podsuwa kierunki i wyłapuje błędy rachunkowe. Tam, gdzie to działa, działa dobrze.

Otwarte pozostaje pytanie zupełnie innego rodzaju, postawione przez jednego z najbardziej cenionych żyjących matematyków. Nawet gdyby autonomiczny system rzeczywiście rozwiązał problem, ale nie dałoby się przejrzeć drogi, którą do tego doszedł, wartość takiego wyniku dla matematyki byłaby niewielka. Powód nie ma nic wspólnego z niechęcią do maszyn: matematyka nie zbiera odpowiedzi, tylko metody. Dowód, którego nie da się prześledzić, nie uczy niczego, co dałoby się użyć przy następnym zadaniu. A na tej liście następnych zadań jest jeszcze sześć.

Jeśli interesuje Cię, jak dzisiejsze modele radzą sobie z rozumowaniem mierzonym w sposób porównywalny, prowadzę osobno rozbiór benchmarków modeli AI, razem z tym, czego one nie mierzą.