AI zniszczyło badania matematyka? Co powiedział Duminil-Copin i jak sprawdzać dowody
Hugo Duminil-Copin, laureat Medalu Fieldsa, powiedział, że OpenAI „unicestwiło” jego dziedzinę badań. Wyjaśniamy, co faktycznie opublikowano, ile dowodów jest sprawdzonych i jak samemu oceniać takie wyniki.

Spis treści 7
👁 118 przeczytań
To nie ustalony fakt, tylko ocena jednego z najważniejszych żyjących matematyków. Hugo Duminil-Copin, laureat Medalu Fieldsa z 2022 roku, powiedział, że po publikacji OpenAI z 6 października 2026 „unicestwiono” jego pole badań. Sama publikacja jest jednak częściowo niezweryfikowana, więc z dowodami wygenerowanymi przez AI trzeba postępować jak z surowymi danymi, a nie z gotowym twierdzeniem.
Co się wydarzyło 6 października 2026
OpenAI opublikowało 722 manuskrypty, zgrupowane w 372 rodziny. Trzy wycofano, zostało 719. Źródła nie są zgodne co do opisu: część mówi o 372 rodzinach tekstów, inne o rozwiązaniach około 372 problemów. Liczby są więc zgodne, ale nazwa jednostki się różni.
Duminil-Copin mówił o tym 8 października podczas wideokonferencji Société Mathématique de France. Według cytowanych relacji powiedział: „We wtorek wieczorem płakałem i obudziłem córkę” (tłumaczenie z angielskiego przekazu). Dodał też, że w paczce znalazło się 16 pytań, nad którymi sam pracował od lat. Zarzut, że OpenAI chciało pokazać, iż może „nas zmasakrować”, nazwał własną interpretacją, a nie udowodnionym zamiarem firmy.
Kontekst: we wrześniu OpenAI ogłosiło rozwiązanie problemu Naviera-Stokesa, za który od 2000 roku wyznaczono milion dolarów nagrody. Spór dotyczy też procesu. Międzynarodowa grupa doradcza przy Institute for Advanced Study w Princeton wydała 29 września zalecenia, ale po publikacji z 6 października nie poparła sposobu jej przeprowadzenia. Chodziło m.in. o użycie wewnętrznego, niedostępnego modelu i ograniczoną formalną weryfikację.
Ile dowodów AI jest sprawdzonych i dlaczego Lean nie wystarcza
Według przeglądu repozytorium około 42 procent głównych wyników ma formalizacje w Lean, czyli systemie, w którym komputer sprawdza każdy krok dowodu. Rzecznik OpenAI miał powiedzieć, że mniej więcej połowa wyników została opublikowana bez potwierdzenia. Ta informacja pochodzi z eseju Louisa Korczowskiego, który powołuje się na Retraction Watch, więc traktuję ją jako przekaz z drugiej ręki. Dzień po publikacji wycofano trzy manuskrypty po błędzie znaku, a 14 kolejnych poprawiono.
Lean nie zamyka sprawy. Johan Commelin z Mathlib Initiative ostrzega, że przetłumaczone na Lean twierdzenie wymaga ludzi, którzy przeczytają kod, i podejrzewa, że niektóre formalizacje „dowodzą słabszych tez, niż deklaruje artykuł” (cytat za Quanta Magazine). Maszyna sprawdza dowód, a człowiek musi sprawdzić, czy to był właściwy dowód.
Jest też problem skali. Duminil-Copin nie chce czytać ponad 3500 stron wygenerowanych przez AI, które dotyczą jego dziedziny. W jednym programie badawczym agenci OpenAI napisali 13 prac opisujących kolejne etapy większego projektu. Liczba tekstów nie jest jednak liczbą potwierdzonych przełomów.
Jak sprawdzać dowody wygenerowane przez AI
Daniel Litt z Uniwersytetu w Toronto proponuje, by do czasu opracowania przez człowieka traktować takie prace jak „wyniki badań” albo „surowe dane”. To rozsądny punkt wyjścia. Moja lista kroków wynika z tych zastrzeżeń:
- Ustal status: czy jest formalizacja w Lean, czy tylko tekst, oraz czy praca była później poprawiana lub wycofana.
- Porównaj tezę z artykułu z tezą w kodzie Lean. Sprawdź, czy formalizacja nie dowodzi czegoś słabszego.
- Rozbij argument na lematy i oznacz kroki, które są tylko stwierdzone, a nie uzasadnione.
- Sprawdź powiązania z literaturą. Prace AI często nie pokazują, jak nowy wynik łączy się z już znanymi.
- Dopiero na końcu poproś model o wyjaśnienie intuicji. Zrozumienie, dlaczego coś jest prawdą, to etap, którego AI w tych publikacjach brakuje.
Podobny rygor, czyli tabelę dowodów i kontrolę wniosków, opisałem przy mini-raporcie z AI. Szerszy kontekst sporu o matematykę i pieniądze znajdziesz w tekście AI kontra matematyka oraz w zamknięciu dnia o matematyce i agencie.
Nie przepłacaj za te subskrypcje
Prowadzę sklep z rocznymi dostępami do narzędzi AI - te same konta, o których piszę wyżej, tylko taniej niż w cenniku producenta.
Prompty do sprawdzania dowodów z ChatGPT, Claude i Gemini
Żaden model nie jest sędzią poprawności. Może pomóc uporządkować materiał, ale sam może się mylić, więc każdą jego uwagę trzeba zweryfikować w źródle.
1. Rozbicie dowodu na kroki. Pokazuje, gdzie argument jest tylko deklarowany.
Poniżej wklejam fragment dowodu: [fragment]. Rozbij go na lematy i kroki. Dla każdego kroku podaj założenia i zaznacz, czy jest uzasadniony w tekście, czy tylko stwierdzony. Niczego nie poprawiaj i nie uzupełniaj luk własnymi pomysłami.2. Porównanie tezy z formalizacją. Odpowiada na obawę Commelina.
Mam twierdzenie z artykułu: [teza]. Oto jego formalizacja w Lean: [kod]. Wypisz różnice między nimi: dodatkowe założenia, osłabione warunki, zmienione kwantyfikatory. Oceń, czy formalna wersja może dowodzić słabszej tezy. Jeśli czegoś nie jesteś pewien, napisz „brak pewności”.3. Mapa literatury. Ma wskazać, co sprawdzić, a nie zastąpić sprawdzenia.
Temat pracy: [temat]. Wymień pojęcia i znane wyniki, z którymi ten argument powinien być powiązany. Nie podawaj numerów stron ani cytatów, jeśli ich nie znasz. Oznacz osobno to, co muszę zweryfikować w bazach publikacji.4. Wyjaśnienie intuicji. Sprawdza, czy argument da się streścić po ludzku.
Wyjaśnij w [liczba] zdaniach, dlaczego wynik [teza] miałby być prawdziwy, na poziomie studenta [kierunek]. Wskaż miejsce, w którym intuicja się urywa i potrzebny jest techniczny argument.5. Karta kontrolna. Do własnej notatki.
Zrób tabelę dla pracy [tytuł]: status weryfikacji (Lean, recenzja, brak), poprawki i wycofania, zgodność tezy z formalizacją, powiązania z literaturą, pytania otwarte. Pola, których nie da się ustalić z podanego tekstu, zostaw jako „do sprawdzenia”.
Gdzie AI się myli: może pewnie opisać krok, którego w dowodzie nie ma, i zmyślić odniesienie do literatury. Dlatego w prompcie 3 wprost zakazuję zmyślonych cytatów, a wynik zawsze porównuję z oryginałem. Podobne zasady przy rzetelnej pracy badawczej opisuje tekst o Perplexity w badaniach naukowych.
Młodzi matematycy i zamknięta wymiana pomysłów
Duminil-Copin martwi się głównie o młodszych badaczy, którym trudniej będzie się wybić, jeśli AI szybko produkuje wyniki, na które kiedyś potrzeba było lat. Obawia się też, że matematycy przestaną dzielić się obiecującymi pytaniami, bo firmy mogłyby nimi kierować swoje modele. Według Quanta Magazine część badaczy już przestała publikować otwarte hipotezy na końcu artykułów, a arXiv ograniczył autorów do dwóch zgłoszeń miesięcznie. Spadła też aktywność na MathOverflow, bo studenci pytają modele prywatnie.
Sam Duminil-Copin zamierza przeanalizować prace AI, nadal rozwiązywać problemy bez AI i poświęcić więcej czasu na nauczanie. Chce, by społeczność wspólnie opracowała sposób zrozumienia i opisania wyników, zamiast zostawiać je jako stos nieprzeczytanych plików. Z podobną niepewnością co do ocen i wiarygodności mierzy się edukacja, o czym piszę w tekście o AI zamiast korepetycji.
Najczęstsze pytania
Co dokładnie powiedział Duminil-Copin o AI?
Podczas wideokonferencji 8 października 2026 powiedział, że OpenAI „unicestwiło” jego dziedzinę badań, i opisał, że płakał po publikacji. Oświadczył też, że 16 opublikowanych pytań to te, nad którymi pracował od lat.
Czy wszystkie dowody OpenAI są poprawne?
Nie ma na to potwierdzenia. Repozytorium przyznaje, że wyniki są na różnych etapach weryfikacji. Trzy manuskrypty wycofano po błędach, inne poprawiono, a około 42 procent głównych wyników ma formalizacje w Lean.
Czy Lean gwarantuje, że dowód jest dobry?
Nie w pełni. Lean sprawdza kroki logiczne, ale człowiek musi ocenić, czy formalna teza odpowiada tej z artykułu. Według ostrzeżenia z Quanta Magazine zdarzają się formalizacje, które dowodzą słabszego twierdzenia.
Czy mogę poprosić ChatGPT o sprawdzenie dowodu?
Możesz poprosić o rozbicie dowodu na kroki i wskazanie luk, ale to tylko pomoc w porządkowaniu. Ocena poprawności wymaga recenzji, formalnej weryfikacji albo własnej analizy.
Źródła

Autor
Twórca i autor Promptowego, polskiego serwisu o sztucznej inteligencji. Codziennie śledzi premiery modeli, narzędzia i regulacje AI, i tłumaczy je prostym, konkretnym językiem.
Czytaj dalej
- przelomowy.plTest 10 modeli AI w zakupach: więcej rozumowania podnosi pewność, nie trafność wyboru
- generatornia.plŻyczenia świąteczne obrazek: jak zrobić kartkę AI na komunikatory
- przewagi.plAutomatyzacja faktur: zacznij od obiegu i wyjątków, potem dodaj AI
- jutropis.plKE konsultuje formularz oceny wpływu AI na prawa podstawowe



