Όταν η ΤΝ έπαψε να υποβοηθά την επιστήμη και άρχισε να την ασκεί

Συνέβη κάτι που αξίζει πολύ μεγαλύτερη προσοχή από όση του δίνεται.

Στις 6 Οκτωβρίου, η OpenAI δημοσίευσε 722 μαθηματικά χειρόγραφα σε ένα δημόσιο αποθετήριο του GitHub. Τα κείμενα παρήχθησαν από ένα εσωτερικό μοντέλο αιχμής, το οποίο δεν έχει κυκλοφορήσει και δεν έχει όνομα γνωστό στο κοινό. Τα αποτελέσματα καλύπτουν 17 κλάδους των μαθηματικών και οργανώνονται σε 372 διακριτές οικογένειες. Ορισμένοι από τους ισχυρισμούς, αν επαληθευτούν, θα συνιστούσαν ουσιαστική πρόοδο σε προβλήματα που παραμένουν άλυτα εδώ και δεκαετίες.

Η άμεση αντίδραση χωρίστηκε σε δύο στρατόπεδα, όπως συμβαίνει πάντα. Το ένα υποστήριξε ότι πρόκειται για κάτι εξαιρετικό και μετασχηματιστικό. Το άλλο είπε: ας μην προτρέχουμε· τίποτα από αυτά δεν έχει αξιολογηθεί από ομοτίμους και δεν γνωρίζουμε αν έστω και ένα από τα αποτελέσματα είναι σωστό.

Και οι δύο αντιδράσεις είναι βάσιμες, αλλά και οι δύο παραβλέπουν το σημαντικότερο ερώτημα: είναι σωστά τα αποτελέσματα και ποιος επαληθεύει την απάντηση;

Δύο ερωτήματα. Μόνο το ένα έχει απαντηθεί.

Ας διαχωρίσω δύο ζητήματα που η κάλυψη των μέσων παρουσιάζει μαζί, αλλά αξίζουν περαιτέρω ανάλυση, επειδή έχουν εντελώς διαφορετικές συνέπειες.

Το πρώτο ερώτημα είναι αν αυτά τα μαθηματικά αποτελέσματα είναι σωστά. Αυτό είναι ερώτημα για τους μαθηματικούς και θα χρειαστούν μήνες για να απαντηθεί. Περίπου το ένα πέμπτο των 722 χειρογράφων συνοδεύεται από αποδείξεις σε Lean, δηλαδή από τυπική επαλήθευση που ελέγχεται από μηχανή. Τα υπόλοιπα, περίπου 580, δεν έχουν τέτοιες αποδείξεις, ενώ η ίδια η OpenAI αναγνωρίζει στο αρχείο README του αποθετηρίου ότι ορισμένα μη τυποποιημένα αποτελέσματα ενδέχεται να έχουν προβλήματα. Η μαθηματική κοινότητα θα τα εξετάσει προσεκτικά. Κάποια αποτελέσματα θα αντέξουν στον έλεγχο. Κάποια πιθανότατα όχι. Αυτή η διαδικασία είναι απαραίτητη και δεν έχει γίνει ακόμη.

Το δεύτερο ερώτημα είναι διαφορετικό: τι σημαίνει το γεγονός ότι ένα μοντέλο ΤΝ παρήγαγε 722 μαθηματικά χειρόγραφα σε 17 κλάδους, χρησιμοποιώντας υπολογιστική ισχύ αντίστοιχη με περίπου τρεις ώρες σκέψης για κάθε αποτέλεσμα;

Ένα σύστημα ΤΝ λειτούργησε ως πραγματική μηχανή μαθηματικών ανακαλύψεων: έθεσε στον εαυτό του περίπου 4.000 προβλήματα και παρήγαγε πρωτότυπο μαθηματικό έργο στη θεωρία αριθμών, τη γεωμετρία, τη θεωρητική πληροφορική, τη μαθηματική φυσική και τη λογική. Το ερώτημα της επαλήθευσης έχει σημασία για τη μελέτη των μαθηματικών, αλλά το επίτευγμα και οι δυνατότητες που καταδεικνύει έχουν σημασία για όλα τα υπόλοιπα.

Το μοντέλο που κανείς δεν μπορεί να χρησιμοποιήσει

Η λεπτομέρεια που μου φαίνεται πιο εντυπωσιακή δεν είναι τα 722 κείμενα, αλλά το μοντέλο που τα παρήγαγε, το οποίο παραμένει ανώνυμο και δεν διαθέτει API. Δεν είναι διαθέσιμο σε κανέναν πελάτη, σε κανέναν ερευνητή εκτός της OpenAI ή σε καμία εταιρεία που θα ήθελε να βασιστεί σε αυτό. Η OpenAI δημοσίευσε τα αποτελέσματα μιας δυνατότητας που η αγορά δεν έχει ακόμη δει και στην οποία δεν έχει ακόμη πρόσβαση.

Από επενδυτική σκοπιά, αυτό αποτελεί ένα πολύ συγκεκριμένο σήμα. Η OpenAI απέδειξε ότι διαθέτει μια δυνατότητα αιχμής, η οποία, εξ ορισμού, ξεπερνά όσα έχει ήδη αποτιμήσει η αγορά. Με αυτό το επίτευγμα διευρύνθηκε η απόσταση ανάμεσα σε όσα μπορούν να κάνουν τα εσωτερικά μοντέλα της OpenAI και σε όσα αντιλαμβάνεται η αγορά ότι μπορούν να κάνουν.

Ωστόσο, αυτό το χάσμα δεν παραμένει μεγάλο για πάντα. Μικραίνει όταν κυκλοφορεί το μοντέλο, όταν οι ανταγωνιστές καλύπτουν τη διαφορά ή όταν τα αποτελέσματα συμβάλλουν στη δημιουργία νέων σημείων αναφοράς, έναντι των οποίων αρχίζουν να βελτιστοποιούν τις επιδόσεις τους όλοι. Αυτή τη στιγμή, όμως, τον Οκτώβριο του 2026, υπάρχει δημόσια τεκμηριωμένη επίδειξη μιας μαθηματικής ικανότητας σε σύστημα ΤΝ, το οποίο κανείς εκτός της εταιρείας δεν μπορεί να χρησιμοποιήσει ή να αξιολογήσει πλήρως.

Πώς αλλάζει αυτό την επενδυτική θέση

Στο Επενδύοντας στις επαναστάσεις, περιγράφω το «Φαινόμενο της Σύγκλισης» ως την αρχή σύμφωνα με την οποία, όταν συνδυάζονται μετασχηματιστικές τεχνολογίες, το αποτέλεσμα δεν είναι αθροιστικό αλλά πολλαπλασιαστικό. Δύο συν δύο δεν κάνουν τέσσερα. Το αποτέλεσμα είναι κάτι που καμία από τις δύο τεχνολογίες δεν θα μπορούσε να δημιουργήσει μόνη της.

Εδώ και δύο χρόνια γράφω για τον συνδυασμό της ΤΝ με την επιστημονική ανακάλυψη ως επενδυτική τάση που διαμορφώνει το μέλλον. Για τα χρονοδιαγράμματα ανακάλυψης φαρμάκων που, χάρη στον συνδυασμό υβριδικής ΤΝ και κβαντικής υπολογιστικής, συρρικνώνονται από χρόνια σε εβδομάδες. Για την πρόοδο της επιστήμης των υλικών μέσω μοριακών προσομοιώσεων που παράγονται από ΤΝ. Για τον μετασχηματισμό της κρυπτογραφίας μέσω ανάλυσης μαθηματικών θεμελίων με τη βοήθεια της ΤΝ.

Αυτές ήταν προβλέψεις βασισμένες σε πρώιμες ενδείξεις. Αυτή την εβδομάδα, μία από αυτές έγινε πραγματικότητα.

Ένα μοντέλο ΤΝ που πραγματοποιεί πραγματικές μαθηματικές ανακαλύψεις σε κλίμακα 722 χειρογράφων και 17 κλάδων συνιστά μια ριζικά διαφορετική σχέση ανάμεσα στην ΤΝ και την επιστημονική γνώση από εκείνη που θεωρούσαμε δεδομένη μέχρι σήμερα. Οι κλάδοι στους οποίους αυτό έχει τη μεγαλύτερη σημασία είναι ακριβώς εκείνοι που παρακολουθώ. Η θεωρία αριθμών αποτελεί τη μαθηματική βάση της κρυπτογραφίας, η οποία με τη σειρά της αποτελεί τη βάση κάθε συστήματος blockchain και κάθε πρωτοκόλλου ασφαλούς επικοινωνίας. Η μαθηματική φυσική αποτελεί θεμέλιο της επιστήμης των υλικών και του υλικού κβαντικών υπολογιστών. Η θεωρητική πληροφορική είναι η ραχοκοκαλιά της ανάπτυξης αλγορίθμων. Η πρόοδος σε οποιονδήποτε από αυτούς τους κλάδους διαχέεται προς τα κάτω, σε προϊόντα, εταιρείες και ολόκληρους κλάδους της οικονομίας.

Όταν η ΤΝ επιταχύνει την πρόοδο σε αυτούς τους κλάδους σε σχέση με την εργασία μεμονωμένων ανθρώπινων ερευνητών, επιταχύνεται και η διάχυση των αποτελεσμάτων σε επόμενους τομείς. Για τους επενδυτές, το ερώτημα είναι τι πρόκειται να επιταχυνθεί, ποιοι παράγοντες θα δώσουν ώθηση, πόσο γρήγορα θα γίνει αυτό και ποιοι βρίσκονται στην πορεία αυτής της επιτάχυνσης.

Η οικονομία της επαλήθευσης που δεν υπάρχει ακόμη

Υπάρχει σε αυτή την ιστορία μια συγκεκριμένη επενδυτική συνέπεια, την οποία δεν έχω δει κανέναν να κατονομάζει με σαφήνεια.

162 από τα 722 χειρόγραφα περιέχουν αποδείξεις σε Lean που έχουν ελεγχθεί μηχανικά. Τα υπόλοιπα δεν περιέχουν. Η OpenAI βασίστηκε σε μια συμβουλευτική ομάδα του Institute for Advanced Study για την αρχική εποπτεία. Η ομάδα περιέγραψε τη δημοσίευση ως πρώτο βήμα, το οποίο εγκαινιάζει —αλλά δεν ολοκληρώνει— την προσπάθεια ενσωμάτωσης των αποτελεσμάτων στη μαθηματική γνώση.

Τι σημαίνει αυτό στην πράξη; Έχουμε πλέον φτάσει σε ένα σημείο όπου τα συστήματα ΤΝ μπορούν να παράγουν μαθηματικούς και επιστημονικούς ισχυρισμούς ταχύτερα απ’ όσο μπορεί να τους επαληθεύσει η υφιστάμενη ανθρώπινη υποδομή. Αυτό το χάσμα ανάμεσα στην παραγωγή και την επαλήθευση δεν είναι προσωρινό πρόβλημα. Διευρύνεται ανάλογα με τις δυνατότητες. Κάθε βελτίωση στην ικανότητα της ΤΝ να παράγει επιστημονικά αποτελέσματα μεγαλώνει το χάσμα της επαλήθευσης, εκτός αν δημιουργηθεί κάτι που θα το γεφυρώσει.

Αυτό που χρειάζεται είναι μια νέα κατηγορία υποδομών: εργαλεία τυπικής επαλήθευσης, έλεγχος αποδείξεων με τη βοήθεια της ΤΝ και αυτοματοποιημένες διαδικασίες για τη δοκιμή μαθηματικών ισχυρισμών με βάση γνωστά αποτελέσματα και εσωτερικά συνεπή πλαίσια. Το σύστημα αποδείξεων Lean είναι μια αρχή, αλλά καλύπτει το 22% αυτής της δημοσίευσης και δεν σχεδιάστηκε για τον όγκο εργασίας που έρχεται.

Η οικονομία της επαλήθευσης της επιστήμης που παράγεται από την ΤΝ θα είναι σημαντική, αλλά σήμερα μόλις που υπάρχει. Οι εταιρείες που θα τη δημιουργήσουν θα προσφέρουν κάτι πραγματικά αναγκαίο και όχι απλώς χρήσιμο — και αυτό είναι το πιο ανθεκτικό είδος υποδομής που μπορεί να δημιουργήσει κανείς.

Η γραμμή που μετακινείται εδώ και 80 χρόνια

Όταν οι υπολογιστές άρχισαν να εκτελούν αριθμητικούς υπολογισμούς ταχύτερα από τους ανθρώπους, οι περισσότεροι μαθηματικοί το απέρριψαν ως υπολογισμό και όχι ως μαθηματικά. Οι μηχανές μπορούσαν να κάνουν πράξεις. Δεν μπορούσαν να ανακαλύψουν. Αυτή ήταν η γραμμή.

Έκτοτε, η γραμμή μετακινείται διαρκώς. Οι αποδείξεις με τη βοήθεια υπολογιστή για σημαντικά αποτελέσματα, όπως το θεώρημα των τεσσάρων χρωμάτων, προκάλεσαν αντιπαραθέσεις τις δεκαετίες του 1980 και του 1990, επειδή κανένας άνθρωπος δεν μπορούσε να ελέγξει πλήρως την απόδειξη. Τα αυτοματοποιημένα συστήματα απόδειξης θεωρημάτων εξελίχθηκαν κατά τις δεκαετίες του 2000 και του 2010. Κάθε φορά που μετακινούνταν η γραμμή, εμφανιζόταν το ίδιο επιχείρημα: αυτό δεν είναι αληθινά μαθηματικά· είναι απλώς υπολογισμός.

Η γραμμή μετακινήθηκε ξανά, πιο αισθητά απ’ ό,τι τα τελευταία χρόνια και με τρόπο που είναι δυσκολότερο να απορριφθεί, καθώς το αποτέλεσμα βρίσκεται σε ένα δημόσιο αποθετήριο στο GitHub, το οποίο μπορεί να εξετάσει οποιοσδήποτε.

Δεν ισχυρίζομαι ότι και τα 722 αποτελέσματα θα αντέξουν στον έλεγχο. Ισχυρίζομαι ότι η ικανότητα που επιδείχθηκε κατά την παραγωγή τους συνιστά μια ουσιαστική και διαρκή αλλαγή σε όσα μπορεί να κάνει η ΤΝ στους επιστημονικούς κλάδους.

Το σημείο καμπής για τους επενδυτές

Στο Επενδύοντας στις επαναστάσεις, υποστηρίζω ότι οι μεγαλύτερες επενδυτικές ευκαιρίες εμφανίζονται σε σημεία καμπής, όταν οι τεχνολογίες που μεταμορφώνουν τον κόσμο περνούν ένα κατώφλι και αλλάζουν ριζικά όσα είναι πλέον εφικτά. Αυτή είναι μια τέτοια στιγμή.

Η αναδυόμενη ικανότητα της ΤΝ να παράγει πρωτότυπες επιστημονικές ανακαλύψεις σηματοδοτεί μια αλλαγή στον τρόπο με τον οποίο πραγματοποιείται η καινοτομία και στο πού θα δημιουργηθεί αξία. Οι επιπτώσεις δεν περιορίζονται στους δημιουργούς ΤΝ, αλλά εκτείνονται στην ανακάλυψη φαρμάκων, τα προηγμένα υλικά, την ενέργεια, την κρυπτογραφία και την Έρευνα και Ανάπτυξη (R&D) στη βιομηχανία, όπου η επιτάχυνση της έρευνας θα μπορούσε να συντομεύσει τα χρονοδιαγράμματα ανάπτυξης, να μειώσει το κόστος και να ανοίξει εντελώς νέες αγορές.

Για τους επενδυτές, η ευκαιρία έγκειται στο να αναγνωρίσουν αυτό το σημείο καμπής πριν γίνουν προφανείς οι εμπορικές του συνέπειες. Αυτό σημαίνει να εντοπίσουν τις υποδομές που απαιτούνται για την επικύρωση ανακαλύψεων που παράγονται από την ΤΝ, καθώς και τις εταιρείες που βρίσκονται στην καλύτερη θέση για να τις μετατρέψουν σε αποκλειστικές τεχνολογίες, επιχειρήσεις με δυνατότητα κλιμάκωσης και διαρκές ανταγωνιστικό πλεονέκτημα.

Τα επιμέρους ευρήματα εξακολουθούν να χρειάζονται επαλήθευση, αλλά το ευρύτερο μήνυμα είναι σαφές: η ΤΝ περνά από την υποβοήθηση της επιστημονικής ανακάλυψης στο ενδεχόμενο να την καθοδηγεί. Οι επενδυτές που κατανοούν τη σημασία αυτής της αλλαγής και το πού θα συγκλίνουν οι επιπτώσεις της θα είναι σε καλύτερη θέση να αποκομίσουν την αξία που δημιουργεί.