Neurokirurg løste 22 år gammelt matematisk problem – ved at lade ChatGPT køre i 16 timer

I juli 2026 gjorde en neurokirurgisk reservlæge i Beijing, Jin Shanmu, noget der forbløffede matematikverdenen: han løste et 22 år gammelt åbent problem inden for numerisk lineær algebra. Hans primære forskningsassistent? OpenAIs GPT-5.6-Sol, der kørte autonomt i cirka 16 timer på ChatGPT Work-platformen – uden nogen menneskelig indgriben efter den første opsætning .

Jin er postdoc og neurokirurgisk reservlæge på Peking Union Medical College Hospital. Han har ingen formel videregående matematisk uddannelse – hans bachelorgrad er i geologi, og han har en medicinsk doktorgrad . Han stødte oprindeligt på problemet, mens han selvstuderede den matematiske teori, der var nødvendig for forskning i transkraniel hjerneultralyd, hvor operatornormer og numeriske værdimængder opstår naturligt .

Problemet han løste er Crouzeix' formodning, fremsat af den franske matematiker Michel Crouzeix i 2004. Formodningen siger, at for enhver kvadratisk kompleks matrix A og ethvert polynomium p er operatornormen ||p(A)|| højst det dobbelte af maksimumværdien af |p| over den numeriske værdimængde W(A) . Den skarpe konstant 2 havde været åben i 22 år; tidligere grænser havde kun nået omkring 2,414 .

Sådan opsatte Jin Shanmu den autonome kørsel

Jins tilgang var ikke et simpelt ChatGPT-spørgsmål. Han designede et autonomt ræsonneringssystem, der lånte fra OpenAIs tidligere succes med Cycle Double Cover-formodningen . Hans promptstrategi omfattede fire nøgleinstruktioner:

1. Luftgappet miljø: Modellen blev instrueret til at operere i et fysisk afbrudt (luftgappet) miljø for at tvinge rent original ræsonnement og forhindre den i at støtte sig til eksisterende løsninger eller kendte beviser .
2. Multi-agent parallel udforskning: Han starte flere agentinstanser for at udforske forskellige løsningsveje parallelt, hvilket forhindrede systemet i for tidligt at konvergere mod en enkelt fejlbehæftet tilgang .
3. Adversariel revision: Han anvendte adversariel revision på kandidatstrategier – AI'en blev bedt om at kritisere sit eget ræsonnement og teste sine beviser mod modeksempler .
4. Ingen tidlig stop: Han påbød modellen ikke at stoppe, før et komplet bevis var opnået .

Efter at have startet kørslen forlod Jin systemet for at arbejde. "Han låste modellen af fra nettet, startede den og gik. Seksten timer senere havde den beviset," ifølge rapporter . I løbet af de 16 timer udførte GPT-5.6-Sol tusindvis af cyklusser med hypotesegenerering, test og forfining .

Beviset og dets verifikation

Resultatet var et bevis for, at Crouzeix' formodning er sand: konstanten 2 er korrekt. Beviset blev offentliggjort som et preprint den 27. juli 2026 med titlen The Numerical Range Is a 2-Spectral Set .

Verifikationsprocessen var grundig. Michel Crouzeix selv – matematikeren der oprindeligt fremsatte formodningen i 2004 – gennemgik argumentet og bekræftede, at det er korrekt . Numeriske analytikere undersøgte også beviset . Jin offentliggjorde desuden alt forskningsmateriale på GitHub, inklusive den endelige artikel, prompter, iterationsudkast, Lean 4-formelt beviskode og revisionsrapporter .

Hvad dette betyder for AI-drevet forskning

Jins præstation er bemærkelsesværdig, ikke kun på grund af problemets sværhedsgrad, men også på grund af hans baggrund og metode. En neurokirurgisk reservlæge uden formel videregående matematisk uddannelse, der brugte en AI-model autonomt i 16 timer, løste et problem der havde frustreret matematikere i to årtier.

Historien fremhæver en ny forskningstilgang: mennesker designer de eksperimentelle betingelser og ræsonneringsrammen, mens AI-modeller udfører storstilet, autonom udforskning af matematisk rum. Det er en konkret demonstration af, at AI kan fungere som en ægte forskningspartner i matematik – ikke bare et værktøj til beregning eller søgning, men et system der er i stand til at generere nye beviser.

Om denne tilgang bliver en standardmetode i matematisk forskning, må tiden vise. Men indtil videre står Jin Shanmus resultat som et af de mest slående eksempler på AI-forstærket opdagelse i 2026.