Neurokirurgi ratkaisi 22 vuotta vanhan matemaattisen ongelman jättämällä ChatGPT:n päälle 16 tunniksi

Heinäkuussa 2026 pekingiläinen neurokirurgian erikoislääkäri Jin Shanmu teki jotain, mikä hämmästytti matematiikan maailmaa: hän ratkaisi 22 vuotta avoimena olleen numeerisen lineaarialgebran ongelman. Hänen tärkein tutkimusavustajansa? OpenAI:n GPT-5.6-Sol, joka toimi itsenäisesti noin 16 tuntia ChatGPT Work -alustalla – ilman ihmisen väliintuloa alkuasetuksen jälkeen .

Jin on jatko-opiskelija ja neurokirurgian erikoislääkäri Peking Union Medical College Hospital -sairaalassa. Hänellä ei ole muodollista matematiikan korkeakoulutusta – hänen kandidaatin tutkintonsa on geologiasta, ja hänellä on lääketieteen tohtorin tutkinto . Hän törmäsi ongelmaan alun perin opiskellessaan itse matematiikkaa, jota tarvitaan transkraniaaliseen aivojen ultraäänitutkimukseen, jossa operaattorinormit ja numeeriset alueet esiintyvät luonnollisesti .

Ratkaistu ongelma on Crouzeixin konjektuuri, jonka ranskalainen matemaatikko Michel Crouzeix esitti vuonna 2004. Konjektuuri väittää, että mille tahansa neliökompleksimatriisille A ja polynomille p, operaattorinormi ||p(A)|| on enintään kaksi kertaa funktion |p| maksimiarvo numeerisella alueella W(A) . Tarkka vakio 2 oli pysynyt ratkaisematta 22 vuotta; aiemmat rajat olivat saavuttaneet vain noin 2,414 .

Kuinka Jin Shanmu asetti autonomisen ajon

Jinin lähestymistapa ei ollut yksinkertainen ChatGPT-kysely. Hän suunnitteli autonomisen päättelyjärjestelmän, hyödyntäen OpenAI:n aiempaa menestystä Cycle Double Cover -konjektuurin ratkaisussa . Hänen kehotestrategiansa sisälsi neljä keskeistä ohjetta:

1. Ilmatiivis ympäristö: Malli ohjeistettiin toimimaan fyysisesti eristetyssä (ilmatiiviissä) ympäristössä, jotta se pakotettaisiin puhtaasti omaperäiseen päättelyyn eikä voisi tukeutua olemassa oleviin ratkaisuihin tai tunnettuihin todisteisiin .
2. Monen agentin rinnakkaisetsintä: Hän käynnisti useita agentti-instansseja tutkimaan eri ratkaisupolkuja rinnakkain, estäen järjestelmää ennenaikaisesti keskittymästä yhteen virheelliseen lähestymistapaan .
3. Adversariaalinen tarkastus: Hän sovelsi adversariaalista tarkastusta ehdokasstrategioihin – tekoälyä kehotettiin kritisoimaan omaa päättelyään ja testaamaan todisteitaan vastaesimerkkejä vastaan .
4. Ei aikaisin pysäytystä: Hän määräsi mallia olemaan pysähtymättä ennen kuin täydellinen todiste saatiin .

Kun ajo alkoi, Jin jätti järjestelmän työskentelemään. ”Hän lukitsi mallin pois verkosta, käynnisti sen ja lähti. Kuusitoista tuntia myöhemmin sillä oli todiste”, raporttien mukaan . Noiden 16 tunnin aikana GPT-5.6-Sol suoritti tuhansia hypoteesien luomisen, testauksen ja tarkentamisen syklejä .

Todiste ja sen vahvistus

Tuloksena oli todiste siitä, että Crouzeixin konjektuuri on tosi: vakio 2 on oikein. Todiste julkaistiin esijulkaisuna 27. heinäkuuta 2026 otsikolla The Numerical Range Is a 2-Spectral Set .

Vahvistusprosessi oli perusteellinen. Michel Crouzeix itse – matemaatikko, joka alun perin esitti konjektuurin vuonna 2004 – tarkasti argumentin ja vahvisti sen oikeaksi . Numeeriset analyytikot tarkastivat myös todisteen . Jin julkaisi lisäksi kaikki tutkimusmateriaalit GitHubissa, mukaan lukien lopullisen paperin, kehotteet, iteraatioversiot, Lean 4 -muodollisen todisteen koodin ja tarkastusraportit .

Mitä tämä merkitsee tekoälyvetoiselle tutkimukselle

Jinin saavutus on merkittävä paitsi ongelman vaikeuden, myös hänen taustansa ja menetelmänsä vuoksi. Neurokirurgian erikoislääkäri ilman muodollista matematiikan korkeakoulutusta, käyttäen tekoälymallia itsenäisesti 16 tuntia, ratkaisi ongelman, joka oli turhauttanut matemaatikkoja kaksi vuosikymmentä.

Tarina korostaa uutta tutkimustapaa: ihmiset suunnittelevat koeolosuhteet ja päättelykehyksen, kun tekoälymallit toteuttavat laajamittaista, itsenäistä matemaattisen avaruuden tutkimusta. Se on konkreettinen osoitus siitä, että tekoäly voi toimia todellisena tutkimuskumppanina matematiikassa – ei vain laskennan tai haun työkaluna, vaan järjestelmänä, joka pystyy tuottamaan uusia todisteita.

Jää nähtäväksi, tuleeko tästä lähestymistavasta matematiikan tutkimuksen vakiomenetelmä. Mutta toistaiseksi Jin Shanmun tulos on yksi silmiinpistävimmistä esimerkeistä tekoälyn avustamasta löydöstä vuonna 2026.