Jin jest doktorantem i rezydentem neurochirurgii w Szpitalu Unii Medycznej w Pekinie (Peking Union Medical College Hospital). Nie ma formalnego wykształcenia w zaawansowanej matematyce – jego licencjat jest z geologii, a doktorat z medycyny . Na problem natknął się podczas samodzielnego studiowania teorii matematycznej potrzebnej do badań nad przezczaszkową ultrasonografią mózgu, gdzie naturalnie pojawiają się normy operatorowe i zakresy liczbowe .

Problem, który rozwiązał, to hipoteza Crouzeix’a, postawiona w 2004 roku przez francuskiego matematyka Michela Crouzeix’a. Hipoteza głosi, że dla dowolnej kwadratowej macierzy zespolonej A i wielomianu p, norma operatorowa ||p(A)|| jest co najwyżej dwukrotnością maksymalnej wartości |p| w zakresie liczbowym W(A) . Optymalna stała 2 pozostawała nieudowodniona przez 22 lata; wcześniejsze oszacowania sięgały jedynie około 2,414 .

Jak Jin Shanmu skonfigurował autonomiczne uruchomienie

Podejście Jina nie było prostym zapytaniem do ChatGPT. Zaprojektował autonomiczny system rozumowania, czerpiąc z wcześniejszego sukcesu OpenAI w rozwiązaniu hipotezy Cycle Double Cover . Jego strategia obejmowała cztery kluczowe instrukcje:

1. Środowisko odizolowane (air-gapped): Model miał działać w fizycznie odciętym od sieci środowisku, aby zmusić go do całkowicie oryginalnego rozumowania, bez możliwości korzystania z istniejących rozwiązań .
2. Wieloagentowa eksploracja równoległa: Uruchomił wiele instancji agentów, aby badały różne ścieżki rozwiązań równolegle, zapobiegając przedwczesnemu skupieniu się na jednym błędnym podejściu .
3. Audyt kontradyktoryjny: Zastosował audyt kontradyktoryjny – AI miało krytykować własne rozumowanie i testować dowody na kontrprzykładach .
4. Bez wcześniejszego przerywania: Nakazał modelowi nie przerywać pracy, dopóki nie uzyska pełnego dowodu .

Po uruchomieniu Jin zostawił system do pracy. „Odciął model od internetu, uruchomił go i wyszedł. Szesnaście godzin później miał dowód” – relacjonują źródła . W ciągu tych 16 godzin GPT-5.6-Sol wykonał tysiące cykli generowania hipotez, testowania i udoskonalania .

Dowód i jego weryfikacja

Rezultatem był dowód potwierdzający prawdziwość hipotezy Crouzeix’a: stała 2 jest poprawna. Dowód został opublikowany jako preprint 27 lipca 2026 roku pod tytułem The Numerical Range Is a 2-Spectral Set .

Proces weryfikacji był rygorystyczny. Sam Michel Crouzeix – matematyk, który postawił hipotezę w 2004 roku – przejrzał argumentację i potwierdził jej poprawność . Analitycy numeryczni również zbadali dowód . Jin dodatkowo opublikował wszystkie materiały badawcze na GitHubie, w tym ostateczną wersję artykułu, podpowiedzi (prompty), kolejne wersje szkiców, kod formalnego dowodu w Lean 4 oraz raporty z audytu .

Co to oznacza dla badań wspomaganych przez AI

Osiągnięcie Jina jest godne uwagi nie tylko ze względu na trudność problemu, ale także na jego metodykę i pochodzenie. Rezydent neurochirurgii bez formalnego stopnia naukowego z matematyki, używając autonomicznego modelu AI przez 16 godzin, rozwiązał problem, który frustrował matematyków przez dwie dekady.

Historia ta pokazuje nowy tryb badań: ludzie projektują warunki eksperymentalne i ramy rozumowania, podczas gdy modele AI wykonują autonomiczną, wielkoskalową eksplorację przestrzeni matematycznej. To konkretny dowód na to, że AI może służyć jako prawdziwy partner badawczy w matematyce – nie tylko narzędzie do obliczeń, ale system zdolny do generowania nowatorskich dowodów.

Czy to podejście stanie się standardem w badaniach matematycznych? Czas pokaże. Na razie wynik Jina Shanmu jest jednym z najbardziej uderzających przykładów odkrycia wspomaganego przez AI w 2026 roku.

Jin jest doktorantem i rezydentem neurochirurgii w Szpitalu Unii Medycznej w Pekinie (Peking Union Medical College Hospital). Nie ma formalnego wykształcenia w zaawansowanej matematyce – jego licencjat jest z geologii, a doktorat z medycyny . Na problem natknął się podczas samodzielnego studiowania teorii matematycznej potrzebnej do badań nad przezczaszkową ultrasonografią mózgu, gdzie naturalnie pojawiają się normy operatorowe i zakresy liczbowe .

Problem, który rozwiązał, to hipoteza Crouzeix’a, postawiona w 2004 roku przez francuskiego matematyka Michela Crouzeix’a. Hipoteza głosi, że dla dowolnej kwadratowej macierzy zespolonej A i wielomianu p, norma operatorowa ||p(A)|| jest co najwyżej dwukrotnością maksymalnej wartości |p| w zakresie liczbowym W(A) . Optymalna stała 2 pozostawała nieudowodniona przez 22 lata; wcześniejsze oszacowania sięgały jedynie około 2,414 .

Jak Jin Shanmu skonfigurował autonomiczne uruchomienie

Podejście Jina nie było prostym zapytaniem do ChatGPT. Zaprojektował autonomiczny system rozumowania, czerpiąc z wcześniejszego sukcesu OpenAI w rozwiązaniu hipotezy Cycle Double Cover . Jego strategia obejmowała cztery kluczowe instrukcje:

1. Środowisko odizolowane (air-gapped): Model miał działać w fizycznie odciętym od sieci środowisku, aby zmusić go do całkowicie oryginalnego rozumowania, bez możliwości korzystania z istniejących rozwiązań .
2. Wieloagentowa eksploracja równoległa: Uruchomił wiele instancji agentów, aby badały różne ścieżki rozwiązań równolegle, zapobiegając przedwczesnemu skupieniu się na jednym błędnym podejściu .
3. Audyt kontradyktoryjny: Zastosował audyt kontradyktoryjny – AI miało krytykować własne rozumowanie i testować dowody na kontrprzykładach .
4. Bez wcześniejszego przerywania: Nakazał modelowi nie przerywać pracy, dopóki nie uzyska pełnego dowodu .

Po uruchomieniu Jin zostawił system do pracy. „Odciął model od internetu, uruchomił go i wyszedł. Szesnaście godzin później miał dowód” – relacjonują źródła . W ciągu tych 16 godzin GPT-5.6-Sol wykonał tysiące cykli generowania hipotez, testowania i udoskonalania .

Dowód i jego weryfikacja

Rezultatem był dowód potwierdzający prawdziwość hipotezy Crouzeix’a: stała 2 jest poprawna. Dowód został opublikowany jako preprint 27 lipca 2026 roku pod tytułem The Numerical Range Is a 2-Spectral Set .

Proces weryfikacji był rygorystyczny. Sam Michel Crouzeix – matematyk, który postawił hipotezę w 2004 roku – przejrzał argumentację i potwierdził jej poprawność . Analitycy numeryczni również zbadali dowód . Jin dodatkowo opublikował wszystkie materiały badawcze na GitHubie, w tym ostateczną wersję artykułu, podpowiedzi (prompty), kolejne wersje szkiców, kod formalnego dowodu w Lean 4 oraz raporty z audytu .

Co to oznacza dla badań wspomaganych przez AI

Osiągnięcie Jina jest godne uwagi nie tylko ze względu na trudność problemu, ale także na jego metodykę i pochodzenie. Rezydent neurochirurgii bez formalnego stopnia naukowego z matematyki, używając autonomicznego modelu AI przez 16 godzin, rozwiązał problem, który frustrował matematyków przez dwie dekady.

Historia ta pokazuje nowy tryb badań: ludzie projektują warunki eksperymentalne i ramy rozumowania, podczas gdy modele AI wykonują autonomiczną, wielkoskalową eksplorację przestrzeni matematycznej. To konkretny dowód na to, że AI może służyć jako prawdziwy partner badawczy w matematyce – nie tylko narzędzie do obliczeń, ale system zdolny do generowania nowatorskich dowodów.

Czy to podejście stanie się standardem w badaniach matematycznych? Czas pokaże. Na razie wynik Jina Shanmu jest jednym z najbardziej uderzających przykładów odkrycia wspomaganego przez AI w 2026 roku.