Jak GPT-5.6 Sol pomógł obalić 150-letnią hipotezę Maxwella

Umieść trzy jednakowe ładunki elektryczne w wierzchołkach trójkąta równobocznego, a powstałe pole będzie miało cztery punkty równowagi, w których wszystkie siły się znoszą: jeden w środku i trzy tuż wewnątrz krawędzi. Teraz dodaj dwa bardzo małe ładunki tuż nad i tuż pod tym środkiem. Centralny punkt równowagi rozpada się na dwadzieścia jeden, a cała konfiguracja skacze do dwudziestu czterech.

Tę konstrukcję opublikowano 29 lipca na arXiv jako kontrprzykład do hipotezy Maxwella, ograniczenia liczby punktów równowagi elektrostatycznej wywodzącego się z traktatu Maxwella z 1873 roku. Autorzy ujawnili też, że pomysł pochodził z dużego modelu językowego. Poniżej wyjaśniam, co dokładnie głosiła hipoteza, jak działa kontrprzykład, co GPT-5.6 Sol zrobił, a czego nie, i dlaczego to ujawnienie jest być może ciekawszą połową tej historii.

Krótka odpowiedź: jak upadła hipoteza Maxwella

Hipoteza wyznaczała górne ograniczenie liczby punktów równowagi w polu od n ładunków punktowych: co najwyżej (n−1)^². Dla pięciu ładunków daje to 16. Philip Arathoon, Gavin Ball i Matthew Kvalheim zbudowali konfigurację pięciu ładunków z co najmniej 24 punktami, czyli bezpośredni kontrprzykład. GPT-5.6 Sol zasugerował ideę geometryczną; trzej autorzy przeprowadzili analizę, uruchomili algebrę komputerową i napisali dowód.

Mając ten skrót, zobaczmy, skąd wzięła się hipoteza i dlaczego tak długo się utrzymywała.

Czym była hipoteza Maxwella?

James Clerk Maxwell poruszył to pytanie w krótkim fragmencie swojego traktatu z 1873 roku A Treatise on Electricity and Magnetism, pytając, ile punktów równowagi może wytworzyć układ ładunków. Przez niemal stulecie pozostawało to mimochodem rzuconą uwagą, aż do 1969 roku, gdy Marston Morse i Stewart Cairns postawili ten sam problem, najwyraźniej nie wiedząc, że Maxwell dotarł tam pierwszy. To drobiazg, który lubię bardziej, niż pewnie powinienem.

Precyzyjne sformułowanie, o które dziś wszyscy się spierają, pojawiło się w 2007 roku, gdy Andrei Gabrielov, Dmitry Novikov i Boris Shapiro uważnie przeczytali fragment Maxwella i przekuli go w hipotezę: jeśli punkty równowagi potencjału generowanego przez n ładunków są wszystkie niedegenerowane, to może ich być co najwyżej (n−1)^². To jedyny wzór, którego naprawdę potrzebujesz, więc jeśli algebra cię stresuje, najgorsze już za tobą. Ograniczenie jest trywialnie spełnione dla dwóch ładunków. Dla trzech nikt nie wie, czy cztery to rzeczywiście maksimum, poza szczególnym przypadkiem, gdy wszystkie trzy ładunki są równe.

Aby docenić, dlaczego to ograniczenie ma znaczenie, warto zrozumieć, czym właściwie są punkty równowagi.

Zrozumieć hipotezę Maxwella na prostym przykładzie

Każdy ładunek tworzy pole. Umieść kilka ładunków w pomieszczeniu, a ich pola się nałożą, pchając i ciągnąc w różnych kierunkach w każdym punkcie przestrzeni. W pewnych miejscach siły od każdego ładunku dokładnie się znoszą i cząstka próbna umieszczona tam nie odczuwałaby żadnej siły wypadkowej. To są punkty równowagi, zwane też punktami krytycznymi potencjału elektrostatycznego.

Liczenie ich to nie księgowość. Liczba i rozmieszczenie tych punktów ograniczają kształt całego pola, tak jak płaskie miejsca w paśmie górskim ograniczają to, jak to pasmo może być ułożone. Zatem ograniczenie na liczbę to tak naprawdę twierdzenie o tym, jak skomplikowane może być pole elektrostatyczne, dlatego pytanie rzucone mimochodem w 1873 roku zajmowało matematyków przez półtora wieku.

Skoro już wiemy, czego hipoteza strzegła, przejdźmy przez to, jak dokładnie się rozpadła.

Jak obalono hipotezę Maxwella

Konstrukcję da się opisać w czterech krokach. Jeśli nie chcesz rachunków z hesjanem, pomiń notkę na arXiv; interesujący jest zarys argumentu:

• Umieść trzy ładunki jednostkowe w wierzchołkach trójkąta równobocznego. To pole ma cztery punkty równowagi: jeden w środku, trzy przesunięte do wewnątrz wzdłuż krawędzi.
• Dodaj dwa znacznie mniejsze ładunki na osi symetrii, jeden nieco nad płaszczyzną i jeden nieco pod nią, tworząc płytką dwupiramidę trójkątną.
• Trzy brzegowe punkty równowagi przetrwają dodanie. Centralny nie. Rozdwaja się w rodzinę 21 punktów równowagi, 10 o jednym wskaźniku Morse’a i 11 o drugim.
• Trzy plus dwadzieścia jeden daje co najmniej 24 niedegenerowane punkty krytyczne z pięciu ładunków, przy przewidywanym suficie 16.

Siły ładunków nie są dowolne. Autorzy wybierają konkretną wartość dostrojoną tak, by wyraz wiodący potencjału małych ładunków znosił odpowiadający mu wyraz od trójkąta, i to właśnie odsłania drobniejszą strukturę dającą 21 punktów. Jest też krok, który łatwo przeoczyć przy pierwszej lekturze: dotychczasowy argument nie wyklucza zdegenerowanych punktów krytycznych gdzieś indziej w konfiguracji, więc autorzy stosują argument transwersalności do lekko zaburzonego zestawu sił ładunków, co te punkty eliminuje.

Potem przychodzi część, którą nagłówki pominęły. Ten sam trik można iterować. Dodaj kolejną parę małych ładunków i zyskujesz 20 kolejnych punktów krytycznych kosztem 2 dodatkowych ładunków, co daje konfiguracje z 3 + 2m ładunkami i co najmniej 4 + 20m punktami równowagi. To asymptotyczny stosunek 10 punktów krytycznych na ładunek, wobec 25/7 osiągniętych przez Herberta Edelsbrunnera, Christophera Fillmore’a i Gonçala Oliveirę na początku tego roku. Kontrprzykład jest nagłówkiem; stosunek to wynik, na którym inni będą budować.

Skoro sama konstrukcja jest jasna, oto gdzie historia robi się nietypowa: kto, albo co, właściwie wpadło na ten pomysł.

Jaką rolę odegrał GPT-5.6 Sol?

Ujawnienie zajmuje osobną krótką sekcję artykułu i wprost opisuje, co się stało: "Pomysł stojący za tą konstrukcją został zasugerowany przez LLM (GPT-5.6 Sol od OpenAI)." Autorzy dodają, że matematykę sprawdzili sami i argument zapisali własnymi słowami, a obliczenia i rysunki wykonano w Mathematice i Maple.

Model wniosł strategię: zaburz symetryczną konfigurację małymi ładunkami poza osią i obserwuj, jak punkt zdegenerowany rozpada się na kilka. Autorzy zamienili to na rozwinięcia Taylora wielomianów harmonicznych, klasyfikację 21 punktów krytycznych po sygnaturze hesjanu, trzykrotne zastosowanie twierdzenia o funkcji uwikłanej i argument transwersalności. Wymyślenie idei i udowodnienie twierdzenia to różne czynności z różnymi trybami porażki. Pomysł, który nie działa, kosztuje cię popołudnie. Dowód, który nie działa, kosztuje cię sprostowanie. Model wskazał mało oczywiste miejsce na mapie; trzech matematyków zbudowało drogę.

Warto jednak podroczyć to ujęcie. "Tylko pomysł" to niedopowiedzenie. Każdy może zaproponować zaburzenie symetrycznej konfiguracji. Użyteczne jest zaproponowanie tej właśnie perturbacji, z małymi ładunkami na osi, na tej bazowej konfiguracji, w problemie, w którym przestrzeń poszukiwań rzeczy do wypróbowania jest praktycznie nieograniczona. Wyczucie, co próbować, to duża część matematyki badawczej. To, że sugestia wyszła z modelu, a nie z dekady intuicji specjalisty, jest sednem tej historii.

Dlaczego ten wynik ma znaczenie

150-letnie pytanie matematyczne

Pytanie sięga uwagi Maxwella z 1873 roku, skąd w każdym nagłówku bierze się „150 lat”. Warto jednak być precyzyjnym: Maxwell postawił pytanie i poczynił obserwację. Nie sformułował hipotezy, która właśnie upadła.

Upada długo utrzymywana współczesna hipoteza

Jako formalne stwierdzenie hipoteza Maxwella ma 19 lat i przez większość tego czasu była organizującym założeniem dziedziny, czymś, co próbowano udowodnić, i celem, do którego zbliżały się kolejne poprawiane ograniczenia. Teraz wygląda na fałszywą. Kontrprzykład to czterostronicowy preprint na arXiv, który nie przeszedł jeszcze recenzji, a jego kluczowy krok to klasyfikacja hesjanu sprawdzona algebrą komputerową, więc obowiązują zwykłe zastrzeżenia. Ale argument jest krótki, jawny i łatwy do weryfikacji przez innych.

Nowe pytania zastępują stare

Wiedza, że sufit nie wynosi (n−1)^², nie mówi nam, jaki jest. Iterowana konstrukcja autorów podnosi znaną dolną granicę do około 10 punktów krytycznych na ładunek, co jest podłogą, a nie odpowiedzią. A tamte trzy ładunki sprzed chwili? Czy kiedykolwiek mogą dać więcej niż cztery punkty równowagi, wciąż pozostaje otwarte, co dziwnie brzmi po tym wszystkim w najmniejszym ciekawym przypadku.

Rosnąca rola AI w odkryciach matematycznych

Coś się zmieniło w ostatnim roku. Między październikiem 2025 a początkiem 2026 narzędzia AI pomogły przenieść około setki problemów z bazy problemów Erdősa do kolumny „rozwiązane”, a Terence Tao prowadził stronę śledzącą te wkłady, dopóki aktualizacje nie ustały z końcem czerwca 2026. Wiele z tego to był przegląd literatury: model znajduje artykuł z 1974 roku, który już rozstrzygnął sprawę. Nie wszystko jednak. Garść rozwiązań to oryginalne argumenty złożone w dużej mierze przez model, a Tao wskazał co najmniej jedno jako prawdziwy kamień milowy.

Wzorzec w tych przypadkach jest spójny i pasuje do tego, co wydarzyło się przy hipotezie Maxwella. Modele są dobre w proponowaniu kandydatów, przeszukiwaniu literatury, której żadna osoba nie utrzyma w głowie, i eksplorowaniu przestrzeni konstrukcji przez noc bez znużenia. Weryfikacja pozostaje w rękach ludzi i asystentów dowodowych, jak Lean. Jeśli chcesz konceptualnych podstaw działania tych systemów, zanim wyrobisz sobie opinię, nasz kurs AI Fundamentals to dobre miejsce na start.

Czy AI może kiedyś samodzielnie odkrywać dowody?

Generowanie hipotez jest już rutyną. Wspomaganie dowodzenia jest na tyle powszechne, że opisywanie go nie jest niczym niezwykłym. Formalne dowodzenie twierdzeń, czyli model wytwarzający kompletny, maszynowo sprawdzony argument dla problemu na poziomie badań bez człowieka w pętli, to obecnie granica — i są wyniki po obu jej stronach, zależnie od tego, jak ściśle definiujesz „poziom badań”.

Ograniczeniem nie jest w oczywisty sposób kreatywność. Obecne modele wciąż halucynują źródła, wciąż gubią wątek w długich łańcuchach rozumowania i wciąż są znacznie lepsze w generowaniu kandydatów niż w rozpoznawaniu, który jest poprawny. Ta ostatnia asymetria jest właśnie powodem, dla którego ludzka weryfikacja jest konstrukcyjnie niezbędna, a nie ceremonialna. Model, który potrafiłby wiarygodnie oceniać własny wynik, byłby innym rodzajem systemu niż to, co mamy, i nikt dziś nie potrafi powiedzieć, jak daleko do tego.

GPT-5.6 Sol i przyszłość badań naukowych

Matematyka jest wyjątkowo czystym przypadkiem testowym, bo dowody są albo poprawne, albo błędne. Ale ten sam mechanizm — AI przyspiesza fazę generowania pomysłów, a ludzie zachowują weryfikację — rozgrywa się w różnych dyscyplinach.

To wykracza daleko poza matematykę. Fizyka, chemia, nauka o materiałach i inżynieria mają wspólne wąskie gardło: generowanie hipotez jest kosztowne czasowo dla ludzi, a większość hipotez upada. Badacz może na poważnie zbadać kilka kandydackich struktur lub mechanizmów w ciągu roku. Przestrzeń kandydatów jest znacznie większa.

Generowanie pomysłów może okazać się najważniejszą zdolnością badawczą, właśnie dlatego, że to etap, w którym przepustowość ludzka jest najniższa, a koszt błędnego strzału — najmniejszy. Model, który potrafi przeskanować ogromną przestrzeń i powiedzieć „spójrz tutaj”, zmienia tempo odkryć bez potrzeby częstego trafiania. Mniej więcej to wydarzyło się tutaj.

Częste nieporozumienia wokół tego odkrycia

Zanim wyciągniesz szersze wnioski, warto sprostować kilka rzeczy, które relacje medialne ujęły błędnie.

GPT-5.6 Sol nie udowodnił twierdzenia samodzielnie

Model zasugerował konstrukcję geometryczną. Dowód, rozwinięcia, klasyfikacja hesjanu, argument transwersalności — to praca autorów.

Ludzcy badacze zweryfikowali każdy krok

Mathematica i Maple sprawdziły obliczenia i przygotowały rysunki. Weryfikację matematyczną przeprowadzili trzej autorzy i mówią o tym wprost w pracy.

Hipoteza Maxwella nie była formalnym twierdzeniem Maxwella

Maxwell w 1873 roku poczynił obserwację. Gabrielov, Novikov i Shapiro sformułowali hipotezę w 2007 roku na podstawie lektury tego fragmentu.

Problem matematyczny nie jest całkowicie rozwiązany

Zakładając, że kontrprzykład się obroni, wiemy, że (n−1)^² jest błędne. Nie wiemy, jakie jest poprawne ograniczenie, a przypadek trzech ładunków pozostaje otwarty.

Zakończenie

Hipoteza Maxwella upadła dzięki współpracy: geometrycznej idei wygenerowanej przez AI i trzem matematyków, którzy poświęcili wysiłek, by przekuć ją w coś weryfikowalnego. Artykuł jest wyjątkowo szczery co do tego, która strona co zrobiła. Sekcja ujawniająca, trzy zdania, które prawdopodobnie będą cytowane częściej niż samo twierdzenie.

To, co czyni tę historię wartą twojej uwagi, to kształt wkładu, a nie jego rozmiar. Model, któremu nie zależało na problemie, zaproponował konstrukcję, której osoby najbardziej nim zainteresowane nie próbowały w tej konfiguracji — i zadziałało. Szersze pytanie, ile punktów równowagi może mieć n ładunków, wciąż pozostaje otwarte — podobnie jak pytanie, jak będzie wyglądać praca badawcza, gdy generowanie pomysłów przestanie być zasobem deficytowym. Jeśli chcesz śledzić, jak te systemy są stosowane w praktyce, a nie jak się je reklamuje, nasze kursy AI obejmują materiał od koncepcji po wdrożenie.