Claude Fable 5 och Jacobikonjekturen: Vad som bevisades och vad som inte gjorde det

Under kvällen för VM-finalen tittade de flesta på fotboll. En liten hörna av internet såg hur matematikens historia rörde på sig.

Anthropic-forskaren Levent Alpöge postade ett kort meddelande på X. Han sa att Jacobikonjekturen var falsk. Det här är ett problem som stått olöst sedan 1939. Han tackade en kollega för att ha föreslagit problemet. Han tackade Claude Fable 5 för att ha gjort jobbet under matchen.

Nästa dag hade matematiker kontrollerat det för hand. Det höll.

Men ”AI knäcker 87 år gammalt matematikproblem” är en rubrik som färdas snabbare än detaljerna bakom den. Så låt oss sakta ner. Vad är faktiskt nytt här? Vad är det inte? Och kan du kontrollera det själv?

Det kan du. På ungefär femton rader Python. Vi kommer dit.

Det snabba svaret

Claude Fable 5 hjälpte till att konstruera en polynomavbildning från tredimensionellt komplext rum till sig självt, skriven ℂ³ → ℂ³. Dess Jacobideterminant är konstanten -2 överallt, vilket är precis villkoret i Kellers konjektur från 1939, men avbildningen skickar tre olika indata­punkter till samma utdata. Detta enda exempel vederlägger konjekturen i dimension tre och uppåt. Den ursprungliga tvåvariabelsversionen av problemet är fortfarande öppen, och det finns ännu ingen sakkunniggranskad artikel, bara en verifierad beräkning och ett preprint.

Det är hela historien i ett stycke. Resten av artikeln packar upp varför varje led i den spelar roll.

Vad är Jacobikonjekturen?

Föreställ dig en funktion som tar in en lista med tal och spottar ut en ny lista. Det här är en ”avbildning” från ett rum till ett annat. Matematiker ställer en enkel fråga om sådana avbildningar: kan du alltid arbeta baklänges? Om du känner utdata, kan du återskapa den exakta indata som gav den?

Om du har sysslat med maskininlärning har du redan mött objektet i centrum av denna fråga, troligen utan dramatiken. Jacobianen är matrisen av en avbildnings partiella derivator: det som backpropagation multiplicerar ihop i varje lager. Normalizing flows behöver också dess determinant för att följa hur sannolikhetsmassa sträcks när den rör sig genom nätverket. Samma matris. Annat kvarter.

Analys ger dig ett lokalt test för reversibilitet byggt på just denna matris: Jacobideterminanten. Om den är skild från noll i en punkt är avbildningen reversibel nära den punkten.

Men nära en punkt är inte samma sak som överallt. Här är det renaste exempel jag känner till, och det tar två rader:

import numpy as np

f = lambda x, y: (np.exp(x) * np.cos(y), np.exp(x) * np.sin(y))

print(f(0, 0))              # (1.0, 0.0)
print(f(0, 2 * np.pi))      # (1.0, ~0.0) — same output, different input

Denna avbildnings Jacobideterminant är e^²ˣ, som aldrig är noll. Den klarar det lokala testet i varje punkt i planet. Ändå kan den inte inverteras, eftersom den lindar runt: två olika vägar, samma hus.

Observera dock att detta exempel använder en exponential. År 1939 frågade den tyske matematikern Ott-Heinrich Keller om polynom beter sig bättre. Hans fråga: om en polynomavbildnings Jacobideterminant inte bara är skild från noll överallt, utan en fast konstant överallt, garanterar det då till slut full, global reversibilitet?

I 87 år kunde ingen svara på det. Inget bevis. Inget motexempel heller. Det är den konjektur som Claude Fable 5 just bucklade.

Vad Claude Fable 5 faktiskt fann

Alpöges inlägg innehöll en explicit polynomavbildning från ℂ³ tillbaka till sig självt. Dess Jacobideterminant blir en konstant, -2, i varje punkt. Det är Kellers exakta villkor. Och ändå går tre separata punkter in, och alla tre kommer ut likadant.

Vem som helst med ett datoralgebraverktyg kan stoppa in dem och kontrollera. Det var precis vad som hände: matematiker körde siffrorna inom några timmar, och aritmetiken stämde.

Eftersom motexemplet lever i tre dimensioner slår det också sönder konjekturen i varje högre dimension. Ta 3D-avbildningen, fyll ut den med extra orörda variabler, och du har ett fungerande motexempel i fyra dimensioner, fem eller hundra. Utfyllnad går bara uppåt. Den kan inte pressa ner ett 3D-motexempel till två variabler, vilket är varför artikelns sista avsnitt finns.

Kontrollera själv i Python

Här blir en berättelse om spetsforskning i AI till en övning du kan köra i en notebook. Det är värt att köra. Det är klargörande att se motexemplet hålla i exakt aritmetik på din egen maskin. Du behöver sympy, inget annat.

Definiera först avbildningen och bekräfta determinanten:

import sympy as sp

x, y, z = sp.symbols("x y z")

# The map Claude Fable 5 helped construct, from C^3 to C^3
f1 = (1 + x * y) ** 3 * z + y**2 * (1 + x * y) * (4 + 3 * x * y)
f2 = y + 3 * x * (1 + x * y) ** 2 * z + 3 * x * y**2 * (4 + 3 * x * y)
f3 = 2 * x - 3 * x**2 * y - x**3 * z

# Keller's condition: the Jacobian determinant must be a nonzero constant
jacobian = sp.Matrix([f1, f2, f3]).jacobian([x, y, z])
print(sp.simplify(jacobian.det()))

-2

Inte ”ungefär -2.” Exakt -2, symboliskt, för varje punkt i ℂ³. Ett villkor avklarat.

Nu kollisionen. Jag hittade dessa tre punkter genom att be SymPy lösa F(v) = F(1, 1, 1). Alpöges ursprungliga inlägg listar sin egen uppsättning, och båda fungerar:

s = sp.sqrt(53)

points = [
    (1, 1, 1),
    (sp.Rational(-1, 2) - 7 * s / 106, 25 - 3 * s, -134090 + 18420 * s),
    (sp.Rational(-1, 2) + 7 * s / 106, 25 + 3 * s, -134090 - 18420 * s),
]

for p in points:
    image = [sp.simplify(f.subs({x: p[0], y: p[1], z: p[2]}))
             for f in (f1, f2, f3)]
    print(image)

[22, 34, -2]
[22, 34, -2]
[22, 34, -2]

Tre genuint olika indata. Ett utdata. Om tre indata ger ett svar kan ingen invers existera, och Kellers konjektur faller. Du har just verifierat, i exakt aritmetik, beräkningen som avgjorde ett 87 år gammalt problem.

Om du hoppade över koden kommer här sammanfattningen: båda halvorna av påståendet, konstant determinant och kolliderande punkter, klarar symbolisk verifikation. Ingen tillit till flyttal krävs.

Vänta, hade inte någon redan motbevisat detta?

Innan vi går vidare är det värt att ta upp något du kan ha stött på i svaren på Alpöges inlägg, eftersom det finns ett äldre resultat på området som ofta dyker upp och skillnaden spelar roll.

1994 fann Sergey Pinchuk en tvåvariabel, reell polynomavbildning som var lokalt reversibel överallt men inte globalt reversibel. Det är en välkänd konstruktion, och det är lockande att anta att Fable 5:s version bara är den idén utsträckt till en tredje dimension.

Det är den inte. Pinchuks avbildning behöver bara att dess Jacobideterminant är skild från noll. Värdet får variera från punkt till punkt, och allt fungerar bara över de reella talen. Det besvarar en svagare fråga, ibland kallad ”den starka reella Jacobikonjekturen”. Kellers ursprungliga kräver komplexa tal och en fast konstant, en ribba som Pinchuks konstruktion aldrig var byggd för att klara. Matematiker har känt till denna lucka i tre decennier.

Varför höjer komplexa tal ribban? Grovt: över de reella kan ett polynom undvika problem genom att helt enkelt inte ha reella lösningar på besvärliga ställen. x² + 1 träffar aldrig noll på den reella linjen, men över ℂ måste det. Det komplexa rummet lämnar en avbildning utan gömställe, så att överleva Kellers villkor där är ett mycket starkare krav. Exponentialavbildningen från tidigare antydde redan detta, eftersom omlindningen som fällde den är ett genomgripande komplext fenomen.

De två resultaten har en familjelikhet. Båda utnyttjar gapet mellan ”reversibel i varje grannskap” och ”reversibel över hela rummet”. Det är ett tecken på hur matematiken bygger på sig själv, inte ett bevis på att inget nytt hände här.

Vad som fortfarande är olöst

Tvåvariabelfallet är fortfarande öppet. Detta är den ursprungliga, mest studerade versionen av konjekturen, för avbildningar från planet tillbaka till sig självt, och som nämnts tidigare kan ingen mängd utfyllnad föra ner ett 3D-motexempel till det. Flera matematiker anser planfallet som det svårare, mer centrala problemet. Det är nu konjekturens kvarvarande kärna, inte en mindre version av den som just avgjordes.

Detta har inte heller genomgått peer review. Just nu är det en verifierad beräkning och ett preprint, inte en referentgranskad artikel. Eftersom allt reduceras till de två beräkningar du just körde är verifikation troligen inte stötestenen, men protokollet bör säga vad det är.

Det finns också en djupare lucka. Ingen kan fullt ut förklara varför motexemplet fungerar. En symbolisk kontroll bekräftar att kollisionen är verklig; den ger dig inte berättelsen bakom, den typ av förklaring som en matematiker skulle kunna bygga upp från grunden. Akhil Mathew, matematikern vid University of Chicago som föreslog problemet, sa det väl: du kan verifiera svaret, men det vore trevligare att ha en berättelse att berätta.

Själva upptäcktsprocessen förblir lite dimmig. En människa ställde frågan, en AI gjorde jobbet, en människa meddelade resultatet. Den kreditraden visar inte promptarna, felskotten eller hur mycket styrning som skedde längs vägen. Det är en verklig fråga om hur AI-assisterade bevis krediteras, och en separat från om matematiken håller. Det gör den.

Avslutande tankar

Matematiken är verklig. En sedan decennier öppen konjektur har ett genuint hål i dimension tre och uppåt, bekräftat oberoende med standardverktyg, och det är inte en repris av Pinchuks resultat från 1994. Vad det inte är, är en fullständig lösning av ”Jacobikonjekturen”. Planfallet står kvar, och resultatet kommer utan den typ av förklaring som matematiken brukar värdera minst lika högt som själva svaret.

Det är också en del av ett mönster. Spetsmodeller har naggat långvariga öppna problem i kanten under hela 2026, både i kombinatorik och talteori. Läs detta som ännu en datapunkt i den trenden, inte ett enstaka undantag.

För alla som lär sig arbeta med AI i tekniska problem är lärdomen inte ”AI kan göra forskningsmatematik nu.” Den är snävare: dessa modeller blir bra på att producera konkreta objekt i domäner där framgång har en exakt verifierare, och som du såg ovan kan du vara den verifieraren med en pip install sympy. Generering springer i förväg. Verifiering håller jämna steg. Förståelsen har fortfarande lite att ta igen.

Linjär algebra och symbolisk Python är de två färdigheter som är värda att bygga här: determinanter, inverterbarhet och vanan att kontrollera påståenden i exakt aritmetik i stället för att lita på dem. Nästa gång ett liknande resultat dyker upp är du redo att köra kontrollen själv innan dagen är slut.