Kurs
Eşkenar bir üçgenin köşelerine eşit üç elektrik yükü yerleştirin; ortaya çıkan alan, itme ve çekmelerin tamamen dengelendiği dört denge noktasına sahiptir: biri merkezde, üçü ise kenarların hemen içinde gizlenmiştir. Şimdi çok küçük iki yükü bu merkezin hemen üstüne ve hemen altına bırakın. Merkezdeki denge noktası yirmi bire parçalanır ve tüm yapı yirmi dörde sıçrar.
Bu kurgu, 29 Temmuz'da arXiv'de Maxwell varsayımına bir karşı-örnek olarak yayımlandı; bu varsayım, denge noktalarına ilişkin bir üst sınırı Maxwell'in 1873 tarihli incelemesine dayandırır. Yazarlar ayrıca fikrin büyük bir dil modelinden geldiğini açıkladı. Aşağıda, varsayımın neyi iddia ettiğini, karşı-örneğin nasıl çalıştığını, GPT-5.6 Sol'un ne yapıp ne yapmadığını ve neden bu açıklamanın hikâyenin belki de daha ilginç yarısı olduğunu ele alacağım.
Kısa Cevap: Maxwell Varsayımı Nasıl Yıkıldı
Varsayım, n noktasal yükün oluşturduğu alanın sahip olabileceği denge noktası sayısına bir tavan getiriyordu: en fazla (n−1)². Beş yük için bu 16 demektir. Philip Arathoon, Gavin Ball ve Matthew Kvalheim, en az 24 denge noktası olan beş-yüklü bir yapı kurarak doğrudan bir karşı-örnek elde ettiler. Geometrik fikri GPT-5.6 Sol önerdi; üç yazar analizleri yaptı, bilgisayar cebirini çalıştırdı ve kanıtı yazdı.
Bu özet cebinizdeyken, şimdi varsayımın nereden geldiğine ve neden bu kadar uzun süre ayakta kaldığına bakalım.
Maxwell Varsayımı Neydi?
James Clerk Maxwell, 1873 tarihli Electricity and Magnetism Üzerine İncelemesinin kısa bir bölümünde, bir yük sisteminin kaç denge noktası üretebileceğini sordu. Bu, neredeyse bir yüzyıl boyunca tali bir not olarak kaldı; ta ki Marston Morse ve Stewart Cairns, Maxwell'in bunu daha önce yaptığından habersiz görünerek 1969'da aynı soruyu ortaya koyana kadar. Bu, muhtemelen olması gerekenden fazla hoşuma giden küçük bir ayrıntı.
Artık herkesin tartıştığı net ifade 2007'de geldi: Andrei Gabrielov, Dmitry Novikov ve Boris Shapiro, Maxwell'in pasajını dikkatle okuyup bunu bir varsayıma dönüştürdüler: n yük tarafından üretilen potansiyelin denge noktalarının tümü ayrışık (non-degenerate) ise, en fazla (n−1)² tane olabilir. Aslında ihtiyacınız olan tek formül bu; cebir sizi geriyorsa, en zor kısmı geçtiniz. Sınır, iki yük için kendiliğinden sağlanır. Üç yük için, dördün gerçekten maksimum olup olmadığını kimse bilmiyor; tümünün eşit olduğu özel durum hariç.
Bu sınırın neden önemli olduğunu takdir etmek için, denge noktalarının gerçekte ne olduğunu anlamak yardımcı olur.
Basit Bir Örnekle Maxwell Varsayımını Anlamak
Her yük bir alan oluşturur. Bir odaya birkaç yük yerleştirin; alanları üst üste gelir ve uzaydaki her noktada farklı yönlerde iter ve çeker. Bazı noktalarda, her bir yükten gelen kuvvetler tam olarak birbirini götürür ve oraya konulan bir deneme parçacığı hiçbir net kuvvet hissetmez. Bunlar denge noktalarıdır; elektrostatik potansiyelin kritik noktaları olarak da adlandırılırlar.
Bunları saymak bir muhasebe alıştırması değildir. Bu noktaların sayısı ve düzeni, bir sıradağdaki düzlüklerin o dağın nasıl şekillenebileceğini kısıtlaması gibi, tüm alanın biçimini kısıtlar. Dolayısıyla sayıya getirilen bir sınır, aslında bir elektrostatik alanın ne kadar karmaşık olabileceğine dair bir iddiadır; bu yüzden 1873'te tali bir not olarak ortaya atılan bir soru, bir buçuk yüzyıl boyunca matematikçileri meşgul etti.
Artık varsayımın neyi koruduğuna dair bir fikir edindiğimize göre, onun tam olarak nasıl çözüldüğünü adım adım inceleyelim.
Maxwell Varsayımı Nasıl Çürütüldü
Kurgu, dört adımda anlatılabilecek kadar kısadır. Hesse matrisi hesaplarını istemiyorsanız arXiv notunu atlayın; ilginç olan argümanın iskeletidir:
- Eşkenar bir üçgenin köşelerine birer birim yük yerleştirin. Bu alanın dört denge noktası vardır: biri merkezde, üçü kenarlar boyunca içeriye doğru kaymış.
- Simetri ekseni üzerinde, düzlemin biraz üstüne ve biraz altına iki çok daha küçük yük ekleyin; sığ bir üçgensel bipiramit oluşturun.
- Kenar üzerindeki üç denge noktası eklemeden sonra da varlığını sürdürür. Merkezdeki sürdürmez. Bu nokta, 10’u bir tür Morse indeksine, 11’i diğerine sahip olmak üzere 21 denge noktasından oluşan bir aileye çatallanır.
- Üç artı yirmi bir, beş yükten en az 24 ayrışık kritik nokta eder; öngörülen tavan ise 16 idi.
Yük şiddetleri keyfî değildir. Yazarlar, küçük yüklerin potansiyelinin öndegelen teriminin üçgenden gelen karşılık gelen terimi götürecek şekilde ayarlanmış belirli bir değer seçiyor ve bu, 21 noktayı üreten daha ince yapıyı açığa çıkarıyor. İlk okumada gözden kaçırılması kolay bir adım daha var: Şu ana kadarki argüman, yapının başka bir yerinde oturan ayrışık olmayan (degenerate) kritik noktaları dışlamaz; bu nedenle yazarlar, yük şiddetlerinde hafifçe bozulmuş bir kümeye transversallik argümanı uygulayarak bunları temizliyor.
Sonra da manşetlerin atladığı kısım geliyor. Aynı numara yinelenebilir. Bir küçük yük çifti daha ekleyin ve 2 yük karşılığında 20 kritik nokta daha kazanın; böylece 3 + 2m yükten oluşan ve en az 4 + 20m denge noktasına sahip yapılar elde edilir. Bu, yük başına 10 kritik noktalık asimptotik bir orandır; bu yılın başlarında Herbert Edelsbrunner, Christopher Fillmore ve Gonçalo Oliveira tarafından elde edilen 25/7'ye karşılık. Karşı-örnek manşettir; oran ise başkalarının üzerine inşa edeceği sonuçtur.
Yapının kendisi netleştiğine göre, hikâyenin biraz sıra dışılaştığı yere gelelim: Fikri gerçekte kim, ya da ne, ortaya attı.
GPT-5.6 Sol Ne Rol Oynadı?
Açıklama, makalenin kendi kısa bölümünde yer alıyor ve olan biteni tazelikle yalın biçimde anlatıyor: "Bu kurgunun arkasındaki fikir bir LLM (OpenAI'nin GPT-5.6 Sol'u) tarafından önerildi." Yazarlar, matematiği kendilerinin kontrol ettiğini ve argümanı kendi sözleriyle yazdıklarını, hesaplamalar ve görsellerin ise Mathematica ve Maple ile yapıldığını ekliyor.
Yani model bir strateji sundu: simetrik bir yapıyı eksen dışı küçük yüklerle bozmak ve ayrışık bir noktanın parçalanmasını izlemek; yazarlar ise bunu harmonik polinomların Taylor açılımlarına, Hesse imzasına göre 21 kritik noktanın sınıflandırılmasına, örtük fonksiyon teoreminin üç uygulamasına ve bir transversallik argümanına dönüştürdü. Bir fikir üretmek ile bir teoremi kanıtlamak, farklı hata dinamiklerine sahip farklı etkinliklerdir. İşe yaramayan bir fikir size bir öğleden sonranıza mal olur. İşe yaramayan bir kanıt ise bir geri çekmeye. Model haritada beklenmedik bir noktayı işaret etti; üç matematikçi yolu inşa etti.
Yine de bu çerçevelemeyi biraz zorlamak gerekir. "Sadece bir fikir" demek haksızlık olur. Herkes simetrik bir yapıyı bozmayı önerebilir. Faydalı olan, o bozulmayı, küçük eksenel yüklerle, o temel yapı üzerinde, denenecek şeylerin arama uzayının fiilen sınırsız olduğu bir problemde önermektir. Ne deneneceğine dair zevk, araştırma matematiğinin büyük bir payıdır. Önerinin bir uzmanın on yıllık sezgisi yerine bir modelden gelmiş olması, hikâyenin özüdür.
Bu Sonuç Neden Önemli
150 yıllık bir matematik sorusu
Soru, Maxwell'in 1873'teki notuna uzanır; manşetlerdeki "150 yıl" buradan gelir. Ancak tam olmak gerekir: Maxwell bir soru sordu ve bir gözlem yaptı. Az önce çöken varsayımı kendisi formüle etmedi.
Yerleşik bir modern varsayım düşüyor
Resmî bir ifade olarak Maxwell varsayımı 19 yaşındadır ve bu sürenin çoğunda alanın örgütleyici kabulu, kanıtlanmaya çalışılan şey ve her iyileştirilmiş sınırın yaklaşmaya çalıştığı hedefti. Şimdi yanlış görünüyor. Karşı-örnek, henüz hakemlikten geçmemiş dört sayfalık bir arXiv ön baskısıdır ve merkezi adımı, bilgisayar cebiriyle kontrol edilen bir Hesse sınıflandırmasıdır; dolayısıyla olağan çekinceler geçerlidir. Ancak argüman kısa, açık ve başkalarının doğrulaması kolay.
Yeni sorular eskilerin yerini alıyor
Tavanın (n−1)² olmadığını bilmek, ne olduğunu söylemez. Yazarların yinelenen kurgusu, bilinen alt sınırı yük başına kabaca 10 kritik noktaya kadar itiyor; bu bir tabandır, yanıt değil. Ve az önceki üç yük? Dörtten fazla denge noktası üretip üretemeyecekleri hâlâ açık bir sorudur; bu kadar zaman sonra en küçük ilginç vaka için hâlâ bunu söylüyor olmak tuhaf.
Yapay Zekânın Matematiksel Keşifte Büyüyen Rolü
Son bir yılda bir şeyler değişti. Ekim 2025 ile 2026'nın başı arasında, yapay zekâ araçları Erdős problem veritabanındaki yaklaşık yüz problemi çözülenler sütununa taşımaya yardımcı oldu ve Terence Tao, 2026 Haziranı sonunda güncellenmeyi bırakana kadar bu katkıları takip eden bir sayfa tuttu. Bunun önemli bir kısmı literatür taramasıydı; model, meseleyi çoktan çözmüş 1974 tarihli makaleyi buluyor. Bir kısmı ise böyle değildi. Bir avuç çözüm, büyük ölçüde model tarafından bir araya getirilen özgün argümanlardı ve Tao, en az birini gerçek bir dönüm noktasına ulaştı diye işaretledi.
Bu vakalar arasındaki örüntü tutarlıdır ve Maxwell varsayımıyla olanda olanla örtüşür. Modeller, adaylar önermede, hiçbir bireyin zihninde tutamayacağı bir literatürü taramada ve bir kurgu uzayını canı sıkılmadan bir gecede aramada iyidir. Doğrulama ise insanlarda ve Lean gibi ispat yardımcılarındadır. Bu sistemlerin nasıl çalıştığına dair kavramsal temeli edinmeden bir kanaat oluşturmak istemezseniz, AI Fundamentals öğretim yolumuz başlamak için iyi bir yerdir.
Yapay Zekâ Sonunda Matematiksel İspatlar Keşfedebilir mi?
Varsayım üretimi artık rutindir. İspat desteği, anlatılmasının dikkat çekici olmadığı kadar yaygın. Resmî teorem ispatı, yani bir modelin insan müdahalesi olmadan araştırma düzeyinde bir problem için eksiksiz, makineyle denetlenmiş bir argüman üretmesi, şu anda sınır çizgisinin geçtiği yer ve "araştırma düzeyi"ni ne kadar katı tanımladığınıza bağlı olarak her iki tarafta da sonuçlar var.
Kısıt, bariz biçimde yaratıcılık değildir. Güncel modeller hâlâ referans uyduruyor, uzun akıl yürütme zincirlerinde ipi kaçırıyor ve doğru adayın hangisi olduğunu bilmektense aday üretmede çok daha iyi. Bu son asimetri, insan doğrulamasının sembolik değil, taşıyıcı unsur olmasının tam nedenidir. Ürettiğini güvenilir şekilde değerlendirebilen bir model, elimizdeki sistemlerden farklı bir tür olurdu ve bunun ne kadar uzakta olduğunu şu anda kimse söyleyemez.
GPT-5.6 Sol ve Bilimsel Araştırmanın Geleceği
Matematik, alışılmadık derecede temiz bir sınama alanıdır; çünkü ispatlar ya doğrudur ya yanlıştır. Ancak aynı dinamik, yani fikir üretimi aşamasını yapay zekânın hızlandırması ve doğrulamanın insanlarda kalması, disiplinler genelinde yaşanıyor.
Bu, matematiğin çok ötesine uzanır. Fizik, kimya, malzeme bilimi ve mühendislik aynı darboğazı paylaşır: hipotez üretimi insan zamanı açısından pahalıdır ve hipotezlerin çoğu başarısız olur. Bir araştırmacı, bir yıl içinde ciddi biçimde bir avuç aday yapı ya da mekanizmanın peşinden gidebilir. Adayların uzayı ise bundan çok daha büyüktür.
Fikir üretimi, muhtemelen araştırmada en çok önem taşıyan yetenek çıkacaktır; tam da insan veriminin en düşük olduğu ve yanlış bir tahminin maliyetinin en küçük olduğu adım olduğu için. Muazzam bir uzayı tarayıp "şuraya bakın" diyebilen bir model, çok sık haklı olması gerekmeden keşif hızını değiştirir. Burada olan da kabaca buydu.
Bu Keşifle İlgili Yaygın Yanılgılar
Daha geniş çıkarımlara varmadan önce, haberlerde yanlış aktarılan birkaç noktayı netleştirmekte fayda var.
GPT-5.6 Sol teoremi bağımsız olarak ispatlamadı
Model geometrik kurguyu önerdi. İspat, açılımlar, Hesse sınıflandırması, transversallik argümanı ise yazarlara aitti.
İnsan araştırmacılar her adımı doğruladı
Mathematica ve Maple, hesaplamaları kontrol etti ve görselleri üretti. Matematiksel doğrulama üç yazar tarafından yapıldı ve makalede bunu açıkça belirtiyorlar.
Maxwell Varsayımı, Maxwell'in resmî teoremi değildi
Maxwell 1873'te bir gözlemde bulundu. Gabrielov, Novikov ve Shapiro bu pasajı okuyarak 2007'de varsayımı formüle ettiler.
Matematiksel problem tamamen çözülmüş değil
Karşı-örneğin geçerli olduğunu varsayarsak, (n−1)² yanlıştır. Doğru sınırı bilmiyoruz ve üç-yük vakası hâlâ açık.
Sonuç
Maxwell varsayımı bir işbirliğiyle düştü: yapay zekâ tarafından üretilmiş bir geometrik fikir ve bunu denetlenebilir bir şeye dönüştürmek için emek harcayan üç matematikçi. Makale, hangi yarının ne yaptığını alışılmadık derecede dürüstçe ortaya koyuyor. Muhtemelen teoremden daha çok atıf alacak üç cümlelik bir açıklama bölümü.
Bunu dikkatinize değer kılan, katkının büyüklüğünden ziyade biçimidir. Meselede tarafı olmayan bir model, en çok önemseyenlerin bu yapı üzerinde denemediği bir kurguyu önerdi ve işe yaradı. n yükün kaç denge noktasına sahip olabileceğine dair daha geniş soru hâlâ açık; fikir üretimi kıt bir kaynak olmaktan çıktığında araştırmanın nasıl görüneceği sorusu da öyle. Bu sistemlerin pazarlanışından ziyade pratikte nasıl uygulandığını takip etmek isterseniz, Yapay Zekâ kurslarımız kavramlardan uygulamaya kadar alanı kapsar.
Vinod Chugani kariyerine Tokyo'da JPMorgan'ın en genç Hedge Fund Sales Desk Lideri olarak başladı ve daha sonra Lehman Brothers'ta bireysel satış rekoru kırdı, ardından 30 ülkede faaliyet gösteren bir elektronik dağıtım işi kurdu ve veriye yönelmeden önce geliri SG$100 milyonun üzerine taşıdı. Duke Ekonomimezunu ve NYC Data Science Academy alum, Maven'de Hugo Bowne-Anderson'ın Building AI Applications kursu için 100+ başvuru arasından seçilen üç bursiyerden biriydi. Bugün, istatistikten ajan temelli yapay zekâya uzanan konularda DataCamp, KDnuggets, Machine Learning Mastery ve Statology için yazıyor ve adında 1.000'i aşkın bire bir oturum bulunan NYC Data Science Academy'de veri profesyonellerine mentorluk yapıyor.
