W artykule opublikowanym w numerze 19 czasopisma ActuIA, Axel Cypel zastanawia się nad zdolnością sztucznej inteligencji do tworzenia teorii. Ostatnie osiągnięcia SI w matematyce nadają temu pytaniu nowy wymiar: czy wygenerowanie nowego wyniku wystarczy, by stwierdzić, że maszyna myśli?
Autor przeciwstawia dwa sposoby wytwarzania wiedzy. Z jednej strony uczenie maszynowe, które postępuje indukcyjnie, czyli poprzez uogólnianie na podstawie przykładów. Z drugiej strony teoria, która może prowadzić do powstania nowych koncepcji. Opiera się na wielkich teoriach fizycznych, od mechaniki galileuszowej po model standardowy, które nie podążały tą metodą. Fale grawitacyjne, przewidziane przez ogólną teorię względności Einsteina, były poszukiwane tylko dlatego, że teoria je zapowiadała, zauważa, w czym nazywa się metodą hipotetyczno-dedukcyjną. Powtarza także wyrażenie fizyka Étienne’a Kleina, dla którego akt teoretyczny działa jak « ontologiczny kabestan ».
Tekst przytacza pytanie, które zadano mu podczas wręczenia Nagrody Roberval 7 grudnia 2024 roku, gdzie jego książka Voyage au bout de l’IA została wyróżniona w kategorii Grand Public. Jego rozmówczyni oświadczyła wtedy: « jako badaczka […] zostałam zbudowana jak SI ». Axel Cypel przypomina z kolei, że SI różni się od ludzkiego myślenia sposobem uczenia się: człowiek nie potrzebuje zobaczyć miliona kotów, żeby rozpoznać kota.
Ostatnie wyniki matematyczne
Notatka redakcyjna, datowana na październik 2026 roku, rzuca światło na to pytanie w świetle aktualnych wydarzeń. 26 października 2026 roku OpenAI ogłosiło obalenie hipotezy czasu wykładniczego, przypuszczenia z zakresu informatyki teoretycznej. Anthropic opublikowało z kolei wynik przypisany modelowi badawczemu Claude. Oba laboratoria dostarczyły formalizacji w Lean, asystencie dowodowym, czyli oprogramowaniu pozwalającym krok po kroku zweryfikować dowód. OpenAI zorganizowało ponadto zewnętrzny przegląd swojego wyniku z udziałem badaczy.
Obalenie tego typu opiera się na skonstruowaniu algorytmu i udowodnieniu jego właściwości. Jeśli zostanie potwierdzone, stanowi oryginalny wynik teoretyczny. Google Research opisało z kolei struktury matematyczne odkryte za pomocą AlphaEvolve, zintegrowane z dowodami, które pozwoliły ustalić nowe wyniki.
Dowód nie mówi wszystkiego o swoim pochodzeniu
Axel Cypel podkreśla, że model wyuczony przez SI nie jest kopią jej danych treningowych, lecz abstrakcyjną syntezą. Jego użycie może wyprodukować interpolację, czyli punkt, który nie figurował w bazie uczącej. Pozostaje pytanie, czy jest to kreacja. Autor uważa, że nie ma z góry żadnego powodu, by wykluczyć, że silna SI, zdolna do wytworzenia procesu myślowego, może pewnego dnia istnieć. Uważa natomiast za wątpliwe, by uczenie maszynowe mogło taką wyprodukować.
Poprawny dowód ustala wynik, ale sam z siebie nie mówi, jaka jest natura procesu, który go wytworzył. Dlatego autor nie proponuje rozstrzygnięcia tej debaty. Zachęca raczej do wykorzystania SI do tworzenia nowych odpowiedzi i do « sprzężenia tej siły z naszą, aby znaleźć, czemu nie, nowe teorie ».
