← Wróć do bloga
Trendy i Społeczeństwo·5 października 2026·2 min czytania

Gdy do zrozumienia odkrycia AI potrzebujemy kolejnej AI

Udowodnić, że coś jest prawdziwe, a zrozumieć, dlaczego tak jest, to dwie zupełnie różne rzeczy. Co drama wokół OpenAI i problemu Naviera–Stokesa mówi o przyszłości nauki?

Zapewne już każdy kojarzy dramę wokół OpenAI i ogłoszonego rozwiązania problemu Naviera–Stokesa. Pytania o pierwszeństwo, autorstwo i wykorzystanie nieopublikowanych badań zdominowały dyskusję.

Ale w tym całym szumie medialnym mnie, jak zawsze, interesuje drugie dno.

Ostatnio słuchałem ciekawego wywiadu Neila deGrasse’a Tysona z astrofizykiem Mordecai-Markiem Mac Low. Jeden wątek szczególnie mnie zainteresował.

Tristan Buckmaster i Levent Alpöge, podobnie jak OpenAI, korzystali z AI, pracując nad pokrewnym problemem dotyczącym równań Eulera.

Po uzyskaniu wyniku nie pobiegli od razu ogłosić sukcesu. Spędzali kolejne dni na zrozumieniu dowodu i opisaniu go tak, żeby inni matematycy mogli z niego korzystać.

Bo udowodnić, że coś jest prawdziwe, a zrozumieć, dlaczego tak jest, to dwie zupełnie różne rzeczy.

Można sprawdzić każdy krok dowodu i nadal nie rozumieć pomysłu, na którym opiera się całe rozwiązanie.

Naukowcy chcieli wydobyć z niego metody, które można zastosować przy kolejnych problemach. Mac Low porównał to do wytyczania drogi, którą później mogą przejść inni badacze.

To pokazuje różnicę w podejściu. System AI można nastawić na konkretny cel: znajdź rozwiązanie. Wyjaśnienie go człowiekowi wymaga dodatkowej pracy.

OpenAI opublikowało zarówno opis dowodu, jak i jego formalny zapis w systemie Lean. Jednak skala i złożoność takiego rozwiązania mogą sprawić, że nawet specjalistom trudno będzie je zrozumieć bez dodatkowego opracowania.

Być może do tłumaczenia kolejnych fragmentów będziemy angażować następnych agentów AI.

I tu chyba zaczyna się nowy etap w nauce.

AI może rozwiązywać pewne problemy szybciej, być może nawet lepiej od nas. Jednocześnie możemy coraz częściej otrzymywać wyniki, które potrafimy zweryfikować, ale których sami nie umiemy w pełni zrozumieć.

Zastanawia mnie, jak będzie wyglądała nauka, gdy do zrozumienia odkrycia dokonanego przez AI będziemy potrzebowali pomocy kolejnej AI.