Σε μια πρόσφατη ομιλία στο MIT, ο Neil Thompson, ερευνητής της προόδου στους υπολογιστές, παρουσίασε δεδομένα που υποδηλώνουν ότι η θεωρητική επιστήμη βρίσκεται στα πρόθυρα μιας ριζικής μεταμόρφωσης. Ενώ ο κλάδος των μαθηματικών ήδη προσπαθεί να προσαρμοστεί στην αυτοματοποίηση, η νέα μελέτη του Thompson δείχνει ότι τα οικονομικά, η κβαντική φυσική και η κοσμολογία είναι οι επόμενοι τομείς που θα επηρεαστούν από τις δυνατότητες των μοντέλων αιχμής.
Το Άλμα στις Επιδόσεις
Η μελέτη, η οποία διεξήχθη από τους Thompson, Gabriel Manso και Claudio Mayrink Verdun, κατέγραψε μια εντυπωσιακή εξέλιξη. Μεταξύ των μέσων του 2024 και των μέσων του 2026, τα κορυφαία μοντέλα ΤΝ βελτίωσαν το ποσοστό επιτυχίας τους στην επίλυση θεωρητικών προβλημάτων από μόλις 2% σε περίπου 35%. Οι ερευνητές χρησιμοποίησαν προβλήματα από επιστημονικές δημοσιεύσεις που κυκλοφόρησαν μεταξύ Δεκεμβρίου 2025 και Μαΐου 2026, διασφαλίζοντας ότι οι λύσεις δεν περιλαμβάνονταν στα δεδομένα εκπαίδευσης των μοντέλων, όπως το GPT-5.5 και το o3.
Κρίση στα Μαθηματικά και την Επαλήθευση
Η πρόοδος αυτή δεν είναι χωρίς εντάσεις. Τον περασμένο μήνα, η OpenAI προκάλεσε αναταραχή ανακοινώνοντας την επίλυση του προβλήματος Navier-Stokes, μιας ιστορικής πρόκλησης στη δυναμική των ρευστών. Η ανακοίνωση συνοδεύτηκε από καταγγελίες για «gazumping» (αρπαγή προβαδίσματος) από ακαδημαϊκούς, ενώ πολλοί μαθηματικοί προειδοποιούν ότι η διαδικασία της επίλυσης είναι εξίσου σημαντική με το τελικό αποτέλεσμα.
Παρά την ικανότητα της ΤΝ να παράγει λύσεις, οι ερευνητές του MIT τονίζουν ότι ο ρόλος των ανθρώπων παραμένει κρίσιμος. Η OpenAI χρειάστηκε να αποσύρει αρκετές λύσεις από το πρόσφατο σύνολο δεδομένων της λόγω σφαλμάτων, αποδεικνύοντας ότι οι ειδικοί είναι απαραίτητοι για την επαλήθευση και τη σύνδεση των εννοιών.
