Przez tysiąclecia ludzcy geniusze budowali naukę cegiełka po cegiełce. Teraz maszyna zaczyna zaglądać do fundamentów i pyta: a co, jeśli któraś z tych cegiełek leży krzywo?
20 maja 2026 roku OpenAI ogłosiło coś, co w środowisku matematyków wywołało mieszaninę zachwytu i lekkiego niepokoju. Wewnętrzny model rozumowania firmy samodzielnie obalił hipotezę Paula Erdősa — węgierskiego matematyka uważanego za jednego z największych umysłów XX wieku — dotyczącą geometrii punktów na płaszczyźnie. Hipoteza była niewzruszona przez blisko osiemdziesiąt lat. Przejrzeli ją najwybitniejsi matematycy świata. Żaden nie znalazł dziury. AI znalazło.
Ale zanim zapytamy, co to oznacza dla przyszłości nauki, warto zrozumieć, dlaczego w ogóle ta maszyna zadziałała inaczej niż człowiek.
Papuga kontra myśliciel
Przez lata popularne modele językowe działały mniej więcej tak jak bardzo obyta w świecie papuga. Pytałeś — odpowiadały, dobierając kolejne słowa na podstawie statystycznych wzorców wyuczonych z miliardów zdań. Efekt potrafił być imponujący, ale mechanizm był prosty: przewidywanie, nie rozumowanie.
Modele rozumowania — ang. reasoning models — działają inaczej. Zanim podadzą odpowiedź, „myślą na głos”: rozkładają problem na kroki, testują hipotezy, wracają do punktu wyjścia, gdy ścieżka okazuje się ślepa, i próbują od nowa. To trochę jak różnica między uczniem, który przepisuje odpowiedź z tablicy, a tym, który sam przy niej stoi i sprawdza każdy krok przeprowadzanego dowodu.
I właśnie ten mechanizm był kluczowy w przypadku Erdősa.
Osiemdziesiąt lat w siatce kwadratowej
Problem postawiony przez Erdősa brzmiał banalnie prosto: rozrzuć punkty na płaskiej powierzchni. Ile spośród wszystkich możliwych par tych punktów może dzielić dokładnie tę samą odległość? Przez dekady matematycy byli przekonani, że najlepszym możliwym rozwiązaniem jest siatka kwadratowa — układ regularny i intuicyjny, który wydawał się nie do pobicia.
Model OpenAI nie tylko zakwestionował to przekonanie — udowodnił, że jest błędne. Odkrył zupełnie nową, nieskończoną rodzinę układów punktów, która generuje więcej takich par niż siatka. Co najciekawsze: żeby to zrobić, połączył geometrię z algebraiczną teorią liczb — dziedziną, której nikt wcześniej nie próbował tu stosować. Dowód sprawdziła niezależna grupa matematyków z zewnątrz. Wynik jest poprawny.
Ta zmiana perspektywy — skok między dwiema odległymi dziedzinami matematyki — to coś, co człowiek rzadko robi. Bo człowiek, gdy już zaakceptuje pewien sposób myślenia o problemie, rzadko zawraca.
Newton też się mylił. I Einstein. I Kopernik.
Można by odetchnąć z ulgą: no dobrze, AI poradziło sobie z pewną niszową hipotezą geometryczną. Ale wielkie fundamenty nauki — prawa Newtona, teoria względności, heliocentryzm Kopernika — są przecież niepodważalne. Prawda?
Prawda, ale nie cała.
Newton spędził znaczną część życia na alchemii, wierząc, że da się zamienić ołów w złoto. W swoich obliczeniach astronomicznych zakładał, że grawitacja działa natychmiastowo — na dowolną odległość, bez żadnego opóźnienia. Einstein to poprawił. Sam Einstein przez lata bronił statycznego modelu wszechświata i wprowadził do swoich równań tzw. stałą kosmologiczną — którą później nazwał największym błędem swojego życia. Gdy Hubble pokazał, że wszechświat się rozszerza, stała okazała się niepotrzebna. A Kopernik, choć słusznie postawił Słońce w centrum, nadal sądził, że planety poruszają się po idealnych okręgach — co Kepler musiał wiele lat później poprawić elipsami.
To nie są anegdoty. To strukturalny wzorzec: nawet najwybitniejsze umysły popełniają błędy. Widzą dalej niż inni, ale widzą nadal przez pryzmat swoich epok, swoich założeń i swoich ulubionych teorii.
Bug w kodzie wszechświata
Czy AI może znaleźć podobne „bugi” w dziedzictwie nauki? Pytanie nie jest już czysto spekulatywne.
W 2023 roku algorytm uczenia maszynowego przeanalizował surowe dane eksperymentalne i samodzielnie wyprowadził 74 znane prawa fizyki — bez żadnych wskazówek i bez znajomości fizyki jako takiej. Odkrył je od zera, tak jak Newton odkrył grawitację, tyle że zajęło mu to ułamek czasu. Naukowcy z Uniwersytetu Rice’a zastosowali podobne podejście do badań plazmy i odkryli, że długo akceptowane założenia dotyczące oddziaływań między cząstkami były… niekompletne. Model wychwycił wzorce z dokładnością ponad 99% i zasugerował poprawki, których fizycy sami wcześniej nie zauważyli.
Kluczowa przewaga AI jest prosta: maszyna nie ma ulubionych teorii. Nie zakochuje się we własnych hipotezach. Nie wstydzi się porzucić ścieżki, która prowadzi donikąd. Ludzki naukowiec, który spędził dekadę na rozwijaniu określonej teorii, będzie miał podświadomy opór przed jej odrzuceniem. AI nie ma ego, które trzeba chronić.
Czy to oznacza, że maszyna jest mądrzejsza od Newtona czy Einsteina? Nie w tym sensie, który intuicyjnie rozumiemy jako mądrość. AI nie przeprowadzi eksperymentu myślowego o jeźdźcu na wiązce światła. Nie zapyta pytania, którego nikt wcześniej nie zadał, bo nikt nie wiedział, że warto je zadać. Wielkie przełomy naukowe — od heliocentryzmu przez ewolucję po mechanikę kwantową — rodziły się z ludzkiej zdolności do kwestionowania samych fundamentów, nie tylko do poprawiania rachunków.
Ale gdy fundament już stoi, AI potrafi sprawdzić każdą cegłę szybciej i bez uprzedzeń, jakich człowiek nigdy się do końca nie wyzbywa.
Koło, które się toczy dalej
Wróćmy do tytułu.
„Wymyślać koło na nowo” — to powiedzenie, którym zwykliśmy karcić marnowanie czasu na ponowne odkrywanie tego, co dawno już wiadomo. AI robi coś na pozór podobnego: wraca do starych problemów, sięga po znane narzędzia, krąży wokół rozwiązanych kwestii.
Ale różnica jest zasadnicza. Kiedy AI „wymyśla koło na nowo”, czasem okazuje się, że koło — choć przez osiemdziesiąt lat działało wystarczająco dobrze — nie było jednak idealne. Że da się je ulepszyć. Że istnieje układ, o którym nikt nie myślał, bo wszyscy patrzyli tylko na siatkę kwadratową.
To nie jest zapowiedź rewolucji, która wywróci naukę do góry nogami. Newton pozostanie Newtonem. Einstein pozostanie Einsteinem. Ale być może za kilka lat dowiemy się, że jedno z ich założeń — przyjętych w dobrej wierze, z braku lepszych narzędzi — dał się uzupełnić. Poprawić. Doszlifować.
I być może nie zrobi tego człowiek. Ale narzędzie, które człowiek stworzył.
Artykuł powstał na podstawie ogłoszenia OpenAI z 20 maja 2026 r. dotyczącego obalenia hipotezy Erdősa oraz opublikowanych badań nad autonomicznym odkrywaniem praw nauki przez AI.
