Η Υπόθεση του Ρίμαν και τα όρια της Τεχνητής Νοημοσύνης
Χθες, στις 20/11/2026, ένας μαθηματικός της Anthropic, ο Levent Alpoge, ανακοίνωσε ότι, σε συνεργασία με το Claude ΑΙ, απέδειξε την Υπόθεση Ρίμαν.[1]
Από τότε που ήμουν φοιτητής Εφαρμοσμένων Μαθηματικών, θυμάμαι την Υπόθεση του Ρίμαν ως ένα από τα μεγαλύτερα άλυτα προβλήματα της μαθηματικής επιστήμης. Ένα πρόβλημα που, παρά τις προσπάθειες πολλών σπουδαίων μυαλών, παρέμενε άλυτο για περισσότερο από ενάμιση αιώνα και που αποτελούσε, κατά τον ίδιο Χίλμπερτ, έναν από τους σημαντικότερους μαθηματικούς όλων των εποχών, ένα από τα περίφημα 23 καθοριστικά προβλήματα για την εξέλιξη των μαθηματικών, τα οποία παρουσίασε το 1900 στο ιστορικό Δεύτερο Διεθνές Συνέδριο Μαθηματικών στο Παρίσι.[2]
Έναν αιώνα αργότερα, το 2000, στην καπιταλιστική πραγματικότητα στην οποία ζούμε, ήρθε και ένα τεράστιο χρηματικό έπαθλο να συνοδεύσει το κύρος της επίλυσης του προβλήματος. Το Clay Mathematics Institute συμπεριέλαβε την Υπόθεση του Ρίμαν στα επτά Προβλήματα της Χιλιετίας, προσφέροντας ένα εκατομμύριο δολάρια σε όποιον κατάφερνε να την αποδείξει![3]
Η απόδειξη του Alpoge με το Claude, βέβαια, δεν έχει ακόμη επιβεβαιωθεί από τη μαθηματική κοινότητα, αν όμως αυτό συμβεί, τότε το ζήτημα ξεπερνά κατά πολύ τα όρια των μαθηματικών και μας φέρνει αντιμέτωπους με το βαθύτερο ερώτημα του αν μπορεί τελικά η Τεχνητή Νοημοσύνη να δημιουργήσει πραγματικά νέα γνώση ή αν απλώς ανασυνθέτει όσα ήδη γνωρίζει;[4]
Πριν όμως εξετάσουμε τι σημαίνει αυτό για την ΤΝ, αξίζει να δούμε εν συντομία τι είναι η Υπόθεση του Ρίμαν και γιατί θεωρείται τόσο σημαντική.
Η Υπόθεση του Ρίμαν
Για να καταλάβουμε τι είναι η Υπόθεση του Ρίμαν, χρειάζεται να ανασύρουμε μια σχολική γνώση, τους πρώτους αριθμούς. Δηλαδή τους φυσικούς αριθμούς οι οποίοι διαιρούνται μονάχα με τον εαυτό τους και τη μονάδα. Τέτοιοι αριθμοί είναι το 2, το 3, το 5, το 7, το 11, το 13 κ.ο.κ. Η σημασία τους είναι μεγάλη, καθώς όλοι οι φυσικοί αριθμοί μεγαλύτεροι του 1 μπορούν να προκύψουν από τον πολλαπλασιασμό πρώτων αριθμών. Για παράδειγμα, το 12 προκύπτει από τον πολλαπλασιασμό 2 x 2 x 3, το 20 προκύπτει από τον πολλαπλασιασμό 2 x 2 x 5 και πάει λέγοντας. Θα μπορούσαμε λοιπόν να πούμε ότι οι πρώτοι αριθμοί, σύμφωνα με το Θεμελιώδες Θεώρημα της Αριθμητικής, είναι κατά κάποιο τρόπο τα δομικά στοιχεία όλων των φυσικών αριθμών.
Οι πρώτοι αριθμοί έχουν αρκετές ιδιαιτερότητες και έχουν σημαντικές πρακτικές εφαρμογές, και παράλληλα, έχουν κατά καιρούς αποτελέσει αντικείμενο φιλοσοφικών αναζητήσεων, αλλά και μυστικιστικών ερμηνειών. Αυτό που μας ενδιαφέρει όμως εδώ είναι ότι αν κανείς ξεκινήσει να τους γράφει στη σειρά, θα διαπιστώσει ότι δεν εμφανίζονται με κάποιον συγκεκριμένο σταθερό ρυθμό. Άλλοτε βρίσκονται κοντά μεταξύ τους και άλλοτε απέχουν αρκετά. Για παράδειγμα, οι αριθμοί 409, 419, 421 και 431 είναι τέσσερις διαδοχικοί πρώτοι αριθμοί. Από το 409 στο 419 μεσολαβούν 10 μονάδες, από το 419 στο 421 μόλις 2, ενώ από το 421 στο 431 η απόσταση γίνεται ξανά 10 μονάδες.[5]
Επομένως δεν υπάρχει κάποιος απλός κανόνας που να μας επιτρέπει να γνωρίζουμε πού ακριβώς θα συναντήσουμε τον επόμενο πρώτο αριθμό.
Εδώ όμως μπαίνει στην ιστορία ο Γερμανός μαθηματικός Μπέρνχαρντ Ρίμαν, ο οποίος, το 1859, μελέτησε την ακανόνιστη εμφάνιση των πρώτων αριθμών μέσα από μια μαθηματική συνάρτηση, γνωστή ως συνάρτηση ζήτα. Ο Ρίμαν διαπίστωσε ότι τα σημεία στα οποία η συνάρτηση μηδενίζεται συνδέονται με την κατανομή των πρώτων αριθμών και διατύπωσε την περίφημη Υπόθεσή του ότι όλες οι μη τετριμμένες ρίζες της βρίσκονται πάνω σε μία συγκεκριμένη ευθεία, εκεί όπου το πραγματικό μέρος των μιγαδικών αριθμών είναι ίσο με 1/2.[6]
Μπορεί όλα αυτά να ακούγονται αφηρημένα και υπερβολικά τεχνικά, όμως η ουσία τους είναι απλή. Αν η Υπόθεση του Ρίμαν είναι σωστή, τότε η φαινομενική αταξία των πρώτων αριθμών υπόκειται σε πολύ αυστηρότερους μαθηματικούς περιορισμούς απ’ όσους έχουμε καταφέρει μέχρι σήμερα να αποδείξουμε. Με άλλα λόγια, πίσω από την ακανόνιστη εμφάνισή τους θα υπάρχει μια βαθύτερη μαθηματική τάξη, την οποία οι μαθηματικοί προσπαθούν να αποδείξουν εδώ και 167 χρόνια. Και αυτό είναι πολύ σημαντικό, γιατί πολλά μαθηματικά αποτελέσματα έχουν ήδη διατυπωθεί με την προϋπόθεση ότι η Υπόθεση Ρίμαν είναι αληθής. Αυτά μας αρκούν για να προχωρήσουμε την κουβέντα.
Γυρνάμε τώρα στην ΤΝ και στην ανακοίνωση του Alpoge, ο οποίος ισχυρίζεται ότι στην πραγματικότητα συνεργάστηκε με το Claude για την απόδειξη. Δηλαδή το μοντέλο δεν περιορίστηκε στον ρόλο του βοηθητικού εργαλείου για υπολογισμούς κλπ, αλλά συνέβαλε ουσιαστικά στην ανάπτυξη των μαθηματικών συλλογισμών. Μάλιστα, όπως λέει, στα τελευταία στάδια της προσπάθειας, το ΑΙ προχωρούσε πολύ ταχύτερα από εκείνον, σε σημείο που να παρουσιάζει πλέον ένα ολοκληρωμένο μαθηματικό επιχείρημα χωρίς ακόμη να έχει κατανοήσει πλήρως ο ίδιος όλα τα μαθηματικά που περιλαμβάνει.[7]
Επομένως εδώ η ΤΝ εμφανίζεται ως ενεργός παράγοντας στην παραγωγή μιας ενδεχομένως νέας μαθηματικής απόδειξης. Και λέω ενδεχομένως, γιατί, όπως είπαμε, δεν έχει ακόμη επιβεβαιωθεί. Η προτεινόμενη απόδειξη πρέπει πρώτα να εξεταστεί εξονυχιστικά από τη διεθνή μαθηματική κοινότητα, ώστε να διαπιστωθεί ότι κάθε βήμα της είναι λογικά ορθό και ότι δεν υπάρχουν σφάλματα ή κενά στους συλλογισμούς της.
Παρ’ όλα αυτά, ακόμη και με αυτή την επιφύλαξη, το γεγονός ότι ένα σύστημα τεχνητής νοημοσύνης ενδέχεται να συνέβαλε ουσιαστικά στην επίλυση ενός τόσο δύσκολου προβλήματος μας αναγκάζει να επανεξετάσουμε ορισμένες παραδοχές για τη φύση και τα όρια της τεχνολογίας.
Μπορεί μια μηχανή να δημιουργήσει κάτι πραγματικά νέο;
Σε προηγούμενο κείμενό μου για την τεχνητή νοημοσύνη, είχα υποστηρίξει ότι τα συστήματα αυτά, παρά την εντυπωσιακή τους απόδοση, δεν διαθέτουν ανθρώπινη νόηση και ότι η λειτουργία τους συνίσταται στην ανασύνθεση προϋπαρχόντων δεδομένων, χωρίς την ικανότητα ριζικής δημιουργίας.[8]
Η νέα αυτή εξέλιξη όμως, εφόσον επιβεβαιωθεί, δημιουργεί μια σοβαρή πρόκληση για ένα μέρος αυτής της θέσης.
Διότι τι ακριβώς σημαίνει ότι ένα σύστημα απλώς ανασυνθέτει δεδομένα, όταν ενδέχεται να παράγει μια μαθηματική απόδειξη που κανένας άνθρωπος δεν είχε κατορθώσει να διατυπώσει επί σχεδόν δύο αιώνες;
Μπορούμε ασφαλώς να πούμε ότι η μηχανή εκπαιδεύτηκε πάνω σε τεράστιες ποσότητες ανθρώπινης γνώσης. Ότι χρησιμοποιεί μαθηματικές δομές οι οποίες έχουν ήδη δημιουργηθεί. Ότι ακολουθεί υπολογιστικές διαδικασίες και ότι δεν έχουμε αποδείξεις πως διαθέτει συνείδηση ή ανθρώπινη κατανόηση. Όλα αυτά είναι δόκιμο να τα πει κανείς. Όμως ούτε η ανθρώπινη δημιουργία πραγματοποιείται σε κάποιο ιστορικό ή γνωσιακό κενό. Κανένας μαθηματικός δεν ξεκινά από το τίποτα και πάντοτε χρησιμοποιεί έννοιες, θεωρήματα, γλώσσα, τεχνικές και τρόπους σκέψης που έχουν παραχθεί από άλλους πριν από αυτόν. Και όμως, μέσα από αυτό το ήδη υπάρχον υλικό, μπορούν να εμφανιστούν νέες μαθηματικές ιδέες. Το γεγονός, επομένως, ότι ένα σύστημα βασίζεται σε προηγούμενη γνώση δεν αρκεί για να αποκλείσουμε την πιθανότητα να παράξει κάτι πρωτότυπο.
Αλλά εδώ χρειάζεται να κάνουμε μια ακόμη διάκριση. Ότι η παραγωγή νέας γνώσης δεν ταυτίζεται αναγκαστικά με τη ριζική δημιουργία.
Μια νέα απόδειξη μπορεί να αποτελεί ένα πρωτότυπο μαθηματικό επίτευγμα χωρίς να συνιστά τη δημιουργία μιας θεμελιωδώς νέας μορφής σκέψης. Μπορεί να αποκαλύπτει λογικές σχέσεις που υπήρχαν ήδη μέσα στο μαθηματικό σύστημα, αλλά δεν είχαν μέχρι σήμερα αναγνωριστεί. Μπορεί, από την άλλη, να εισάγει εννοιολογικές κατασκευές που μεταβάλλουν ουσιαστικά τον τρόπο με τον οποίο αντιλαμβανόμαστε ένα ολόκληρο μαθηματικό πεδίο. Δεν γνωρίζουμε ακόμη ποιο από τα δύο συμβαίνει στη συγκεκριμένη περίπτωση.
Ο Καστοριάδης, έλεγε πως η γνήσια δημιουργία συνιστά την ανάδυση νέων μορφών, νέων ειδών και σημασιών που δεν μπορούν να αναχθούν πλήρως σε όσα προϋπήρχαν. Πρόκειται για τη δημιουργία ex nihilo, αλλά όχι in nihilo ούτε cum nihilo. Δηλαδή για τη δημιουργία του νέου μέσα σε έναν ήδη υπάρχοντα κόσμο, χωρίς αυτό το νέο να μπορεί να παραχθεί αναγκαστικά από τις προηγούμενες συνθήκες. Εδώ βρίσκεται άλλωστε και η σημασία της κριτικής του στη συνολιστική-ταυτιστική λογική καθώς αμφισβητεί την αντίληψη ότι το Είναι μπορεί να εξαντληθεί σε ένα πλήρως καθορισμένο σύστημα σχέσεων, από το οποίο οτιδήποτε εμφανίζεται θα μπορούσε, τουλάχιστον θεωρητικά, να συναχθεί.[9]
Τι συμβαίνει όμως όταν μια μηχανή, της οποίας η λειτουργία θεμελιώνεται σε μαθηματικούς και υπολογιστικούς κανόνες, εμφανίζεται ικανή να παράγει νέους μαθηματικούς συλλογισμούς;
Το πρώτο που πρέπει να παρατηρήσουμε είναι ότι η παραγωγή μιας νέας απόδειξης δεν συνεπάγεται ότι η μηχανή διαθέτει ριζική φαντασία. Ούτε ότι αποτελεί υποκείμενο ικανό να δημιουργεί φαντασιακές σημασίες, να αναστοχάζεται την ύπαρξή του και να θέτει συνειδητά τους δικούς του σκοπούς. Η ανθρώπινη δημιουργικότητα, πολύ παραπάνω απο την υπολογιστική της διάσταση, συνδέεται με τη συγκρότηση ενός κόσμου νοήματος. Με την τέχνη, τη γλώσσα, την ιστορία, την κοινωνική θέσμιση και την ίδια τη δυνατότητα της αυτονομίας.[10]
Από την άλλη πλευρά, δεν αρκεί πλέον να θεωρούμε αυτονόητο ότι κάθε υπολογιστικό αποτέλεσμα είναι απλή αναπαραγωγή του γνωστού. Αν μια ΤΝ μπορεί να επινοεί μαθηματικές μεθόδους που δεν είχαν εμφανιστεί προηγουμένως, τότε η διάκριση ανάμεσα στην ανασύνθεση και στη δημιουργία χρειάζεται προσεκτικότερη επεξεργασία. Και αυτό χωρίς να απαιτείται να της αποδώσουμε συνείδηση ή ανθρώπινη υποκειμενικότητα.
Ίσως, επομένως, χρειάζεται, τουλάχιστον για αναλυτικούς λόγους, να διακρίνουμε τρεις έννοιες που συχνά συγχέονται. Τη νοημοσύνη ως ικανότητα επίλυσης προβλημάτων, τη δημιουργικότητα ως ικανότητα παραγωγής καινοφάνειας και τη συνείδηση ως υποκειμενική εμπειρία, ως το ίδιο το βίωμα της ύπαρξης. Οι δύο πρώτες αφορούν αυτό που ένα σύστημα μπορεί να κάνει. Η τρίτη αφορά το αν υπάρχει ένα υποκείμενο που βιώνει όσα συμβαίνουν. Και βέβαια δεν είναι καθόλου αυτονόητο ότι αυτές οι τρεις ιδιότητες συνυπάρχουν αναγκαστικά. Το αν μπορούν να διαχωριστούν ριζικά αποτελεί πλέον ένα από τα σημαντικότερα φιλοσοφικά ερωτήματα που θέτει η σύγχρονη τεχνητή νοημοσύνη.
Υπάρχει όμως και μια άλλη διάσταση, που δεν πρέπει να χαθεί μέσα στον ενθουσιασμό για τις τεχνολογικές επιδόσεις.
Ακόμη και αν οι μηχανές καταστούν ικανές να παράγουν μαθηματικά αποτελέσματα που υπερβαίνουν τις δυνατότητες των περισσότερων ανθρώπων, αυτό δεν σημαίνει ότι πρέπει να τους εκχωρήσουμε την ευθύνη της γνώσης.
Μια απόδειξη που ένας μαθηματικός του επιπέδου του Alpoge δεν μπορεί να παρακολουθήσει μπορεί να είναι τυπικά ορθή, αλλά το να θεωρηθεί ουσιαστικά κατανοητή μαθηματική γνώση είναι άλλο πράγμα. Το οποίο μάλιστα αποκτά ακόμη μεγαλύτερη σημασία όταν η ανάπτυξη αυτών των συστημάτων συγκεντρώνεται στα χέρια λίγων ιδιωτικών εταιρειών. Διότι τότε το ερώτημα δεν είναι μόνο τι μπορούν να ανακαλύψουν οι μηχανές, αλλά και ποιος έχει τη δυνατότητα να κατανοεί, να ελέγχει και τελικά να αξιοποιεί τη γνώση που παράγουν και μέσω αυτής να εξουσιάζει ως αυθεντία.
Επιπλέον, το πρόβλημα δεν είναι ότι μια μηχανή ενδέχεται να αποδειχθεί «ικανότερη» από έναν άνθρωπο σε ορισμένα πεδία. Το ξέρουμε αυτό. Η ανθρώπινη ιστορία είναι γεμάτη τεχνικές κατασκευές που υπερβαίνουν τις φυσικές μας δυνατότητες. Ακόμη και χιλιοταλαιπωρημένο Corolla μου, πηγαίνει πιο γρήγορα από εμένα και αυτό είναι κάτι με το οποίο έχω μάθει να ζω. Το πραγματικό πρόβλημα ανακύπτει όταν η τεχνική αποτελεσματικότητα ανάγεται σε υποκατάστατο της ανθρώπινης κρίσης και όταν η παραγωγή γνώσης συγκεντρώνεται σε συστήματα που η κοινωνία δεν έχει τη δυνατότητα να ελέγξει ουσιαστικά.
Επομένως αυτό που πρέπει να μας απασχολεί δεν είναι το τι μπορούν να κάνουν οι μηχανές, αλλά ποιος καθορίζει τους σκοπούς για τους οποίους χρησιμοποιούνται, ποιος ελέγχει τα αποτελέσματά τους και ποιος έχει πρόσβαση στη γνώση που παράγουν.
Γυρνώντας ξανά στον Alpoge και το Claude, η εύκολη αντίδραση θα ήταν να υιοθετήσουμε μία από τις δύο κυρίαρχες αφηγήσεις. Από τη μία, τον τεχνολογικό ενθουσιασμό που βλέπει σε κάθε νέο επίτευγμα την εμφάνιση μιας ανώτερης μηχανικής νοημοσύνης και από την άλλη, μια αμυντική ανθρωποκεντρική στάση που αρνείται εκ των προτέρων ότι ένα μη ανθρώπινο σύστημα μπορεί να παράγει οτιδήποτε νέο.
Νομίζω ότι καμία από τις δύο δεν είναι επαρκής.
Ίσως να πρέπει να μετακινήσουμε το ερώτημα από το αν οι μηχανές μπορούν να «σκεφτούν» όπως εμείς, στο αν η δημιουργικότητα, την οποία θεωρούσαμε μέχρι σήμερα αναπόσπαστα συνδεδεμένη με την ανθρώπινη νόηση, μπορεί να εμφανιστεί και με μορφές που δεν είχαμε προβλέψει. Και αν πράγματι συμβαίνει κάτι τέτοιο, τότε δεν θα χρειαστεί απλώς να επανεξετάσουμε τη φύση της τεχνητής νοημοσύνης. Θα χρειαστεί να επανεξετάσουμε και όσα θεωρούμε δεδομένα για τη δική μας φύση.
Πηγές / Αναφορές
[1] https://www.scientificamerican.com/article/anthropic-mathematician-claims-to-prove-riemann-hypothesis-most-famous-problem-in-all-of-math/
[2] https://en.wikipedia.org/wiki/Hilbert%27s_problems
[3] https://www.claymath.org/millennium-problems/
[4] Βλ. παλαιότερο άρθρο μου Η μεγάλη απάτη της «Τεχνητής Νοημοσύνης».
[5] https://en.wikipedia.org/wiki/Prime_gap
[6] https://en.wikipedia.org/wiki/Riemann_hypothesis
[7] https://alpo.ge/remark.pdf
[8] https://sekeris.gr/techniti-noimosyni-kai-i-megali-apati/
[9] Κορνήλιος Καστοριάδης, The Castoriadis Reader, επιμ. David Ames Curtis, Blackwell Publishers, 1997, σ. 321, 404. Βλ. επίσης παλαιότερο άρθρο μου Η Ριζική Οντολογία του Καστοριάδη: Δημιουργία, Φαντασιακό, Αυτονομία https://sekeris.gr/ontologia-kastoriadis/
[10] Για μια εκτενέστερη ανάλυση της σχέσης ανάμεσα στη ριζική φαντασία, τη δημιουργία και την αυτονομία, βλ. Ηλίας Σεκέρης, Να ξαναμάθουμε να φανταζόμαστε: Η σκέψη του Καστοριάδη και η πράξη της ελευθερίας, Εκδόσεις Αυτολεξεί, 2025.