✨ Une prouesse : ChatGPT résout une conjecture mathématique
Qui aurait cru qu’un outil d’intelligence artificielle grand public puisse franchir le seuil de la création mathématique ? Une équipe du Laboratoire d'Analyse des Données de la VUB rapporte que commercial models ont produit des preuves originales, marquant une new milestone dans la recherche théorique. Jusqu’ici réservé à l’esprit humain, ce terrain semble désormais partagé.
Selon leurs travaux, ChatGPT-5.2 (Thinking) a résolu de manière autonome un problème posé en 2024, lié à une conjecture des mathématiciens Ran et Teng. Le modèle a construit l’main structure de la démonstration après plusieurs échanges avec les chercheurs. Cette méthode, baptisée « vibe-proving », s’inspire du « vibe-coding » en programmation et repose sur l’exploration fluide d’idées complexes.
Les chercheurs insistent sur le rôle central de la human input , surtout pour la vérification finale. L’IA accélère la rédaction des ébauches, mais la validation par des experts reste cruciale. Ce n’est pas une substitution, mais une collaboration où l’humain garde le dernier mot sur la rigueur logique.
Pour le professeur Vincent Ginis, cette expérience remet en cause l’idée d’une créativité limitée des machines. Loin de se contenter de répéter, le modèle a proposé un original reasoning . Cela suggère que les LLM peuvent aller au-delà de la simple reformulation, explorant des theoretical possibilities invisibles à l’intuition première.
Les scientifiques anticipent une amélioration continue des modèles dans la phase de vérification. Cette synergy pourrait transformer la recherche théorique, rendant la découverte plus interactive et much faster . L’avenir ? Des chercheurs aidés par une IA capable de penser en mathématiques, même partiellement.
C’est fascinant, mais je me demande combien de temps prend encore la validation vérification humaine. Même avec une ébauche, le final cost coût final en temps reste élevé non ?
Ils parlent de original reasoning raisonnement original, mais est-ce vraiment de la création ou juste un assemblage subtil de ce que le modèle a appris ? La frontière est mince.
En tant qu’enseignant, je vois déjà les étudiants utiliser ça pour leurs devoirs. Le vrai risk risque n’est pas la découverte, c’est la perte de critical thinking pensée critique.
Le terme « vibe-proving » est accrocheur, mais un peu léger pour un processus aussi sérieux. On dirait du marketing sur fond de recherche.
Si l’IA peut proposer des idées que l’esprit humain ne voit pas, alors c’est un vrai leap forward bond en avant. J’espère que ça accélérera des découvertes bloquées depuis des décennies.
La partie la plus impressionnante, c’est que le modèle ait tenu une coherent thread trame cohérente sur plusieurs sessions. Ce n’est pas juste un coup de chance.