GPT-5 Pro on hiljattain ratkaissut kaksi erillistä ja tunnetusti vaikeaa matematiikan ongelmaa, osoittaen voimakasta uuden tason abstraktia päättelykykyä. Kyse ei ole vain ovelista tempuista; toinen ratkaisu vastaa vaikeudeltaan IMO-tason vertailukohtaa, kun taas toinen kumoaa pitkäaikaisen oletuksen informaatioteoriassa.
On syytä huomata, että sen kovimpia kilpailijoita, kuten Googlen Gemini 2.5 Pro ”Deep Think” -tilassa ja Anthropicin Claude 4.5+:aa, ei ole vielä testattu julkisesti näiden nimenomaisten ongelmien parissa.
Tässä yksinkertainen yhteenveto tapahtuneesta.
1. Algebraongelma: Yu Tsumuran 554. tehtävä
Mistä on kyse? Tämä on Yu Tsumuran tehtäväkokoelmasta peräisin oleva ongelma, jonka vaikeustaso vastaa suunnilleen kansainvälisiä matematiikkaolympialaisia (IMO). Tehtävänä on todistaa, että tietty matemaattinen ryhmä, jonka määrittelevät sen kahta generaattoria koskevat säännöt, on ”triviaali” (eli se on yksinkertaisin mahdollinen ryhmä). Tiiviin muotoilunsa vuoksi siitä on tullut vertailukohta, jolla testataan, onko tekoäly saavuttanut korkean tason matemaattisen päättelykyvyn.
Mitä GPT-5 Pro teki? Siitä tuli ensimmäinen tekoälymalli, joka ratkaisi ongelman. Mallia testanneiden riippumattomien matemaatikkojen mukaan GPT-5 Pro tuotti täydellisen todistuksen vain 15 minuutissa ilman internetyhteyttä.
Miksi tällä on merkitystä? Tämä on suora edistyksen mittari. Vain pari kuukautta sitten tutkimusartikkelissa nimeltä ”No LLM Solved Yu Tsumura’s 554th Problem” väitettiin, että nykyisiltä malleilta puuttui kyky suoriutua tällaisista tehtävistä. GPT-5 Pron onnistuminen osoittaa tekoälyn päättelytaitojen uskomattoman nopean kehitysvauhdin.
2. Informaatioteorian läpimurto: Enemmistöfunktion optimaalisuuden kumoaminen
Mistä on kyse? Tämä informaatioteoriasta peräisin oleva ongelma tunnetaan nimellä ”NICD-with-erasures majority optimality”. Kuvittele, että kaksi ihmistä vastaanottaa vioittuneet versiot samasta signaalista. Molemmat yrittävät arvata funktion osittaisten tietojensa perusteella tavoitteenaan maksimoida todennäköisyys, että he päätyvät samaan arvaukseen. Asiantuntijat uskoivat pitkään, että paras strategia oli ”enemmistöfunktio” (pohjimmiltaan demokraattinen äänestys datapisteiden kesken).
Mitä GPT-5 Pro teki? Se todisti tämän pitkäaikaisen uskomuksen vääräksi. Sen sijaan, että se olisi ratkaissut parhaan funktion, GPT-5 Pro löysi vastaesimerkin – toisenlaisen funktion, joka tietyissä olosuhteissa suoriutuu hieman, mutta selvästi paremmin kuin enemmistöperiaate.
Tässä on sen löytämä vastaesimerkki tietylle asetelmalle (p=0.4, n=5):
f(x) = sign(x_1 - 3x_2 + x_3 - x_4 + 3x_5)
Tämä funktio saavutti pistemäärän 0,43024 ja ylitti parhaan enemmistöfunktion pistemäärän 0,42904.
Miksi tällä on merkitystä? Tämä on perustavanlaatuinen ongelma, jolla on valtavia käytännön sovelluksia. Optimaalisten funktioiden löytäminen signaalin palauttamiseen vaikuttaa suoraan siihen, miten suunnittelemme virheenkorjauskoodeja tiedon tallennusta, viestintäkanavia ja tiedon palautusta varten. Kumoamalla vanhan oletuksen GPT-5 Pro on avannut uuden luvun alan tutkimukselle.
