Hoe een reasoning-model een 80 jaar oud wiskundeprobleem kraakte — the OpenAI Podcast afl. 20 How a reasoning model cracked an 80-year-old math problem — the OpenAI Podcast Ep. 20

Vorige maand vond AI iets wat wiskundigen tientallen jaren over het hoofd hadden gezien. Reasoning-onderzoekers Alexander Wei, Hongxun Wu en Lijie Chen vertellen in de podcast hoe een algemeen model hielp een 80 jaar oud vermoeden van de beroemde wiskundige Paul Erdős te weerleggen. Ze nemen je mee naar het moment waarop het resultaat echt leek te kloppen, wat er nodig was om het bewijs te verifiëren en wat er is gebeurd sinds de ontdekking met de wereld werd gedeeld. Ook verkennen ze wat dit betekent voor de toekomst van de wiskunde en voor onderzoekers die leren werken met AI. Hoofdstukken 0:44 AI en de Internationale Wiskunde Olympiade en de Internationale Informatica Olympiade 6:35 Een model van OpenAI weerlegt het vermoeden van Erdős over eenheidsafstanden 8:33 Het model draaien en het bewijs controleren 11:04 Waarom algemene modellen belangrijk zijn voor ontdekkingen 15:55 Creativiteit, tools en hoe het bewijs werkte 18:25 Waarom AI wiskundigen juist kracht moet geven 22:31 Advies voor onderzoekers die AI gebruiken 27:24 Wat er hierna komt voor wiskunde en AI-onderzoek 37:30 Cryptografie, quantumcomputing en de toekomst

Last month AI found something mathematicians had missed for decades. Reasoning researchers Alexander Wei, Hongxun Wu, and Lijie Chen join the podcast to discuss how a general-purpose model helped disprove an 80-year-old conjecture from famed mathematician Paul Erdős. They walk through the moment the result started looking real, what it took to verify the proof, and what’s happened since sharing the discovery with the world. They also explore what this means for the future of math and for researchers learning to work with AI. Chapters 0:44 AI and the International Math Olympiad and International Olympiad of Informatics 6:35 An OpenAI model disproves the Erdős unit distance conjecture 8:33 Running the model and checking the proof 11:04 Why general models matter for discovery 15:55 Creativity, tools, and how the proof worked 18:25 Why AI should feel empowering for mathematicians 22:31 Advice for researchers using AI 27:24 What comes next for math and AI research 37:30 Cryptography, quantum computing, and the future