Northeastern Üniversitesi Matematik Bölümü Başkanı Ken Duffy, matematiği gerçek dünya problemlerinde kullanıyor. Credit: Matthew Modoono/Northeastern University
Birden kısa bir süre önce, yapay zekâyı üçüncü sınıf matematik ödevi için iki dört haneli sayıyı birbirine eklemeye çalışmak kötü bir fikir olurdu. Çalışmalar, cevabın yarısından fazlasının yanlış olacağını gösteriyor. Uzun bölme ya da “sızıntılı tank” problemi gibi cebir dersinin vazgeçilmezi? Onu da unutun.
Yapay zekâ aritmetikte hâlâ zorlansa da, 2024’te Google DeepMind’in yapay zekâ sistemleri, temel hesaplamadan çok matematiksel muhakemeyi ölçen seçkin bir lise yarışmasında gümüş madalya almaya yetecek kadar yüksek skor elde etti. Bir yıl sonra ise OpenAI altını aldı.
Bunlar sadece ısınmaydı.
Mayıs 2026’da yapay zekâ, matematikçi Paul Erdős’ün 1946’da ortaya attığı bir soruda ilerledi. Düz bir yüzeydeki sabit sayıda nokta verildiğinde, kaç çift tam olarak bir birim uzaklıkta yer alabilir? Uzmanların uzun süredir süren bir tahmini vardı, ancak bot bunu bir kez ve sonsuza kadar geçersiz kıldı.
Eylül ayında yaşanan doruk noktada, OpenAI ajanlarının sıvıların nasıl hareket ettiğini tanımlayan Navier–Stokes problemini çözdüğünü duyurdu. Bu cevap, bilim insanlarının bilgisayar modellerinin hava veya kan akışını tahmin etmekte güvenilirliğini kaybettiği anları anlamalarına yardımcı olabilir.
Raporlara göre yaklaşık 88 saat sürmesi çokmuş gibi görünebilir. Yine de, insanların soruyu yanıtsız bırakmak için harcadıkları yaklaşık 90 yıla kıyasla hiçbir şey.
Bu net tanımlanmış problemler, Northeastern matematik profesörü Ken Duffy’ye göre, kullanışlı test durumları oluşturuyor.
Bu durumda matematikçiler denklemden çıkarılmaya mı hazır?
Matematik ve bilişim alanındaki uzmanlar bu atılımlara perspektif kazandırıyor. İşte konuşmalardan beş çıkarım.
1: Matematikte cevabı bulmaktan daha fazlası var
Okullar ve üniversiteler, gelecek uzmanlarını mesleğin aletleriyle donatmayı hedefliyor.
“İnsanlara zaten doğru olduğunu bildiğimiz şeyleri öğretiyoruz,” dedi Duffy.
Bununla birlikte, alan bu malzeme ustalaşmaktan çok daha fazlası. Araştırma matematiği tamamen farklı bir oyun.
“Araştırmanın para birimi, sormak için iyi bir soru bulmaktır,” dedi Duffy. Karşılığı yeni teknoloji ya da yalnızca zarif bir kanıt olabilir.
2: Yapay zekâ zor şeylerle uğraşıyor
Araştırma matematiği içinde, uzmanlar yapay zekânın bin güce dayanan süreçlerde, örneğin tonlarca veri toplama gibi konularda başarılı olduğunu söylüyor. Ayrıca çok hızlı bir şekilde gerçekleri birbirine bağlama yeteneğine de sahip.
Erdős problemini çözmek için yapay zekâ, sayıları çalışmak için kullanılan teknikleri geometriye uyguladı ve uzmanların kaçırduğu beklenmedik bir bağlantı buldu.
Navier–Stokes denklemini çözmek, OpenAI’nin geçen ay yaptığı bir duyuruya göre, on binlerce botun onlarca yıla ait bilgiyi saatler içinde süzmesinden aldı.
3: Yapay zekâ, insanları karanlıkta bırakırken bir soruyu çözebilir
Matematikçiler, bir çözüme nasıl ulaştıklarını açıklamak ve yol boyunca yöntemler geliştirmek için tanınırlık kazanıyor, dedi Duffy. İyi bir kanıt, muhakemeyi ortaya koyar, başkalarının öğrenebileceği bir yol sunar ve keşif için yeni alanlar açar.
Bununla birlikte, yapay zekâ işini göstermede meşhur derecede başarısızdır. Sağladığı kanıtlar genellikle matematikçileri kafaları karışık bırakır.
“Öğrencilerin sınavlarını derecelendirirken, oraya nasıl ulaştıklarını açıklamazlarsa, doğru cevabı verseler bile tam puan vermiyoruz,” dedi Duffy.
4: Yine de yapay zekâ, matematten çok daha ötesinde hakkını kazanıyor
Yapay zekâ çözümleri, kanıt doğrulama sistemi Lean’de test edilebilir, ekledi. Bazıları ilk yayımlandıktan sonra işe yaramadığında geri çekildi.
Dezavantajlarına rağmen, yapay zekânın bilişim gücü birçok alanı dönüştürdü. Biyolojide, 200 milyondan fazla proteinin şekillerini tahmin ederek bilim insanlarının fonksiyonlarını belirlemelerine yardımcı oldu.
Kemik iliğinde lösemi nedeniyle oluşan değişiklikleri çalışmak için hücreleri eşlemek, Duffy’ye göre eskiden yorucu bir görevdi. Bu, minik parçaları floresan proteinlerle boyamayı ve çok sayıda görüntü almayı gerektiriyordu.
“Orada 60 milyon ya da 100 milyon hücre var,” dedi. “Sonra da kötü bir yüksek lisans öğrencisi, her görüntüye bakıp (onların) etrafına daireler çizerek kör oluyor.”
Duffy’s ekibi, yüksek lisans öğrencilerine hem zaman hem de görme yeteneği tasarrufu sağlayarak bu görevi yapay zekâya devretti.
Duffy, yapay zekânın görüntülerde hücreleri bireysel olarak doğru biçimde ayırt ettiğini ve kemik iliğini insan emeğinin çok küçük bir kısmıyla eşlediğini belirtti.
Wolfram Enstitüsü’nün kurucu ortağı James Boyd, hesaplamanın evrenini araştırmaya adanmış araştırma kuruluşu olan Wolfram Enstitüsü’nün kurucu ortağı Boyd, Northeastern Global News’e yapay zekânın matematiğe dair genel varsayımları da zorladığını söyledi.
“Alanın yalnızca teorem ispatının ötesine genişlemesi sağlıklı olurdu,” dedi ve yapay zekânın da sahneye çıkmasıyla kuramsal soruların çözülmesinin artık baş olay olmadığını öne sürdü.
Boyd’ın öne sürdüğü yönlerden biri deneysel matematiktir. Bu alan, bir biyoloğun monarş kelebeklerini takibi ya da mikroskopta hücrelerin bölünmesini izlemesine benzer biçimde örüntülerden sonuç çıkarmaya odaklanır. Bilgisayarlar bu sırada sayısal ağırlık yükünü üstlenir ve yapay zekâ örüntülerin dayanıklı olup olmadığını sınar.
“Buna ‘yüksek performanslı insan matematiği’ demeyi severim,” dedi Boyd. Makinelerin hesaplama gücünden yararlanıyor ama “insan metodolojisinin temeline sağlam biçimde dayanıyor” diye ekledi.
Anahtar, cevaba ulaşmanın adım adım sürecini ön plana tutmaktır. Bu adımlar insanlara bırakıldığında, sonuçların önüne geçilip bir kenara itilme ihtimali düşük olur, diye ekledi.
5: Bir matematik diploması hâlâ sayısız fırsat anlamına gelir
Duffy bir zamanlar bir kahve dükkanında bir müşterinin bir yakınının matematik okuma kararını sorguladığını duymuştu. Bu adam okul öğretmeni olmayacak mıydı?
Son vuruş: Adam, ABD’nin en büyük 10 bankasından biri olan Capital One’da iyi ücretli bir işe yerleşti.
Öğretmenlik ve yükseköğretim onurlu uğraşlardır ama matematik bölümü öğrencilerinin önünde sayısız başka seçenek var, Duffy söyledi. Finans ve mühendislik şirketleri, zor bulmacaları çözme becerileriyle mezunları yiyor.
Ayrıca botlar eleştirel düşünceyi hâlâ piyasadan çekmedi.
“Yapay zekâ hâlâ halüsinasyon görüyor,” dedi Duffy. “Hâlâ uydurma saçmalıklar üretiyor.”
Northeastern Üniversitesi tarafından sağlanmıştır
Bu hikâyenin ardındaki isimler?
Swati Mestri, Elektronik Mühendisliği alanında lisans derecesine sahiptir ve 2019’dan beri içerik editörü olarak çalışmaktadır. Teknoloji, sağlık ve malzeme bilimi alanlarında araştırma belgelerini düzenleme deneyimine sahiptir ve özellikle teknoloji ile uzay ilgilenmektedir.
Profilin tamamı →
Matematiksel biyoloji alanında lisans, yaratıcı yazı alanında yüksek lisans. Bilim ve dil üzerine özgün bakış açılarına sahip, geniş çapta seyahat etmiş.
Profilin tamamı →
Bu hikâye Northeastern Global News (news.northeastern.edu) tarafından yeniden yayınlanmıştır.
Alıntı
:
Yapay zekâ insanları şaşırtan matematik problemlerini çözüyor. Sonraki adım ne? (2026, 23 Ekim)
23 Ekim 2026’da alındı
https://phys.org/news/2026-10-ai-math-problems-stumped-humans.html adresinden
Bu belge telif hakkına tabidir. Özel çalışma veya araştırma amacıyla yapılan adil kullanım dışında,
yazılı izin olmadan içeriğin hiçbir kısmı çoğaltılamaz. İçerik yalnızca bilgi amaçlı sağlanmıştır.
Bu gelişme hakkında düşüncelerinizi, donanım deneyimlerinizi veya sorularınızı Topluluk Forumumuzda paylaşın.
Foruma Katıl & Yanıtla ➔
1 yorum
Fikrinizi bir kaynak, soru veya yapıcı karşı görüşle geliştirin.