Anthropic model napravio iskorak na Riemannovoj hipotezi — zašto je to važno i za biznis
Više od 150 godina Riemannova hipoteza stoji kao jedan od najvećih neriješenih problema matematike — misterija o raspodjeli prostih brojeva, sa nagradom od milion dolara za dokaz koji još niko nije odnio. Sada je Anthropic objavio da je njihov, još neobjavljeni model, napravio značajan napredak na tom problemu: povećao je donju granicu za koju hipoteza vrijedi. Sam model ga nije riješio — ali je napravio više od onoga što bi većina ljudi očekivala od AI-ja.
Kako je do iskoračaja došlo
Najzanimljiviji dio nije sam rezultat, nego način na koji je postignut. Zaposlenik Anthropica bez formalne matematičke obuke zadao je modelu da se "ozbiljno okuša" u dokazivanju hipoteze, a onda ga ostavio da sam koordinira zadatak narednih dan i po. Model je:
- testirao 650 različitih ideja za rješavanje problema,
- koordinirao rad 60 sub-agenta,
- od kojih su dva razvila ključne matematičke ideje, 13 doprinijelo idejama, 30 pokušalo bez uspjeha, 13 provjeravalo ispravnost argumenata, a dva pisala početni rad.
Rezultat su potvrdila dva Anthropicova matematičara, a formalizovan je pomoću Lean, open-source alata za provjeru dokaza. Drugim riječima: model je vodio mali istraživački tim — i tim je funkcionisao.
Dio veće slike
Ovo nije izolovan slučaj. Tokom ove godine AI modeli su riješili niz Erdős problema, OpenAI-jev interni model "Astra" dokazao je deset velikih matematičkih rezultata, a zaseban Anthropicov napor opovrgao je dugogodišnju Jacobian hipotezu. Matematička zajednica je podijeljena: jedna grupa je u junu potpisala deklaraciju o zabrinutosti da AI potkopava vrijednosti polja, dok Fieldsa nagrađeni Timothy Gowers smatra da promjena može biti pozitivna — "ako teoreme više neće biti vezane za matematičare, to možda neće biti problematičnije od činjenice da zvijezde nisu nazvane po astronomima."
Šta to znači za firme u BiH i regionu
Riemannova hipoteza zvuči kao najudaljenija stvar od poslovanja u Sarajevu, Zagrebu ili Beogradu. Ali poruka koju ovaj eksperiment šalje je praktična i direktna:
Prvo — AI sada može koordinirati složene, dugotrajne zadatke. Model koji sam organizuje 60 sub-agenta, testira 650 hipoteza i radi dan i po bez ljudske intervencije, to nije chat bot — to je oblik autonomnog rada. Ista arhitektura se već koristi za istraživanje tržišta, analizu podataka i planiranje projekata.
Drugo — ne treba vam ekspert da biste počeli. Zaposlenik bez matematičke obuke pokrenuo je proces koji je doveo do matematički značajnog rezultata. Poslovna analogija: ne morate biti data scientist da biste iskoristili AI za analizu — morate znati postaviti dobro pitanje i pustiti sistem da radi.
Treće — granica "šta AI ne može" se pomjera. Ako AI pomaže u fundamentalnoj matematici, onda su poslovni zadaci poput izrade izvještaja, analize ugovora ili planiranja budžeta — koji su redovno "predvidljivi" — potpuno u dometu. Pitanje prestaje biti "može li AI", a postaje "kako ga najbolje organizovati".
Šta praktično uraditi
- Eksperimentišite s agentskim radom: zadajte AI sistemu kompletan zadatak s rokom, umjesto pojedinačnih upita — i vidite koliko samostalno radi.
- Gradite procese oko provjere: kao što su matematičari potvrdili rezultat u Leanu, tako i vaši AI rezultati trebaju ljudsku ili automatsku verifikaciju prije upotrebe.
- Ne čekajte "savršen" model: sposobnosti rastu svakih nekoliko mjeseci — najveći jaz je između onih koji testiraju danas i onih koji čekaju sutra.
Zaključak
Iskorak na Riemannovoj hipotezi nije vijest o matematici — to je vijest o tome šta AI može kada mu se da autonomija, jasno pitanje i vrijeme. Za firme u regionu, koje tek počinju ozbiljno koristiti AI, poruka je ohrabrujuća: sposobnosti koje danas izgledaju kao naučna fantastika već su dostupne za svakodnevne poslovne probleme. Treba ih samo organizovati.
Izvor: TechCrunch, 11. avgust 2026.