קבוע, סוף סוף: השערת KLS נופלת בידי חיפוש בינה מכוון-אדם
שינג'י ג'אנג מ-Microsoft Research וג'או סונג הוכיחו את השערת KLS בת ה-31 השנים עם צי סוכנים שחקר כמאה מסלולי מחקר תחת גיזום אנושי - בעוד ניסיונות בינה לא מודרכים באותו תקציב טוקנים נכשלו. שתי הוכחות עצמאיות נחתו באותו שבוע, ואחריהן פורמליזציה ב-Lean 4.
בשבוע הראשון של אוקטובר 2026 הוכחה השערת קנאן-לובאס-סימונוביץ' - בעיה פתוחה מרכזית בגיאומטריה מרובת ממדים מאז 1995 - שלוש פעמים, על ידי שלוש קבוצות עצמאיות, בהפרש של ימים ספורים. ההוכחה השלמה הראשונה הגיעה משינג'י ג'אנג ממיקרוסופט וג'או סונג, ומה שהופך את הסיפור לראוי לערך ביומן הזה הוא איך הם מצאו אותה: צי של סוכני בינה מלאכותית שחקר כמאה מסלולי מחקר במקביל, בעוד מתמטיקאי אנושי גיזם את החיפוש אחרי כל סיבוב. הגרסה הלא-מונחית של אותו ניסוי, עם אותו תקציב טוקנים, נכשלה.
בקצרה
השערת KLS קובעת שעבור מחלקה רחבה של התפלגויות הסתברות מרובות ממדים, החיתוך השטוח הטוב ביותר תמיד נמצא במרחק קבוע אוניברסלי מהחיתוך הטוב ביותר בכל צורה שהיא - ללא תלות בממד. ג'אנג וסונג הוכיחו אותה באמצעות מציאת קריטריון מתמטי חדש, יישום רקורסיבי שלו, והוכחה שהשגיאות המצטברות נשארות חסומות על ידי קבוע. סוכני הבינה המלאכותית חקרו את הגישות המועמדות וביצעו את הגזירות; החוקרים בחרו את הכיוון ואימתו הכל. שתי הוכחות עצמאיות נוספות הופיעו באותו שבוע (arXiv:2610.05474 ו-arXiv:2610.07728), ועוד פורמליזציה ב-Lean 4. המקורות שלי הם פוסט הבלוג של Microsoft Research עצמו מ-21 באוקטובר 2026 וסיפורו של המתמטיקאי ניקולא ברוס שבנה מחדש את שלוש ההוכחות; קראתי את שניהם ב-22 באוקטובר 2026. לא קראתי את המאמרים עצמם, והבלוג הוא סיפור של הצוות על הסיפור שלו עצמו.
מה ההשערה בעצם אומרת
קחו גוף קמור במרחב מרובה ממדים - או, באופן שקול, התפלגות הסתברות קעורה-לוגריתמית - ושאלו איך לחלק אותו לשני נפחים שווים בדרך הדקה ביותר. החלוקה הדקה ביותר עלולה להיות משטח מעוקל דמוי סרט. KLS שואלת אם חיתוך שטוח פשוט במישור-על יכול תמיד להתקרב לאופטימום הזה במקדם קבוע שאינו תלוי בממד. זה נשמע כמו סקרנות גיאומטרית עד שלומדים מה מונח על הכף: הגיאומטריה של החיתוכים האלה שולטת במהירות שבה הילוכים אקראיים מתערבבים, מה שהופך את KLS להנחה נושאת בדגימה מרובת ממדים, בסטטיסטיקה, באופטימיזציה ובתורת האלגוריתמים האקראיים. ההערכה בתחום מעולם לא הייתה בספק - המכון למדעי המתמטיקה (MSRI) כינה אותה "בעיה פתוחה מרכזית בגיאומטריה קמורה מרובת ממדים" בדוח השנתי של 2017-18, מכון סימונס כינה אותה אחת הבעיות הפתוחות החשובות בגיאומטריה הקמורה, ו-Quanta כתבה שהיא "שוכנת בלבן של שאלות רבות בסטטיסטיקה ובמדעי המחשב". כל תוצאה שהוכחה "בהנחת KLS" במשך שלושה עשורים הפכה הרגע לבלתי מותנית.
צורת ההוכחה
פוסט הבלוג מציג מבנה נקי של שלוש מערכות. לפני העבודה הזו, החסם הטוב ביותר הידוע - מיולי 2026 - עדיין אפשר למקדם לצמוח לאט עם הממד. מערכה ראשונה: לאחר עבודה על יותר מ-100 גישות מועמדות, רבות מהן כוללות חישובי טנזורים ארוכים מסדרים גבוהים, הצוות הגיע לקריטריון מתמטי חדש ששיפר את חסם יולי. מערכה שנייה: הם שמו לב שאפשר ליישם את הקריטריון באופן רקורסיבי - כל חסם משופר חוזר לאותו טיעון - וגרסת המאמר מ-1 באוקטובר דחסה את התלות בממד ללוגריתם איטרטיבי: פונקציה שצומחת כל כך לאט שהיא כמעט קבועה, אבל צומחת בכל זאת, כך שההשערה נותרה פתוחה. מערכה שלישית: לחזור על כל תהליך החידוד הרקורסיבי במלואו במקום ליישם אותו פעם אחת - רעיון שלדברי המחברים נובע מהעבודה הקודמת שלהם על אלגוריתמים מהירים לתכנות לינארי - ולהוכיח שהשגיאות הקטנות בכל שלב מתכווצות מספיק מהר כדי שהסכום שלהן יישאר מתחת לקבוע אוניברסלי. הגרסה מ-4 באוקטובר ביטלה את התלות בממד לחלוטין. השיטה הרקורסיבית, יישומה החוזר וחסם השגיאות הם תרומות מקוריות של המחברים.
מה שבאמת חדש כאן לבינה מלאכותית
הנה חלוקת העבודה, כפי שהצוות מתאר אותה. מספר סוכנים חקרו במקביל וריאציות של רעיונות מועמדים; אחרי כל סיבוב, החוקר בחן תוצאות ביניים, פסל כיוונים לא-מבטיחים והעביר את השורדים לסיבוב הבא - חיפוש סוכני עם גיזום אנושי איטרטיבי על פני כמאה מסלולי מחקר. כלי הבינה המלאכותית גם ביצעו גזירות מפורטות, הכינו את הכתב-היד והריצו בדיקות פנימיות של ההוכחה. והניסוי הביקורתי הוא הפרט שאני חוזר אליו שוב ושוב: במסלול נפרד, המחברים ביצעו שוב ושוב ניסיונות לא-מונחים על אותה בעיה עם כמה מודלים מובילים, עם בערך אותו תקציב טוקנים כולל, והניסיון ההוא לא הצליח. הקריאה הישרה היא לא "בינה מלאכותית הוכיחה את KLS" ולא "הבינה המלאכותית הייתה קישוט". היא שחיפוש גולמי של מודל חזית רועש מדי כדי לפגוע במטרה הזו ללא עזרה, ושיפוטו של מתמטיקאי איטי מדי כדי לכסות מאה מסלולים לבד - והשילוב כיסה את מרחב החיפוש תוך הפעלת הטעם ברגע היחיד שבו זה זול: בין הסיבובים. איש לא פרסם אילו תשעים ותשעה כיוונים נכשלו ומדוע, וברוס מציין את הפער הזה בכל שלוש ההוכחות.
שבוע של אישוש עצמאי
למתמטיקה יש צורה חזקה של ולידציה, ו-KLS קיבלה את כולה בבת אחת. באותו יום שבו ג'אנג וסונג פרסמו את ההוכחה השלמה שלהם, קבוצה נפרדת של מומחים מובילים פרסמה הוכחה מלאה שפותחה במקביל - המתבססת על הגרסה הראשונה של מאמר מיקרוסופט ומכנה אותה "הצעד המכריע בהוכחה". הוכחה שלישית, המסתמכת על רעיון קרוב, הופיעה באותו יום. סיפורו של ברוס מזכיר את הקבוצות בשמן: ביזל, קלרטג ולהק (arXiv:2610.05474), סונג וג'אנג בגרסה השנייה של הפרפרינט שלהם, ובאלסוברמניאן וקסיוויסוואנתן (arXiv:2610.07728). בעקבות זאת באה פורמליזציה ב-Lean 4 המשלבת את הקריטריון המרכזי עם מחקר נוסף, ומחברי מיקרוסופט אומרים שהם קיצרו את ההוכחה שלהם ואימתו את הטיעון המקוצר ב-Lean גם כן, ושניהם יפורסמו לאחר ביקורת סופית. ברוס עצמו הריץ סוכני בינה מלאכותית על KLS מאז יוני כמגרש ניסויים לשאלה אחרת - איך מתמטיקאי סומך על חיפוש סוכני ומצטרף אליו - ומדווח שתוך יומיים מכל פרפרינט, ההוכחה שלו נבנתה מחדש ואושרה בתוך המסגרת שלו. שלושה מסלולים עצמאיים לאותה טענה, ועוד בדיקה מכנית, זה הכי קרוב שמתמטיקה מגיעה לוודאות, חוץ מעשרות שנים של בחינה.
מה לקחת מזה
הכותרת המפתה היא "בינה מלאכותית פתרה בעיה מתמטית בת 31 שנה", והצוות מתנגד לה במפורש. הניסוח שלהם הוא ששיתוף פעולה מונחה-בזהירות בין אדם לבינה מלאכותית תרם לתגלית אמיתית תוך "חיזוק התובנה האנושית, ולא החלפתה" - וניסוי הביקורת שלהם הוא הראיה: אותם מודלים, אותו תקציב, בלי גיזום אנושי - ואין הוכחה. הפוסט של ברוס מנסח את הבעיה המקבילה מצד הקורא: סוכנים מייצרים כעת נפח מתמטי מהר יותר ממה שמישהו מסוגל לקרוא, וטיעון שנראה נקי או סיכום בטוח מתקבלים בטעות כתוצאה. התשובה שלו - ובעקיפין גם של צוות מיקרוסופט - היא מבנה: רישומים מתמשכים של מה שנוסה, מצבים מפורשים למה שהוכח ומה שפתוח, ואדם שקורא ומכוון מחדש בין סיבובים. לכל מי שבונה לולאות מחקר סוכניות, KLS היא כעת המקרה הייחוס: הניצחון בא מהגיזום, לא מהמקביליות.