Matematikte bazı problemler vardır ki çözümü onlarca yıl boyunca bulunamaz. Üstelik sorun her zaman çok karmaşık bir denklem çözmek değildir. Bazen asıl güçlük, son derece basit görünen bir sistemin belirli bir noktada nasıl davranacağını anlamaktır.
Perkolasyon teorisinin uzun süredir açık kalan problemlerinden biri de böyleydi. Bu teori, çok sayıda rastgele bağlantının ne zaman büyük ve bütünlüklü bir yapı oluşturduğunu inceler. İlk bakışta soyut görünse de günlük hayattan oldukça tanıdık bir örnekle teoriyi açıklamak mümkündür.
Bir süngeri düşünelim. Süngerin içindeki boşlukların bir kısmı birbirine bağlıdır. Eğer bağlantılar yeterince azsa içine dökülen su yalnızca kısa mesafelerde ilerleyecektir. Ancak bağlantıların sayısı arttıkça suyun süngerin bir ucundan diğer ucuna ulaşabileceği yollar oluşmaya başlar.
Matematikçilerin sorduğu soru kabaca şudur: Bu geçiş tam olarak nasıl gerçekleşir?
Onlarca yıldır çözülemeyen bu probleme 2026 yılında beklenmedik bir yerden önemli bir çözüm geldi. Yapay zekâ şirketi Anthropic’in geliştirdiği Claude adlı model, problemin uzun süredir açık kalan kısmı için matematiksel bir ispat üretti.
Gelişmenin zamanlaması da dikkat çekiciydi. 2022 Fields Madalyası sahibi Fransız matematikçi Hugo Duminil-Copin, yalnızca birkaç gün önce yapay zekânın bu problemi insanlardan önce çözebileceğini yazmıştı. Kendisi de yıllarca bu problem üzerinde çalışan matematikçiler arasındaydı.
Perkolasyon Teorisi Nedir?
Perkolasyon teorisi, bir ağdaki rastgele bağlantıların hangi koşullarda büyük ve bağlantılı bir yapı oluşturduğunu inceleyen olasılık teorisi dalıdır. Türkçede “süzülme teorisi” adıyla da karşılaşmak mümkündür.
Teori 1957’de matematikçiler Simon Ralph Broadbent ve John Michael Hammersley’nin sıvıların gözenekli ortamlardan nasıl geçtiğini incelemesiyle ortaya çıktı.
Bunu birbirine bağlı büyük bir boru sistemi gibi düşünebiliriz. Boruların bazıları açık, bazıları kapalı olsun. Açık borular azsa yalnızca küçük bağlantı kümeleri oluşur. Açık boruların oranı arttıkça bu küçük kümeler birleşir. Bir noktadan sonra sistem boyunca uzanan büyük bir bağlantı ortaya çıkar. Bu noktaya perkolasyon eşiği denir.
Fakat matematikçilerin asıl ilgilendiği yalnızca bu eşiğin nerede olduğu değildi. Daha zor soru, sistemin tam bu eşikte nasıl davrandığıydı. Bağlantı bir anda mı ortaya çıkıyordu, yoksa sistem yavaş yavaş mı bu duruma geçiyordu?
Bazı basit modellerde bu sorunun cevabı uzun süredir biliniyordu. Ancak daha karmaşık matematiksel modellerde problem açık kalmaya devam etti. Matematikçiler sonucun ne olması gerektiği konusunda güçlü bir sezgiye sahipti ama bunu genel biçimde kanıtlayamıyordu.
Yapay Zekâ Tam Olarak Ne Yaptı?
Perkolasyon teorisindeki büyük açık sorulardan biri, sistemin kritik eşikte nasıl davrandığıydı. Matematikçiler bir ve iki boyutlu kare örgülerde geçişin sürekli olduğunu uzun süredir biliyordu. Aynı sonuç çok yüksek boyutlarda da gösterilmişti. Ancak aradaki bazı boyutlar için kesin bir kanıt bulunamamıştı.
Sorun şuydu: Bir ağ kritik noktaya ulaştığında sonsuz büyüklükte bağlantılı bir yapı bir anda mı ortaya çıkıyor, yoksa sistem bu duruma kademeli olarak mı geçiyor? Matematikçiler ikinci seçeneğin doğru olduğundan şüpheleniyordu, fakat bunu genel biçimde kanıtlayamıyordu.
28 Ağustos 2026’da Anthropic’te çalışan Justin Leder, şirketin Claude adlı yapay zekâ modeli tarafından üretilen bir ispat yayımladı. İspat, uzun süredir açık kalan bu boşluğu kapatmayı hedefliyordu.
Claude’un işi sıfırdan başlamadı. 2024’te Gady Kozma ve Shalev Nitzan, problemin çözümünü belirli bir matematiksel eşitsizliğin kanıtlanmasına indirgemişti. Başka bir deyişle, büyük problemin çözümü artık daha dar ve somut bir adıma bağlıydı.
Claude bu eksik adım için bir ispat üretti. Böylece kritik eşikte sonsuz bir bağlantılı kümenin bulunmadığı sonucu elde edildi. Bu da geçişin sürekli olduğu yönündeki uzun süredir var olan beklentiyi destekledi.
Matematiğin Geleceği Nasıl Değişecek?
Bu sonuç, yapay zekânın matematikte yalnızca hesaplama yapan bir araç olmadığını gösteriyor. Claude, matematikçilerin yıllar içinde oluşturduğu birikimi kullanarak uzun süredir eksik kalan bir ispat adımını tamamladı.
Üstelik bu problem, bir insan tarafından çözülmesi halinde Fields Madalyası düzeyinde görülebilecek kadar önemli kabul ediliyordu. Bu da yeni bir soruyu gündeme getiriyor: Eğer gelecekte önemli matematiksel ispatlarda asıl yaratıcı katkıyı yapay zekâ sağlarsa bu tür başarıları nasıl değerlendireceğiz?
Ancak mesele yalnızca ödüllerden ibaret değil. Matematik, bir varsayımı kanıtlamaktan çok daha fazlasını içeriyor. Yeni sorular sormak, farklı fikirler arasında bağlantılar kurmak ve sonuçları anlamlandırmak da matematiğin temel parçalarıdır.
Üstelik başarısız girişimler bile çoğu zaman yeni yöntemlere, beklenmedik bağlantılara ve başka sonuçlara kapı açar. Bu nedenle matematikte yalnızca sonuca ulaşmak değil, o sonuca giden yol da önem taşır.
Yapay zekâ matematikte daha fazla yer aldıkça asıl mesele de burada ortaya çıkıyor. Bir model bir probleme çok hızlı çözüm üretebilir. Ancak matematiği ilerleten şey yalnızca ispatın kendisi değildir. Sonucunda o ispatı mümkün kılan fikirler, yeni sorular ve süreç boyunca ortaya çıkan keşifler de en az sonuç kadar değerlidir.
Kaynaklar ve ileri okumalar
- AI solves a ‘holy grail’ problem from probability theory. Kaynak site: Scientific American. Yayınlanma tarihi: 30 Eylül 2026. Bağlantı: AI solves a ‘holy grail’ problem from probability theory.
- Major lattice proof percolates through math. Kaynak site: Quanta Magazine. Yayınlanma tarihi: 1 Ekim 2026. Bağlantı: Major lattice proof percolates through math
Matematiksel
