Tam kde matematici dříve spoléhali na červené tužky a stohy papíru, přisedá dnes k stolu tichý, bezohledně přesný software.
Nové programy prověřují matematické důkazy řádek po řádku, aniž by se unavily nebo ztratily nit. Přední jména světové matematiky nechávají své nejtěžší věty kontrolovat systémy jako Lean, který odhaluje chyby tam, kde by je žádný člověk nikdy nenapadlo hledat.
Od solitérního myslitele k matematickému týmu s počítačovými pomocníky
Matematika měla po staletí něco osamělého. Badatel se uzavřel do svého světa, pracoval léta na důkazu a pak ho poslal malé skupince kolegů. Ti vše pročetli, někdy i po celé měsíce. Na konci přišlo cosi jako tiché podání ruky: všichni předpokládají, že to sedí.
V praxi se ale tento přístup ukázal jako zranitelný. Důkazy moderních vět snadno zabírají stovky stran. Přehlédnutá podmínka, příliš rychlé odvození, chyba při přepisu — drobné přehmaty mohou mít velké následky. Přesto lehce proklouznou, protože skoro nikdo takové dílo nedokáže prověřit do posledního detailu.
Německý matematický talent Peter Scholze to pocítil na vlastní kůži. Přestože získal prestižní Fieldsovu medaili a patří k absolutní světové špičce, trápily ho hlodavé pochybnosti ohledně rozsáhlého důkazu týkajícího se takzvaných „kondenzovaných prostorů". Porozuměla mu jen hrstka expertů. Natož aby ho někdo dokázal celý znovu přepočítat.
Veřejný experiment s počítačem jako rozhodčím
Místo aby hledal další lidské čtenáře, zvolil Scholze jinou cestu. V roce 2020 spustil Liquid Tensor Experiment — otevřenou výzvu matematikům a programátorům, aby přeložili jeho práci do jazyka Lean, takzvaného proof assistantu.
Takový proof assistant není kalkulačka, ale přísný účetní logiky. Uživatel napíše důkaz ve formálním jazyce a software zkontroluje každý krok: plyne tento řádek skutečně z předchozího, podle dohodnutých axiomů a definic? Pokud ne, systém odmítne pokračovat. Žádné nadržování, žádná reputace — jen čistá konzistence.
Po celém světě se badatelé vrhli na Scholzeovu výzvu. Namísto jednoho izolovaného génia s poznámkovým blokem vzniklo online staveniště: desítky lidí pracovaly na malých kouscích téhož důkazu. Lean a centrální knihovna mathlib přitom hlídaly celkovou soudržnost.
Po šesti měsících existovalo 180 000 řádků kódu v Leanu — dostatek pro formální potvrzení, že Scholzeova věta obstála bez logických mezer.
Pro Scholzeho to bylo jiným druhem jistoty než tradiční peer review. Nikoli „nikdo zatím nenašel chybu", ale „každý logický krok je explicitně zaznamenán a softwarem přijat". Pro mnoho matematiků tento moment znamenal zlomový bod.
Zdánlivě nesplnitelné megaprojekty se náhle stávají realizovatelnými
Scholzeho příběh nestojí osaměle. V roce 2016 vyřešila Maryna Viazovska starobylou záhadu: jak co nejefektivněji uspořádat koule v osmi dimenzích? Její řešení bylo celosvětově oslavováno a v roce 2022 jí vyneslo také Fieldsovu medaili.
Přesto s ním byl spojen jeden praktický problém. Její důkaz je zapsán mimořádně kompaktně, ale konceptuálně a technicky je natolik náročný, že důkladná lidská kontrola by zabrala roky. Riziko, že by nějaký detail zůstal chybně nepovšimnut, bylo reálné.
Mezinárodní skupina badatelů se proto rozhodla formalizovat její práci v Leanu — stejně jako u Scholzeho. Měsíce pracovali na digitální verzi jejího uvažování. V roce 2024 se objevil kompletní kód, volně dostupný k nahlédnutí. Lean prošel vším a potvrdil, že struktura je bezchybná.
- Obrovské důkazy se rozřežou na malé, zvládnutelné lemmata.
- Týmy mohou paralelně pracovat na různých částech.
- Software hlídá, aby do sebe všechny části logicky zapadaly.
- Výsledný kód slouží jako trvalý, ověřitelný archiv.
Dříve některé velké domněnky zůstávaly ležet ladem jen proto, že se nikdo neodvážil prohrabat tisíce řádků uvažování. Dnes roste přesvědčení, že výmluva „příliš velké na kontrolu" pomalu mizí. Nástroje jako Lean, Coq a Isabelle takové projekty proměňují ve zvládnutelné úkoly — za předpokladu, že se zapojí dost lidí.
Mathlib: něco jako GitHub pro matematické jistoty
Klíčovou roli hraje mathlib, centrální knihovna Leanu. Obsahuje již více než 1,2 milionu řádků definic, vět a důkazů — od základní aritmetiky a teorie grup až po pokročilou analýzu.
Kdo chce formalizovat nový důkaz, nemusí stavět vše od nuly. Opírá se o dříve zaznamenané výsledky, stejně jako se programátoři spoléhají na existující softwarové balíčky. To každý nový projekt urychluje a zvyšuje přitažlivost proof assistantů.
Pokaždé, když je přidána nová věta, roste hodnota celého ekosystému. Příští badatel může začít o krok dál.
Software, který odhaluje chyby v oceňovaných důkazech
Role těchto systémů se neomezuje na potvrzování správnosti. Ukazují také, kde lidské uvažování přece jen nesedí. V roce 2021 formalizoval jeden tým v Leanu dříve oceněnou větu. V polovině práce software odmítl pokračovat: někde chyběl zásadní krok.
Autoři se ponořili zpět do vlastní práce a zjistili, že počítač měl pravdu. Původní článek musel být upraven. Žádný recenzent to neodhalil, přestože logika vykazovala závažnou mezeru.
Takové případy udávají tón. Zatímco lidský čtenář si někdy myslí „tahle část bude asi v pořádku", software nezná naivitu. Program přijme krok pouze tehdy, může-li ho doslova odvodit z předchozích řádků a předpokladů. Jinak se vše zastaví.
| Lidská kontrola | Kontrola pomocí proof assistantu |
|---|---|
| Pracuje s intuicí a zkušeností | Pracuje s přísně formálními pravidly |
| Může části přeskočit nebo shrnout | Prochází každý krok bez výjimky |
| Unavuje se, ztrácí koncentraci | Zůstává konzistentní i po milionech řádků |
| Ovlivnitelná reputací nebo statusem | Neutrální: záleží jen na logice |
Díky umělé inteligenci klesá práh vstupu
Dlouho byly tyto nástroje hračkou převážně pro informatiky. Učební křivka byla strmá, jazyk přísný a málo odpouštějící. Matematici bez programátorských zkušeností brzy vzdali.
Tento obraz se mění. Nová rozhraní — často s pomocí modelů umělé inteligence — překládají neformální matematiku do formálního kódu Lean. Badatel může načrtnout důkaz způsobem, na který je zvyklý, a asistent mu navrhne odpovídající příkazy v Leanu.
Univerzity zakládají pracovní skupiny, kde doktorandi budují své důkazy přímo v takovém systému. Zároveň se tak učí moderní matematiku i disciplínu přesně formulovat každý krok. Software pak funguje téměř jako přísný vedoucí, který nepromíjí žádnou nepřesnost.
Co to znamená pro budoucnost matematiky?
Nástup proof assistantů se dotýká citlivé otázky: kdo nebo co vlastně větu „chápe"? Člověk, který přijde s nápadem, nebo stroj, který dokazuje, že každá část logicky sedí? V praxi vzniká hybridní model.
Intuice, kreativita a hledání překvapivých spojení zůstávají lidskou doménou; počítač hlídá, aby provedení nikde nevyjelo z kolejí.
V oborech, kde matematika přímo přechází do techniky — jako je kryptografie, letecký design nebo výroba čipů — nabývá formální ověřování na zvláštní váze. Drobná chyba v důkazu bezpečnostního protokolu může učinit zranitelným zařízení v hodnotě miliard. Firmy a výzkumné instituce proto stále častěji hledají nástroje schopné garantovat matematické jistoty.
Kdo matematiku studuje nebo vyučuje, může tento vývoj využít velmi konkrétně. Formalizovat malé věty z analýzy nebo algebry v proof assistantu nutí studenty přesně formulovat — a vynoří implicitní předpoklady na povrch. Učitelé tak získají přehled o tom, kde uvažování skutečně vázne.
Pro nezasvěcené to možná vypadá, jako by matematici vyměňovali svou mystiku za nudný kód. Ve skutečnosti se děje něco jiného: intuitivní skoky a kreativní nápady zůstávají, ale už nemizí v neprostupných rukopisech. Dostávají formu, kterou může každá příští generace krok za krokem sledovat, ověřovat a rozšiřovat — s počítačem jako neúnavným spolučtenářem.
