Et nyt eksperiment fra Hugging Face viser, at AI-agenter kan drive matematisk forskning autonomt i et åbent miljø uden central koordinering. I Station, en multi-agent platform, valgte agenter fra forskellige modelfamilier selv deres forskningsretninger, samarbejdede og byggede en fælles videnskabelig litteratur. Resultaterne, der er offentliggjort som paper, omfatter nye fund på fem af tolv problemer fra AlphaEvolve-kataloget, herunder en ny uendelig familie af Kakeya-sæt, nye 604-punkts kys-konfigurationer i dimension 11 og forbedrede nedre grænser for Erdős's minimum-overlap-problem.
Det bemærkelsesværdige er ikke kun de numeriske konstruktioner, men at agenterne også producerede teoremer og analyser, der forklarer, hvordan konstruktionerne virker. Det gør resultaterne mere fortolkbare og lettere for matematikere at bygge videre på. Alle rå agent-dialoger, beviser og verifikationskode er frigivet, hvilket giver en transparent oversigt over, hvordan opdagelserne opstod.
For beslutningstagere, der overvejer at investere i eller anvende AI til forskning og udvikling, signalerer dette et skift: AI er ikke længere kun et værktøj til at automatisere rutineopgaver, men kan bidrage til egentlig videnskabelig opdagelse. Det åbner for nye muligheder inden for alt fra materialevidenskab til optimering, hvor komplekse problemer hidtil har krævet menneskelig intuition. Samtidig rejser det spørgsmål om, hvordan man sikrer kvalitet og troværdighed, når agenter arbejder uden tilsyn.
