Χαράλαμπος Κ. Φιλιππίδης
Μαθηματικός
Κινητό & Viber: 6976263432
email: 6263432@gmail.com

Μαθηματικό διάγραμμα με την ένδειξη «Critical Line», 1/2 και s = σ + it

Δεν πειράζει αν το παιδί μου δεν είναι άριστος μαθητής, καθώς οι κανόνες του παιχνιδιού μόλις άλλαξαν

Στις 20 Νοεμβρίου 2026, η παγκόσμια επιστημονική κοινότητα πάγωσε. Το «Έβερεστ» των μαθηματικών, η περίφημη Υπόθεση Ρίμαν, ένα πρόβλημα που παρέμενε άλυτο από το 1859, φαίνεται πως μόλις λύθηκε.

Ο μαθηματικός Levent Alpöge ανακοίνωσε την απόδειξη του προβλήματος, και ανεξάρτητοι ερευνητές από το MIT, που έλεγξαν τη δουλειά του μέσω της γλώσσας τυπικής επαλήθευσης Lean, δηλώνουν πλέον πως η πιθανότητα λάθους είναι «περίπου μηδενική».

Όμως, η πραγματική είδηση για τους γονείς και τους μαθητές δεν είναι τα μαθηματικά. Είναι το πώς λύθηκε. Ο Alpöge δεν τα κατάφερε μόνος του. Τα κατάφερε σε συνεργασία με την Τεχνητή Νοημοσύνη (Claude).

Δεν ήταν πιο έξυπνος από τους θρύλους

Για να καταλάβουμε το μέγεθος αυτού που συνέβη, αρκεί να δούμε ποιοι προσπάθησαν να λύσουν την Υπόθεση Ρίμαν τα τελευταία 167 χρόνια και δεν τα κατάφεραν. Δεν μιλάμε για «καλούς μαθητές», αλλά για μερικά από τα μεγαλύτερα μυαλά στην ιστορία της ανθρωπότητας:

  • David Hilbert: Ο κορυφαίος μαθηματικός των αρχών του 20ού αιώνα. Είχε πει πως αν ξυπνούσε μετά από 1.000 χρόνια, η πρώτη του ερώτηση θα ήταν αν αποδείχθηκε η Υπόθεση Ρίμαν.
  • G. H. Hardy & J. E. Littlewood: Το θρυλικό δίδυμο της Βρετανίας που αφιέρωσε δεκαετίες ζωής στη μελέτη της.
  • Alan Turing: Ο πατέρας της πληροφορικής, ο άνθρωπος που έσπασε τον κώδικα Enigma στον Β’ Παγκόσμιο Πόλεμο, κατασκεύασε μέχρι και ειδική μηχανή για να την προσεγγίσει.
  • John Nash: Ο νομπελίστας μαθηματικός (γνωστός από την ταινία Ένας Υπέροχος Άνθρωπος), που προσπάθησε να δαμάσει το πρόβλημα.
  • Sir Michael Atiyah & Alain Connes: Κάτοχοι του μεταλλίου Fields (το «Νόμπελ» των μαθηματικών), που αφιέρωσαν τεράστιο μέρος της καριέρας τους σε αυτήν.
  • Terence Tao: Ο άνθρωπος που πολλοί θεωρούν τον πιο ιδιοφυή εν ζωή μαθηματικό στον πλανήτη.

Είναι ο Levent Alpöge πιο έξυπνος από τον Hilbert, τον Turing ή τον Tao; Φυσικά και όχι, και σίγουρα ο ίδιος θα ήταν ο πρώτος που θα το παραδεχόταν. Αυτό που είχε εκείνος και δεν είχαν οι προηγούμενοι ήταν ένας απίστευτος πολλαπλασιαστής ευφυΐας στο πλευρό του.

Το μήνυμα προς γονείς και μαθητές

Για δεκαετίες, το εκπαιδευτικό σύστημα επιβράβευε τα παρακάτω:

  • Ποιος έχει το υψηλότερο «ωμό» IQ.
  • Ποιος αποστηθίζει καλύτερα και πιο γρήγορα.
  • Ποιος φέρνει τους καλύτερους βαθμούς στο διαγώνισμα.

Η απόδειξη της Υπόθεσης Ρίμαν μόλις άλλαξε τους κανόνες του παιχνιδιού οριστικά.

Δεν χρειάζεται πλέον να είσαι ο πιο έξυπνος στην τάξη. Δεν χρειάζεται να έχεις φωτογραφική μνήμη, ούτε να είσαι ο μαθητής του «20». Οι πληροφορίες, οι αλγόριθμοι και η υπολογιστική δύναμη βρίσκονται πλέον ένα κλικ μακριά.

Αυτό που χρειάζεται σήμερα ένας μαθητής, και αύριο ένας επαγγελματίας, είναι να κατέχει και να χειρίζεται σε υψηλό επίπεδο την Τεχνητή Νοημοσύνη.

Τι σημαίνει «πολλαπλασιαστής ευφυΐας»;

Η ΤΝ δεν είναι ένα εργαλείο για να αντιγράφεις τις ασκήσεις του σχολείου. Αυτό είναι η πιο φτωχή και άχρηστη χρήση της. Όταν τη χρησιμοποιείς σωστά, λειτουργεί σαν εξωσκελετός για το μυαλό σου:

  1. Καλύπτει τις αδυναμίες σου: Δεν θυμάσαι έναν τύπο; Δεν έχεις τη γρηγοράδα στους υπολογισμούς; Η ΤΝ το κάνει σε δευτερόλεπτα.
  2. Εκτοξεύει τη δημιουργικότητά σου: Σου επιτρέπει να δοκιμάζεις 100 ιδέες στον χρόνο που παλιά δοκίμαζες μία.
  3. Σε αναγκάζει να σκέφτεσαι κριτικά: Για να καθοδηγήσεις την ΤΝ σε μια σωστή λύση (όπως έκανε ο Alpöge), πρέπει να ξέρεις τι να ρωτήσεις, να καταλαβαίνεις αν σου λέει ανοησίες και να μπορείς να επαληθεύσεις το αποτέλεσμα.

Πώς ξεκινάμε; 5 πρακτικά βήματα για να μάθετε να «οδηγείτε» την ΤΝ

Το να μάθει κανείς Τεχνητή Νοημοσύνη δεν σημαίνει απαραίτητα να γίνει προγραμματιστής. Σημαίνει να αλλάξει τον τρόπο που τη χρησιμοποιεί στην καθημερινότητά του.

  1. Χρησιμοποιήστε την ως «ιδιαίτερο» δάσκαλο, όχι ως μηχανή αντιγραφής.
    Αντί να γράψει ο μαθητής «λύσε μου αυτή την άσκηση», ας γράψει: «Δεν καταλαβαίνω το δεύτερο βήμα σε αυτή την άσκηση. Δώσε μου μια υπόδειξη χωρίς να μου πεις την τελική απάντηση» ή «Εξήγησέ μου αυτόν τον νόμο της Φυσικής με ένα παράδειγμα από το ποδόσφαιρο».
  2. Εξασκηθείτε στην τέχνη της ερώτησης.
    Η ποιότητα της απάντησης εξαρτάται 100% από την ποιότητα της ερώτησης. Μάθετε να δίνετε πλαίσιο, να ζητάτε διευκρινίσεις και να «συζητάτε» μαζί της μέχρι να φτάσετε στο αποτέλεσμα που θέλετε. Η πρώτη απάντηση σπάνια είναι η καλύτερη.
  3. Αμφισβητήστε την, ελέγξτε την.
    Η ΤΝ κάνει λάθη, συχνά με απόλυτη αυτοπεποίθηση. Αντιμετωπίστε την σαν έναν πανέξυπνο συμμαθητή που όμως καμιά φορά «πετάει κοτσάνες». Το να εντοπίζεις το λάθος της μηχανής είναι η κορυφαία άσκηση κριτικής σκέψης.
  4. Φτιάξτε κάτι δικό σας, όσο μικρό κι αν είναι.
    Μη μένετε στο διάβασμα. Ζητήστε της να σας φτιάξει ένα διαδραστικό κουίζ για το αυριανό διαγώνισμα, ένα εβδομαδιαίο πρόγραμμα μελέτης ή ιδέες για μια σχολική εργασία. Η πραγματική εκμάθηση έρχεται μέσα από τη δημιουργία.
  5. Γονείς, καθίστε δίπλα τους αντί να την απαγορεύετε.
    Η απαγόρευση φέρνει απλώς κρυφή (και λάθος) χρήση. Αφιερώστε 15 λεπτά την εβδομάδα να πειραματιστείτε μαζί με το παιδί σας: οργανώστε ένα οικογενειακό ταξίδι, φτιάξτε μια συνταγή με ό,τι έχετε στο ψυγείο ή λύστε μαζί μια απορία. Έτσι το παιδί μαθαίνει να τη βλέπει ως εργαλείο σκέψης και όχι ως «σκονάκι».

Η νέα «αριστεία»

Αγαπητοί γονείς, μην πανικοβάλλεστε αν το παιδί σας δεν είναι «άριστος» με τα παλιά κριτήρια. Μην το πιέζετε να γίνει μια ανθρώπινη εγκυκλοπαίδεια σε έναν κόσμο όπου οι μηχανές ξέρουν ήδη όλη τη γνώση του πλανήτη.

Αγαπητοί μαθητές, μην απογοητεύεστε αν δεν είστε «ιδιοφυΐες». Όπως ακριβώς δεν χρειάζεται να ξέρεις να κατασκευάζεις έναν κινητήρα για να γίνεις εξαιρετικός οδηγός, έτσι δεν χρειάζεται να είσαι μηχανικός λογισμικού για να αξιοποιήσεις τη δύναμη της Τεχνητής Νοημοσύνης. Το μέλλον δεν ανήκει σε αυτούς που ξέρουν απ’ έξω τις απαντήσεις, αλλά σε αυτούς που ξέρουν να συνεργάζονται με τα εργαλεία της εποχής τους για να φτάσουν εκεί που κανείς δεν έφτασε μόνος του.

Αν η Τεχνητή Νοημοσύνη βοήθησε έναν άνθρωπο να λύσει ένα πρόβλημα που νίκησε τον Terence Tao, φανταστείτε τι μπορεί να κάνει για το δικό σας μέλλον.


Comments

2 απαντήσεις στο “Δεν πειράζει αν το παιδί μου δεν είναι άριστος μαθητής, καθώς οι κανόνες του παιχνιδιού μόλις άλλαξαν”

  1. Κωνσταντίνος Κωστίκας Avatar
    Κωνσταντίνος Κωστίκας

    Αγαπητέ Χάρη καλησπέρα.

    Στο post σου θέτεις ορισμένα πολύ σημαντικά ζητήματα. Ως ειδικός επιστήμονας της πληροφορικής με ενεργή συμμετοχή στην έρευνα για την εφαρμογή της τεχνητής νοημοσύνης στον χώρο της υγείας, θεώρησα σκόπιμο να συνεισφέρω my 2 cents.

    Τα 5 βήματα που αναφέρεις για την χρήση της ΤΝ είναι εξαιρετικά.

    Επίσης είναι πλέον όλο και περισσότερο αποδεκτό από την επιστημονική κοινότητα ότι η ΤΝ λειτουργεί ως πολλαπλασιαστής στις πνευματικές ικανότητες και δυνατότητες του κάθε ατόμου. Όχι όμως ως εξομαλυντής. Και καλώς ή κακώς , ως πολλαπλασιαστής, αυξάνει την απόσταση μεταξύ του τι μπορεί να πετύχει το κάθε άτομο.

    Οπότε θα συμφωνήσω ότι οι κανόνες του παιχνιδιού άλλαξαν. Μόνο που ενδεχομένως μάλλον άλλαξαν εις βάρος των μέτριων και προς όφελος των αρίστων και των εργατικών.

    Και πράγματι, δεν χρειάζεται να ξέρεις πως λειτουργεί ο κινητήρας για να γίνεις καλός οδηγός. Ωστόσο για να γίνεις εξαιρετικός οδηγός χρειάζεται να ξέρεις αρκετά πράγματα – πχ ότι αλλιώς “στρίβει” το προσθιοκίνητο από το πισωκίνητο αυτοκίνητο. Και οι κορυφαίοι, πχ οι οδηγοί της φόρμουλα ένα, έχουν εγκυκλοπαιδική γνώση των κινητήρων και των χαρακτηριστικών των αυτοκινήτων που οδηγούν – στην πράξη συχνά καθοδηγούν τους μηχανικούς για συγκεκριμένες ρυθμίσεις αλλά και την τεχνολογική εξέλιξη. Και επίσης, πέρα από ατέλειωτες ώρες προπόνησης και εξάσκησης, διαθέτουν εκπληκτική μνήμη – θυμούνται κάθε μέτρο κάθε πίστας της formula ένα απ έξω. Συχνά από την πρώτη φορά που θα την οδηγήσουν.

    Όσον αφορά στο πρόβλημα – την γενικευμένη υπόθεση Ρίμαν (GRH):

    O Levent Alpöge δεν είναι κάποιος τυχαίος. Ή έστω κάποιος απλά ικανός μαθηματικός που πήρε το Claude, ασχολήθηκε λίγο καιρό και έλυσε ένα από τα σημαντικότερα προβλήματα της σύγχρονης επιστήμης. Είναι ένας από τους λαμπρότερους μαθηματικούς των τελευταίων χρόνων. Παιδί θαύμα, φοίτησε στα κορυφαία διεθνή Πανεπιστήμια και είχε ήδη τεράστια αναγνωρισιμότητα και πριν τη χθεσινή ανακάλυψη.

    https://www.clarin.com/us-news/who-is-levent-alpoge-the-anthropic-mathematician-who-claims-solved-the-riemann-hypothesis-with-claude_0_2WdGvYKBVM.html

    O Levent Alpöge είχε σκοπό της ζωής του το να σημειώσει πρόοδο στην RH  – ασχολούνταν με αυτή από teenager. Και “παίζει” να είναι και πιο έξυπνος από κάποια από τα ιερά τέρατα των μαθηματικών που αναφέρεις. Μάλλον όχι από τον Terence Tao, αλλά ο Terence Τao δεν είχε επενδύσει τόσο χρόνο στην μελέτη της GRH.

    Σε κάθε περίπτωση νομίζω πάντως ότι όλοι θα συμφωνήσουμε ότι η απόδειξη της υπόθεσης Ρίμαν είναι μια κολοσσιαία ανακάλυψη και πως  οτιδήποτε φέρνει τα μαθηματικά στην επικαιρότητα έχει θετικό πρόσημο!

    Πολύ φιλικά.

    Κωνσταντίνος Κωστίκας.

  2. Αγαπητέ Κωνσταντίνε, καλησπέρα και σε ευχαριστώ θερμά για το τόσο ουσιαστικό και εύστοχο σχόλιο. Χαίρομαι ιδιαίτερα που η ανάρτηση έγινε αφορμή για έναν τόσο όμορφο διάλογο.

    Έχεις απόλυτο δίκιο στη διάκριση που κάνεις, και μάλιστα, ως μαθηματικός, εκτιμώ ιδιαίτερα τη διατύπωση ότι η ΤΝ είναι πολλαπλασιαστής και όχι εξομαλυντής. Πράγματι, αν πάρουμε έναν «άριστο» και έναν «μέτριο» που χρησιμοποιούν την ΤΝ στον ίδιο βαθμό, η ψαλίδα μεταξύ τους θα ανοίξει ακόμα περισσότερο.

    Αυτό που ήθελα κυρίως να αναδείξω στο άρθρο, ειδικά για τους γονείς και τους μαθητές που αγχώνονται με το παραδοσιακό μοντέλο του «20αριού», είναι η σύγκριση σε ένα άλλο επίπεδο: ανάμεσα σε κάποιον που μαθαίνει να χειρίζεται ουσιαστικά την ΤΝ και σε κάποιον που δεν τη χρησιμοποιεί (ή την αγνοεί). Σε αυτή τη σύγκριση, ένας μαθητής που δεν είναι ο παραδοσιακός «άριστος» της αποστήθισης, αλλά ξέρει να αξιοποιεί σωστά αυτά τα εργαλεία, αποκτά ένα τεράστιο πλεονέκτημα απέναντι σε κάποιον που βασίζεται μόνο στις παλιές δεξιότητες.

    Όσο για τον Levent Alpöge, συμφωνώ 100%. Προφανώς δεν μιλάμε για έναν τυχαίο άνθρωπο, για να αγγίξεις καν ένα τέτοιο πρόβλημα, πόσο μάλλον να φτάσεις σε απόδειξη, πρέπει να είσαι ένας εξαιρετικός μαθηματικός με τεράστιο υπόβαθρο και αφοσίωση. Το μεγάλο ερώτημα, όμως, που κατά τη γνώμη μου δείχνει και τη νέα εποχή στην οποία μπαίνουμε, είναι απλό: με όλη του την ευφυΐα και το υπόβαθρο, θα μπορούσε να το είχε ολοκληρώσει χωρίς την ΤΝ;

    Εκεί νομίζω πως κρύβεται όλη η μαγεία της συνεργασίας ανθρώπου και μηχανής. Και, όπως πολύ σωστά κλείνεις, το πιο ευχάριστο από όλα είναι ότι τα μαθηματικά βρίσκονται ξανά στο επίκεντρο της συζήτησης!

    Με εκτίμηση,

    Χάρης

Αφήστε μια απάντηση