← Till startsidan
PÅ DENNA DAG 2026-10-25

1811: Évariste Galois föds

Den 25 oktober 1811 föddes Évariste Galois i Bourg-la-Reine utanför Paris. Han skulle bara leva i tjugo år, och dog efter en duell 1832, men under denna korta tid omformade han matematiken så grundligt att hans namn för alltid förknippas med ett helt fält: Galoisteorin.

Galois försökte besvara en förrädiskt enkel fråga: när kan en polynomekvation lösas med rotutdragning — den vanliga uppsättningen av rötter och räkneoperationer? Svaret krävde att han uppfann ett nytt slags objekt, den matematiska gruppen, för att fånga symmetrierna hos en ekvations lösningar. Huruvida en ekvation gick att lösa, visade han, berodde helt på strukturen hos denna symmetrigrupp. Det var ett radikalt perspektivskifte: istället för att räkna fram svar klassificerade matematiken nu de dolda strukturer som gjorde svar möjliga eller omöjliga.

Gruppteorin, som föddes ur Galois hastigt nedtecknade anteckningar natten före den ödesdigra duellen, blev sedermera ett av vetenskapens stora enande språk. Fysiker använde den för att beskriva bevarandelagar (via Emmy Noethers teorem) och partikelsymmetrier. Kryptografer och kodningsteoretiker byggde vidare på algebraiska strukturer för att skydda och korrigera digital information. Och under det senaste decenniet har samma idéer dykt upp direkt inom artificiell intelligens.

  • Konvolutionella neuronnät är i grunden byggda för att respektera translationssymmetri — en enkel gruppverkan på bilder.
  • "Gruppekvivarianta" neuronnät, formaliserade av Cohen och Welling 2016, generaliserar denna idé till rikare symmetrigrupper, vilket låter nätverk lära sig effektivare från mindre data.
  • System som AlphaFold kodar in rotations- och translationssymmetrier i tre dimensioner (gruppen SE(3)) direkt i sin arkitektur, vilket delvis förklarar varför de kan förutsäga proteinstrukturer så träffsäkert.

Inget av detta var tänkbart för Galois, som skrev för en framtida publik av matematiker han hoppades skulle förstå honom efter hans död. Men tråden är rak: hans insikt att struktur, inte rå beräkning, är nyckeln till att förstå komplexa system är precis den princip som vägleder några av dagens mest kapabla AI-arkitekturer. När en modern modell utnyttjar symmetri för att lära sig snabbare och generalisera bättre arbetar den, på ett stillsamt sätt, fortfarande inom ett ramverk som en tjugoåring skissade under en enda desperat natt.