OpenAI объявляет о трёх научных прорывах в 2026 году: математика, информатика и физика

2026/10/31 11:05:00

26 октября 2026 года в научной публикации под названием Working with academic communities to build scientific understanding OpenAI сообщила, что ее внутренние модели рассуждений сгенерировали три крупных теоретических доказательства, охватывающих фундаментальную математику, теоретическую информатику и математическую физику. Если эти результаты будут подтверждены широким научным сообществом, они представляют собой значительную эволюцию искусственного интеллекта: переход от эмпирического распознавания паттернов и генерации кода к многошаговому дедуктивному рассуждению и теоретическому открытию.

Вместо того чтобы рассматривать эти машинно-сгенерированные рукописи как установленный научный консенсус, OpenAI представила экспериментальную систему верификации, поддержанную вкладом в размере 5 миллионов долларов в Фонд Симонса. С помощью подхода, который она описывает как «академическое сопровождение», OpenAI тестирует три различных пути раскрытия информации — от прямых публикаций на GitHub с формальными доказательствами Lean до независимых рабочих групп, возглавляемых пионерами области.

В трех объявлениях OpenAI утверждает, что ее модели доказали гипотезу локального сглаживания Согге в гармоническом анализе, детерминированно опровергли гипотезу экспоненциального времени (ETH) в вычислительной сложности и строго математически доказали существование четырехмерных взаимодействующих квантовых полевых теорий (QFT), включая квантовую хромодинамику (QCD).

Этот анализ рассматривает основные концепции, лежащие в основе каждого утверждения, простыми словами, исследует, почему формальная верификация Lean и теория сложности важны для экосистемы безопасности криптовалют и Web3, а также оценивает принципы управления, направляющие независимый академический обзор.

Прорыв 1: Гармонический анализ и гипотеза локального сглаживания Согге

Первый результат решает центральную нерешённую проблему евклидова гармонического анализа: гипотезу локального сглаживания для волнового уравнения, сформулированную математиком Кристофером Согджи в 1991 году.

Проще говоря, волновое уравнение описывает, как волны, такие как звуковые волны, световые волны или океанские волны, распространяются в пространстве и во времени. Когда несколько волн перекрываются, они могут интерферировать конструктивно, создавая острые, концентрированные пики энергии. Математики более трех десятилетий пытались доказать строгие математические правила, регулирующие, насколько интенсивно волны могут концентрироваться, и как усреднение их поведения за короткий временной интервал «сглаживает» эти неоднородности в двух или более пространственных измерениях. Хотя частичные доказательства существовали в двух измерениях, полное доказательство гипотезы во всех пространственных измерениях оставалось открытой проблемой.

Механизм в виде простого текста: Вспомогательные частные дифференциальные уравнения

Согласно техническому релизу OpenAI в его репозитории openai/math на GitHub, модель сгенерировала доказательство на естественном языке 18 октября 2026 года, решив гипотезу во всех пространственных измерениях, равных или превышающих два.

Вместо того чтобы полагаться исключительно на традиционные геометрические методы разрезания, модель построила новое вспомогательное уравнение в частных производных, отслеживающее, как рассеивается энергия волны со временем. Ограничивая скорость распространения энергии, аргумент предотвращает чрезмерное концентрирование волновых пакетов вдоль световых конусов, устраняя технические барьеры, которые ранее ограничивали доказательства в более высоких измерениях.

Последствия для дальнейшего развития: Решение гипотезы Какея

В чистой математике локальная сглаживающая гипотеза Согге действует как главный ключ, находящийся на вершине иерархии известных проблем. Доказательство её автоматически решает несколько давних гипотез в геометрической теории меры:

Гипотезы Какея о максимальной и размерности: Возникшие из головоломки 1917 года, в которой требовалось найти наименьшую возможную площадь, необходимую для полного поворота единичной иглы на 360 градусов, высокоразмерная гипотеза Какея утверждает, что любое множество, содержащее единичный отрезок в каждом направлении, должно иметь полную размерность пространства, которое оно занимает. OpenAI утверждает, что её доказательство локального сглаживания решает обе гипотезы — Какея и Никодима о максимальных значениях.

Оценки сферического ограничения Штейна: результат также устанавливает внутренний диапазон границ ограничения Фурье, начатый Элиасом Штейном в 1970-х годах, который определяет, как ведут себя волны при ограничении на кривые сферические поверхности.

Для поддержки независимой проверки OpenAI перевела рукопись от 18 октября на язык доказательства Lean 19 октября 2026 года, опубликовав как PDF-отчет, так и машинно-проверяемое доказательство Lean непосредственно для общественности.

Прорыв 2: Информатика и опровержение гипотезы экспоненциального времени

Второй, и, пожалуй, самый удивительный, тезис направлен на основы теории вычислительной сложности. OpenAI объявила, что её модель сгенерировала формальное опровержение гипотезы экспоненциального времени (ETH), утверждая, что доказала ложность этого широко принятого предположения.

Предложенная Расселом Импаглиаццо, Рамамоханом Патури и Фрэнсисом Зейном в период с 1999 по 2001 год, гипотеза экспоненциального времени касается задачи 3-SAT — классической логической головоломки, в которой алгоритм должен определить, может ли сложный набор булевых (истинных/ложных) переключателей удовлетворить тысячи перекрывающихся правил. По мере роста числа переменных (n) количество возможных комбинаций взрывным образом увеличивается экспоненциально.

Проще говоря, гипотеза об экспоненциальном времени утверждает, что для 3-SAT в худшем случае не существует вычислительного ускорения: любой детерминированный алгоритм должен затрачивать строго экспоненциальное время (рост которого пропорционален 2 в степени постоянной доли n). В течение 25 лет сотни научных статей по информатике использовали ETH в качестве фундаментальной базы для доказательства того, что другие сложные задачи в теории графов, маршрутизации сетей и базах данных не могут быть решены быстрее, чем за экспоненциальное время.

Как работает заявленный алгоритм

16 октября 2026 года внутренняя модель OpenAI сгенерировала опровержение ETH, которое команда формализовала в Lean на следующий день (17 октября). Рукопись представляет детерминированный алгоритм, подсчитывающий точное количество допустимых решений для булевых формул фиксированной ширины за субэкспоненциальное время при использовании только полиномиального объема памяти.

Здесь «субэкспоненциальное время» означает, что время выполнения алгоритма растёт строго медленнее, чем стандартная экспоненциальная кривая с увеличением размера задачи (конкретно масштабируется пропорционально 2 в степени n, делённой на двойной логарифм n). Хотя для больших входных данных всё ещё требуется огромная вычислительная мощность, преодоление математического порога от строго экспоненциального к субэкспоненциальному времени достаточно, чтобы опровергнуть ETH на бумаге.

Что это значит для безопасности криптовалюты и блокчейна?

Когда объявляется прорыв в вычислительной сложности, инвесторы цифровых активов естественно спрашивают, под угрозой ли криптографические сети, такие как Bitcoin или Ethereum. Даже если опровержение ETH от OpenAI будет полностью подтверждено, это не угрожает криптографии блокчейна по трем фундаментальным причинам:

Барьер P против NP остается неприкосновенным: опровержение ETH не означает, что P = NP. Субэкспоненциальное время все еще намного медленнее полиномиального времени. Кроме того, делитель вроде «log log $$$$» растет настолько медленно, что для реальных размеров задач теоретическое ускорение не приводит к практическому сокращению времени выполнения. OpenAI специально отметила, что превращение этой теоретической границы в практические алгоритмические ускорения потребует значительных дальнейших исследований.

Наихудший случай против среднего случая сложности: ETH измеряет только наихудший случай сложности логических задач удовлетворимости. Современная криптография, такая как хеширование SHA-256 в Bitcoin или цифровые подписи на основе эллиптических кривых (ECDSA), основана на криптографической сложности в среднем случае и односторонних математических ловушках, которые остаются безопасными даже при незначительных асимптотических изменениях в решении SAT.

Потенциальный рост для веб-верификации Web3: Вместо взлома шифрования теоретические достижения в области булевой выполнимости (SAT) и алгоритмов подсчета в первую очередь полезны для инструментов формальной верификации — которыми разработчики пользуются для проверки смарт-контрактов и ограничений цепочек нулевого знания (ZK) на скрытые ошибки.

Независимый обзор от первоначальных создателей ETH

Чтобы проверить утверждение в области информатики, OpenAI обратилась к Расселу Импаглиаццо и Рамамохану Патури (Калифорнийский университет в Сан-Диего), двум из первоначальных авторов гипотезы экспоненциального времени, а также к исследователю из MIT Райану Уильямсу.

В совместном открытом письме к сообществу информатики от 26 октября три ученых согласились помочь организовать открытое, независимое расследование утверждения, подчеркнув при этом четкое оговорку: "Наше участие не должно восприниматься как подтверждение этого утверждения." Действуя без соглашений о неразглашении и без оплаты со стороны OpenAI, группа запросила — и OpenAI согласилась — опубликовать все исходные данные модели и профинансировать академическую конференцию для изучения результатов.

Прорыв 3: Математическая физика и существование 4D квантовой хромодинамики

Третий запрос касается конструктивной квантовой теории поля, основанной на рамке ренормализации Тадеуша Балабана, направленной на обеспечение частичной физики строгой математической основой.

В современной физике Стандартная модель, и в частности квантовая хромодинамика (QCD), описывающая сильное ядерное взаимодействие, связывающее кварки внутри протонов и нейтронов, с высокой точностью предсказывает результаты экспериментов на коллайдерах. Однако известный парадокс сохраняется более полувека: хотя физики ежедневно используют четырехмерные квантовые теории поля, математики так и не смогли доказать, что эти уравнения остаются математически корректными при вычислениях в непрерывном, бесконечно мелком четырехмерном пространстве-времени.

Ранее математикам удавалось доказать строгое существование только для упрощенных полевых теорий в двух или трех измерениях. В четырех измерениях переход к «пределу непрерывности» (сокращение дискретной вычислительной сетки до нулевого расстояния между узлами) приводил к тому, что уравнения расходились из-за математических бесконечностей.

Решение проблемы существования полей Янга — Миллса

Согласно графику выпуска OpenAI:

9 сентября 2026 года: внутренняя модель сгенерировала доказательство на естественном языке, устанавливающее строгое математическое существование чистой четырёхмерной теории Янга-Миллса, что решает часть задачи, связанную с существованием, знаменитой Проблемы тысячелетия Института математики Клэя (хотя доказательство одного лишь существования не автоматически решает полное требование «пробела масс» для премии).

18 сентября 2026 года: модель расширила построение, включив калибровочные поля, взаимодействующие с фермионами (частицами материи, такими как кварки), утверждая, что установила математическое существование четырехмерной КХД и великих объединенных завершений Стандартной модели.

Обзор под руководством лауреата Нобелевской премии Дэвида Гросса

Пятичленная физическая группа возглавляется Дэвидом Гроссом — лауреатом Нобелевской премии по физике 2004 года за открытие асимптотической свободы в КХД — вместе с известными математическими физиками Артуром Жаффе (соавтором официального формулирования задачи премии Миллениума Клэя для теории Янга-Миллса), Майклом Дугласом, Игорем Клебановым и Никитой Некрасовым (лауреатом премии Дэнси Хайнеман 2023 года). Группа решила пока не публиковать исходные тексты, созданные ИИ, пока они независимо проверяют и оформляют работу.

Модель академического пастыря и верификация Lean 4

Выпуск трех крупных заявок одновременно подчеркивает растущий узкий места в современной науке: создание сложных AI-рукописей теперь занимает гораздо меньше времени, чем требуется человеческим экспертам для их проверки. Ранее в октябре 2026 года OpenAI выпустила более 700 экспериментальных AI-сгенерированных математических заметок, что вызвало протест со стороны математиков, обеспокоенных перегрузкой традиционного рецензирования.

Чтобы избежать заполнения журналов не проверенными утверждениями, OpenAI обозначила четыре принципа управления для своих академических сотрудничеств:

Принцип управления	Основная приверженность	Практическое значение для исследователей
1. Прозрачность	Нулевые соглашения о неразглашении (NDAs)	Внешние исследователи могут свободно обсуждать работу, делиться промежуточными результатами и публиковать критику или опровержения без ограничений.
2. Без академических кредитов	Нет заявлений об использовании ИИ или корпоративной авторстве	OpenAI не претендует на академическое авторство или приоритет для своих моделей (в соответствии с обязательством от сентября 2026 года не претендовать на премии тысячелетия).
3. Признание	Кредит для человеческих экспозиторов	Академические рабочие группы получают полное признание за написанные ими пояснения и обеспечивают надлежащее цитирование предыдущих исследований, выполненных людьми.
4. Независимость	Добровольный и неоплачиваемый обзор	Рецензенты не получают личного вознаграждения от OpenAI, что обеспечивает независимость их выводов от корпоративного влияния.

Почему важна упрощенная верификация

Для результатов по математике (локальное сглаживание) и информатике (ETH) OpenAI сопровождала свои статьи на естественном языке формальными доказательствами на языке Lean — открытой системой интерактивного доказательства теорем, которую на раннем этапе поддерживало Фонд Симонса.

В Lean математические утверждения записываются как строгий компьютерный код. Если в шаге содержится логический скачок или скрытая галлюцинация, код просто не компилируется. Однако академические комментаторы подчеркивают важное различие: хотя Lean гарантирует, что формальное доказательство логически следует из его определений, человеческие эксперты должны все еще проверить, что формальный код точно отражает исходный математический вопрос. Например, 7 октября 2026 года OpenAI отозвала три предыдущих рукописи из своего репозитория openai/math после обнаружения ошибки со знаком в формулировке задачи.

Эта же технология формальной верификации все чаще становится фундаментальной для веб-3 и криптовалюты. Высоконадежные экосистемы блокчейна, виртуальные машины с нулевым знанием (zkVM) и институциональные протоколы DeFi полагаются на интерактивные теоремы-доказатели, такие как Lean 4, для математической верификации того, что смарт-контракты и криптографические схемы не могут быть эксплуатированы. Если модели ИИ смогут надежно переводить сложную логику в проверенный код Lean, последующее влияние на автоматизированный аудит смарт-контрактов и формальную верификацию протоколов может быть значительным.

Заключение

Анонс OpenAI от октября 2026 года становится ключевым испытанием для научных открытий с использованием ИИ. Соединяя внутренние модели рассуждений с формальной верификацией Lean и передавая контроль над основными утверждениями в математике, теории сложности и квантовой физике независимым экспертам, таким как Импальяццо, Патури, Уильямс и Гросс, инициатива выводит передовые ИИ-системы за рамки простых тестов. Хотя до того, как эти доказательства будут признаны установленной наукой, осталось еще несколько месяцев строгого академического анализа, слияние автоматизированного доказательства теорем и открытой верификации задает мощный прецедент как для теоретических исследований, так и для криптографических систем с высокой степенью надежности.

ЧаВо

Какие три научных прорыва OpenAI были объявлены в октябре 2026 года?

26 октября 2026 года OpenAI объявила, что её внутренние модели получили три важных теоретических результата: (1) доказательство локальной сглаживающей гипотезы Согге в каждом измерении, которое также решает гипотезу Какея. (2) детерминированный субэкспоненциальный алгоритм, опровергающий гипотезу экспоненциального времени (ETH) в информатике. (3) математическое доказательство существования четырёхмерных взаимодействующих квантовых теорий поля, включая квантовую хромодинамику (QCD).

Означает ли опровержение гипотезы экспоненциального времени взлом bitcoin или криптографии криптовалют?

Нет. Даже если опровержение ETH подтверждено независимыми компьютерными учеными, это не доказывает P = NP и не создает быстрый практический решатель, способный взломать криптографические ключи. Хеширование блокчейна (SHA-256) и цифровые подписи основаны на криптографической сложности в среднем случае, а не на худшем случае границ 3-SAT, и OpenAI отметила, что ее теоретический результат не приводит к немедленному ускорению времени выполнения в реальных условиях.

Были ли эти доказательства, сгенерированные ИИ, подтверждены научным сообществом?

Еще нет. Хотя OpenAI опубликовала на GitHub машинные проверки Lean для математических и компьютерных научных утверждений, внешние ученые все еще должны проверить, точно ли формальный код отражает исходные гипотезы. Группа по компьютерным наукам прямо заявила, что их участие представляет собой независимую проверку, а не одобрение, а группа по физике под руководством лауреата Нобелевской премии Дэвида Гросса все еще оценивает рукописи по КХД.

Как OpenAI финансирует независимую академическую верификацию?

Наряду со своими неоплачиваемыми рабочими группами без NDA, работающими в качестве «академических кураторов», OpenAI выделила 5 миллионов долларов Фонду Саймонса в рамках совместной инициативы на 15 миллионов долларов (вместе с Anthropic), объявленной в октябре 2026 года, для финансирования академических семинаров, конференций и инструментов, помогающих ученым оценивать доказательства, сгенерированные ИИ.

Отказ от ответственности

Эта общая рыночная информация, возможно, из сторонних, коммерческих или спонсируемых источников, предоставлена исключительно в справочных и образовательных целях и не является финансовой или инвестиционной консультацией, предложением, запросом или гарантией. Мы отказываемся от ответственности за её точность, полноту, надежность и любые возникшие потери. Инвестиции/торговля сопряжены с риском; прошлые результаты не гарантируют будущих. Пользователи должны проводить собственное исследование, оценивать осмотрительно и нести полную ответственность. Для получения дополнительной информации обратитесь к Условиям использования и Раскрытию рисков KuCoin.

Отказ от ответственности: Эта страница была переведена для вашего удобства с использованием технологии искусственного интеллекта. Для получения наиболее точной информации обратитесь к оригинальной английской версии.