ИИ решил математическую задачу тысячелетия за 88 часов, вызвав академические и этические опасения

ИИ стал настолько мощным, что может решить самые сложные математические задачи человека, а также уничтожить нас.

Эти слова сказал колумнист The Wall Street Journal Бен Коэн.

11 сентября он написал колонку об ИИ и математике.

Коэн признался, что не понимает уравнения Навье-Стокса, но считает, что вам не нужно знать никакой математики, чтобы понять, что значит прорыв, о котором заявляет OpenAI:

Прогресс в области ИИ ускоряется, и это устрашающе.

Жесткая новость из математического круга внезапно превратилась в вопрос, касающийся судьбы всего человечества.

В тот же день Теренс Тао и еще 25 лауреатов Филдсовской премии совместно опубликовали заявление: «Серьезное несоответствие ИИ в математике».

Они имеют в виду «несоответствие»: математики хотят новых методов и нового понимания, а компании, занимающиеся ИИ, стремятся использовать известные задачи для повышения рейтинга моделей.

С одной стороны, колумнисты кричат о конце света, с другой — ведущие математики говорят о несоответствии.

Если вы посмотрите на события этой недели вместе, станет понятно, почему они не могут сидеть на месте:

3 сентября выпущен GPT-6 Astra, который показал результат 97,6% в FrontierMath Tier 4;

5 сентября OpenAI получила набор решений задачи Навье-Стокса через примерно 88 часов после запуска первых агентов на внутренней модели, еще не выпущенной в публичный доступ;

8 сентября OpenAI опубликовала результаты, и в тот же день математик из NYU обвинила её в преждевременном публиковании, а также возник спор о том, что сотрудников Anthropic не допустили к указанию в качестве соавторов;

10 сентября Epoch AI объявила, что FrontierMath Tier 4 заполнен;

11 сентября 25 лауреатов Филдсовской премии выступили совместно. В тот же вечер «Волл-стрит джорнал» объединила математический прорыв и риск исчезновения ИИ в одном заголовке.

Семь дней, пять событий указывают на такой разрыв: скорость, с которой ИИ создает знания, скорость, с которой люди подтверждают знания, и скорость корректировки правил, серьезно расходятся.

FrontierMath Tier 4 — это набор исследовательских математических задач, разработанных Epoch AI специально для тестирования самых мощных моделей.

Здесь задачи крайне сложны; некоторые из них даже ведущие исследователи могут решать несколько дней.

В июле 2025 года, когда был запущен Tier 4, лучшие модели могли показать только около 5%, что равносильно сдаче чистого листа.

Однако менее чем за 14 месяцев Epoch объявил: каждая задача Tier 4 была решена ИИ как минимум один раз.

Последний вопрос выиграл GPT-6 Astra, автором вопроса является математик Джей Пантон.

Эпоха также специально отметила: ранее математики часто жаловались, что модели обходят тщательно разработанные задачи с помощью «случайных обходных путей», но в этом последнем случае обходной путь не был использован.

Затем Epoch вынес холодный вывод: этот базис насыщен.

The exam paper has fallen behind the test-taker—it’s time to switch papers.

Эпоха также сместила фокус на настоящие открытые вопросы, и система оценки ИИ начала направляться в области, где даже люди не знают ответов.

Скорость роста возможностей ИИ уже опередила наши методы её измерения.

Как отметил Грег Бернхэм из Epoch: эпоха завершается, и начинается новая.

Если FrontierMath доказывает, что «бенчмарки перестают успевать за моделями», то событие с уравнениями Навье-Стокса демонстрирует еще более революционную картину:

ИИ не просто решает задачи — он уже начал функционировать, как огромная научная организация.

Это совсем не одиночное сражение, а масштабная операция с участием до десяти тысяч агентов.

Они разделены на различные группы, некоторые подтверждают, другие опровергают, обмениваются сообщениями, делятся промежуточными выводами и даже бесшовно переключаются на последние версии моделей по ходу процесса.

Примерно через 88 часов после запуска первых агентов один из групп представил окончательное доказательство объемом более ста страниц.

Диаграмма механизма сингулярности Навье-Стокса, опубликованная OpenAI: жидкость вращается внутрь (inward spiral), растягивается вдоль оси (axial stretching), оранжевый цвет — зоны высокой скорости, голубой — зоны низкой скорости. Центр вихря сжимается все быстрее, скорость неограничена, а общая энергия конечна.

Весь этот процесс идеально воспроизводит модель работы ведущих человеческих научных институтов.

В человеческом мире состояние уравнений Навье-Стокса остается «нерешенным».

Согласно правилам премии тысячелетия, решение должно быть сначала опубликовано в надлежащем канале, после чего должно пройти как минимум два года, и оно должно получить широкое признание со стороны мирового математического сообщества, прежде чем Clay начнет официальный процесс рассмотрения.

Председатель Clay Мартин Бридсон сказал AFP, что процесс оценки «сознательно не спешится» и должен быть «абсолютно строгим». Сама OpenAI заявила, что не планирует претендовать на эти 1 миллиона долларов.

Таким образом, наиболее точное описание этого события: OpenAI опубликовала решение задач тысячелетия, заявив, что завершила формализацию в Lean, но это еще не подтверждено независимо математическим сообществом.

Машинно сгенерированный результат — 88 часов. Человеческая верификация — как минимум два года. Это, пожалуй, самая яркая контрастная пара в AI-математике этой недели.

Это не значит, что человеческая верификация слишком медленна. Проблема в том, что машины ускорили «обнаружение» в сотни раз, но человеческое «понимание» не поспевает за этим ускорением.

Так в чем же настоящая проблема: когда машины начнут массово производить знания с темпом «крупный результат каждые несколько дней», кто будет заниматься чтением, проверкой, интерпретацией, упрощением и усвоением в течение последующих лет или даже десятилетий?

Подпись системы первой столкнулась со стеной

В день публикации результатов Навье-Стокса математическое сообщество пришло в волнение.

Математик Нью-Йоркского университета Тристан Бакмастер и Левент Альпёге, работающий в Anthropic, также в течение всего августа изучали соответствующие уравнения жидкости.

Согласно восстановлению «Нью-Йорк таймс», эти два человека работали следующим образом:

Бакмастер задает вопрос, Альпёге передает вопрос внутренней модели Anthropic; после генерации результата моделью оба человека корректируют вопрос на основе вывода и продолжают подавать данные обратно.

Согласно Бакмайстеру, после инцидента OpenAI предложила несколько мер для умиротворения: разрешить ему опубликовать свои результаты первым, включить его в качестве первого автора статьи OpenAI и предоставить вычислительные ресурсы для продолжения исследований.

Но наибольшим препятствием является то, что OpenAI не хочет, чтобы Левент появлялся в статье.

На доске — хронология прогресса Buckmaster и Alpöge за весь август: уравнение Эйлера — 15 августа, формализация Lean — 22 августа, 31 августа… а также имена коллег, таких как Figalli и Hairer.

В бизнесе бизнес — почему проект, в который OpenAI вложила крупные средства, должен быть подписан именем сотрудника конкурента Anthropic?

Затем дело перешло к еще более чувствительной теме. В течение нескольких месяцев Бакмастер использовал Codex для организации математических черновиков, сгенерированных ИИ.

Таким образом, могли ли его уникальные научные идеи, которые он ввел как Codex, но еще не опубликовал, стать питательной средой для собственных исследовательских моделей OpenAI через скрытые каналы передачи данных?

Бакмастер сам признал, что у него нет доказательств, но, по его мнению, хронология событий и путь доказательств OpenAI намекают на это.

OpenAI в экстренном объявлении от 10 сентября заявила, что после внутреннего расследования было установлено, что промпты Buckmaster за последние два месяца абсолютно не могли повлиять на эту внутреннюю модель никаким образом, включая обучение.

Кто прав, кто виноват — здесь пока осталось неясным, но настоящим раскрытием стали целый ряд вопросов, на которые раньше никто всерьез не отвечал:

Считаются ли персональные промпты защищенными научными материалами?

Можно ли указать сотрудника конкурирующей компании в качестве автора внутреннего проекта компании с крупными инвестициями?

Как определить границу между новым вкладом и существующими работами, если модель опиралась на огромный объем публичных данных?

Питер Сарнак из Института продвинутых исследований Принстона сказал «Нью-Йорк таймс»: «Таких переговоров я за всю свою жизнь не слышал».

Академические правила, накопленные математическим сообществом на протяжении сотен лет, никогда не были предназначены для защиты от такой безумной скорости производства машин.

Что действительно беспокоит 25 лауреатов Филдсовской премии

Всего через день 25 лауреатов Филдсовской премии совместно опубликовали важное заявление.

Теренс Тао, Питер Шольце, Джеймс Мейнорд, Марина Виазовская… Почти все顶尖ные умы математического сообщества вышли на сцену.

Это заявление не является никаким «анти-ИИ манифестом».

На самом деле, Тао Чжэсюнь сам активно использует ИИ для помощи в математических исследованиях.

При этом в заявлении признается, что ИИ действительно обладает потенциалом для ускорения настоящего понимания математики.

Они по-настоящему ненавидят отождествление «решения задач» исключительно с математикой: в сегодняшнем безумном мире ИИ компании стремятся к краткосрочной выгоде и повышению своей рыночной капитализации, превращая «решение известных задач» в главную цель оптимизации.

В их глазах задачи тысячелетия кажутся всего лишь инструментом для демонстрации мощи модели.

Но настоящая ценность математики заключается в том, что в процессе скучного решения задач рождаются новые методы и концепции, которые в конечном итоге становятся частью общей системы знаний человечества.

Сейчас AI-компании каждые несколько дней представляют потрясающие результаты, настолько быстро, что никто не успевает их осмыслить. Эта цепочка, существующая тысячи лет, может оборваться в любой момент.

Письмо также особо отмечает, что результаты были опубликованы слишком быстро, и эти ответы не успели четко различить, какие идеи являются новыми, а какие основаны на работе предшественников, что неизбежно приведет к серьезной путанице в авторстве и приписывании.

Обычным людям действительно не интересно, что «ИИ превзошел математика».

Скорость, с которой машины создают знания, впервые превзошла скорость, с которой люди подтверждают, приписывают и усваивают знания.

Это не преувеличение: в документации системы GPT-6 Astra указано, что это первая модель от OpenAI, достигшая «Critical» порога кибербезопасности, с результатом 100% на ExploitBench.

Одна и та же модель обладает способностью решать задачи тысячелетия, атаковать уязвимости нулевого дня и проводить более трудные для понимания рассуждения.

В последнем абзаце объявления OpenAI о Навье-Стоксе есть еще одно предложение:

Далее им нужно сначала полностью разобраться с этой новой моделью, прежде чем решить, насколько быстро двигаться вперед, возможно, потребуется сделать более осторожный выбор в отношении темпов прогресса.

Да, компания ИИ, только что представившая решение проблемы тысячелетия, сама заговорила о замедлении.

Коэн также упомянул один факт в конце колонки.

В прошлом месяце OpenAI пригласила группу ведущих математиков на закрытую встречу в офисе в Сан-Франциско, предположив, что ИИ в конечном итоге превзойдет людей в математике, и обсудила, как решать вопросы образования, научного сотрудничества, публикации статей и подготовки следующего поколения математиков.

Говорил весь день, но ответа не получил.

Эту задачу также нельзя передать Lean для автоматической проверки.

Только человек может это расшифровать.

Справочные материалы:

https://www.wsj.com/tech/ai/ai-math-millennium-prize-safety-openai-anthropic-05179825

https://epoch.ai/benchmarks/frontiermath-tier-4-v2?view=graph&tab=release-date

https://www.nytimes.com/2026/09/10/science/tristan-buckmaster-openai-math-navier-stokes.html?utm_source=chatgpt.com

https://www.daniellitt.com/blog/2026/8/11/the-end-of-mathematics/

Эта статья взята из официального аккаунта WeChat «Новознание», автор: АСИ, Откровение