[TL;DR Ежедневный подбор] Я только что прочитал это сообщение, и моя первая реакция была не «ИИ снова победил», а — возможно, столы в академическом мире придется переставить заново. Если модель действительно способна перевернуть почти 30-летние сложные гипотезы и при этом разобраться с такими непростыми задачами, как гипотеза Мори, локальная сглаженность и четырехмерная квантовая теория поля, то ключевой вопрос уже не «сможет ли она решать задачи», а: готово ли человечество принять огромное количество ответов? 😏 Суть этой статьи — не сами три достижения, а более яркая трансформация: ИИ начинает смещаться с роли «инструмента» в сторону «исследовательского партнера», даже опережая людей, генерируя доказательства, а оставляя людям задачи по пониманию, проверке и трансформации знаний. 📌 Информатика: ETH может быть опровергнут — последствия выходят далеко за рамки одной гипотезы • OpenAI утверждает, что нашла субэкспоненциальный алгоритм для задач, связанных с 3-SAT, со сложностью 2^{O(n/√log n)}, что выходит за пределы границ, ранее исключаемых ETH. • ETH (гипотеза экспоненциального времени) доминировала в теоретической информатике почти 30 лет. Сотни статей использовали её как основу для вывода нижних границ в алгоритмах на графах, базах данных, вычислительной биологии и других областях. • Особенно драматично то, что среди внешних рецензентов — сами авторы ETH: Рассел Импаглиаццо и Рамамохан Патури, а также эксперт по теории сложности Райан Уильямс. • Сроки также впечатляют: 16 октября — сгенерировано доказательство на естественном языке, 17 октября — завершена формализация в Lean, 26 октября — публикация. Проще говоря, скорость генерации доказательств ИИ уже делает процесс рецензирования похожим на «погоню за ценой». 📌 Математика: от гипотезы Гакура до «всех измерений» — ИИ хочет построить универсальную теорию • OpenAI не просто коснулась гипотезы Гакура — она начала с локальной гипотезы сглаженности, предложенной в 1991 году, и утверждает, что доказала результат для всех измерений. • По её словам, модель использовала новое вспомогательное дифференциальное уравнение в частных производных, чтобы связать локальную сглаженность, гипотезу Гакура и гипотезу Стейна в единую цепочку. • Это отличается от предыдущих 722 математических рукописей, где речь шла о «некотором измерении» или «частном случае». Здесь речь идет о создании общей структуры, а не о точечных прорывах. • Темп снова впечатляет: доказательство получено 18 октября, формализация в Lean завершена 19 октября. Математики только что заварили кофе — а ИИ уже подготовил версию для всех измерений. 📌 Физика: самое сложное — не формулы, а вопрос: «может ли теория существовать строго?» • Третье достижение ещё более серьёзное: OpenAI заявляет о строгом доказательстве существования четырёхмерной квантовой теории поля, включающей QCD, а также частичном доказательстве существования чистой теории Янга–Миллса. • Важно понимать: существование ≠ решение задачи тысячелетия. Часть «массового зазора» Янга–Миллса пока не решена — не спешите вручать награды. • Но значение всё равно огромно: речь не о совершенствовании вычислительных методов, а о фундаментальном вопросе — могут ли теории, которые мы используем для описания микромира, быть строго построены? • Команда рецензентов впечатляет: возглавляет Дэвид Гросс, участвуют Майкл Дуглас, Артур Жафф, Игорь Клебанов и Никита Некрасов. Это уже не просто «посмотрим», а вмешательство высшего академического пожарного отряда. 📌 Главная новость: OpenAI начинает рассматривать AI-доказательства как «сырые исследовательские данные» • Возможно, это самый важный момент статьи. OpenAI не представляет результаты ИИ как «окончательные знания», а определяет их как raw research data. • Другими словами: ИИ быстро генерирует результаты; люди занимаются проверкой, интерпретацией, переписыванием, архивированием и интеграцией в академическую систему. Не похоже ли это на сверхпроизводительный экспериментальный прибор, который сначала выдаёт результаты, а затем заставляет всю академическую среду перестраивать свои рабочие процессы? • Это объясняет и разные подходы к публикации: математика — сразу опубликована; информатика — с участием рецензентов; физика — сначала передана экспертам для внутренней обработки. • Вопрос: если в будущем ИИ будет генерировать сотни передовых доказательств в неделю, самым дефицитным ресурсом станет не «открытие», а «достоверная проверка» и «способность к сжатию знаний»? 📌 Данные и детали — не упустите ключевые сигналы: • В начале октября OpenAI опубликовала 722 математические рукописи, охватывающие 372 группы результатов и 17 направлений исследований. • Три из них позже были отозваны из-за символьных ошибок. Это напоминает нам: формализация в Lean мощна, но не гарантирует автоматического соответствия семантики, корректности утверждений или оценки академической ценности. • OpenAI также обещала поддержать независимую проверку и выделить 5 миллионов долларов фонду Саймонса на конференции, семинары и исследовательские проекты. • Сама сумма не главное — важно то, что компания признаёт новую реальность: после генерации результатов ИИ проверочная инфраструктура станет новым узким местом научной системы. Моё мнение простое. Это не история о том, как ИИ заменяет учёных — по крайней мере, пока нет. Скорее, ИИ индустриализировал процесс «генерации потенциально верных ответов», а роль человека начинает смещаться к определению вопросов, оценке достоверности и выделению переносимых идей. Если этот путь окажется устойчивым, то самые сильные исследователи будущего — это не те, кто считает быстрее всех вручную, а те, кто лучше всех сотрудничает с агентами и умеет извлекать структуру из леса доказательств. Вопрос вам: Если агент будет генерировать теоремы и теории быстрее большинства учёных — сохранится ли система академического признания, публикаций и рецензирования в её нынешнем виде? #AI #OpenAI #Математика #Информатика #КвантоваяТеорияПоля #AgentFi