Штучний інтелект розв’язав математичну проблему тисячоліття за 88 годин, викликавши академічні та етичні занепокоєння

Штучний інтелект вже настільки сильний, що може розв’язати найскладніші математичні задачі людини, а також знищити нас.

Ці слова сказав колумніст The Wall Street Journal Бен Коен.

11 вересня він написав колонку про ШІ та математику.

Коен визнав, що не розуміє рівнянь Нав’є-Стокса, але вважає, що вам не потрібно розуміти жодної математики, щоб зрозуміти, що означає претензія OpenAI про цей прорив:

Прогрес у галузі ШІ прискорюється, і це прискорення викликає страх.

Жорстка новина з математичного кола перетворилася на питання, що стосується долі всього людства.

Того ж дня Теренс Тао та ще 24 лауреати Філдсівської премії спільно опублікували заяву: «Серйозна невідповідність ШІ в математиці» (A Severe Misalignment of AI in Mathematics).

Те, що вони називають «несумісністю», означає, що те, чого хочуть компанії з штучним інтелектом і математики, не збігається: математики шукають нові методи та нове розуміння, а компанії з штучним інтелектом — використовувати відомі задачі для підвищення рейтингу моделей.

З одного боку, колумністи кричать про кінець світу, а з іншого — топові математики говорять про невідповідність.

Якщо ви розглянете події цього тижня разом, зрозумієте, чому вони не можуть сидіти на місці:

3 вересня випущено GPT-6 Astra, який показав 97,6% у FrontierMath Tier 4;

5 вересня, у внутрішній моделі OpenAI, ще не опублікованій, через приблизно 88 годин після запуску перших агентів було отримано набір розв’язків для проблеми Нав’є-Стокса;

8 вересня OpenAI опублікувала результати, і того ж дня математик з NYU звинуватив її у передчасному публікуванні, а також виникла суперечка щодо авторства — «не дозволяти працівникам Anthropic бути співавторами статті»;

10 вересня Epoch AI оголосила, що FrontierMath Tier 4 вже заповнений;

11 вересня 25 лауреатів Філдсівської премії висловилися спільно. Того ж вечора «Волл-стріт джорнел» помістила математичний прорив і ризик вимирання ШІ в один заголовок.

Сім днів, п’ять справ вказують на такий розрив: швидкість, з якою ШІ створює знання, швидкість, з якою люди підтверджують знання, і швидкість, з якою налаштовуються правила, серйозно розходяться.

FrontierMath Tier 4 — це набір дослідницьких математичних завдань, розроблених Epoch AI для тестування найпотужніших моделей.

Завдання тут надзвичайно складні; деякі задачі навіть найкращим дослідникам потрібно кілька днів, щоб їх розв’язати.

У липні 2025 року, коли рівень 4 тільки запустився, найпотужніша модель могла досягти лише близько 5%, що майже дорівнювало пустому листу.

Але менше ніж за 14 місяців Epoch оголосив: кожне завдання рівня 4 хоча б один раз було розв’язане штучним інтелектом.

Останнє завдання виграв GPT-6 Astra, а автором завдання є математик Джей Пантон.

Епоха також зазначила: раніше математики часто скаржилися, що моделі використовують «випадкові скорочення», щоб обійти добре продумані завдання, але в цьому останньому випадку скорочень не було.

Потім Епоха висловила холодний висновок: цей базис уже насичений.

Бланк вже не наздоганяє кандидатів, час змінити бланк.

Епоха також змістила фокус на справжні відкриті питання, і система оцінки ШІ почала звертатися до областей, де навіть люди не знають відповідей.

Швидкість зростання міцності ШІ вже перевищила наші методи її вимірювання.

Як зазначив Гріг Бернхем з Epoch: закінчується одна епоха, і починається інша.

Якщо FrontierMath доводить, що «базовий показник вже не встигає за моделлю», то подія з рівняннями Нав’є-Стокса демонструє ще більш революційну картину:

Штучний інтелект не просто вирішує завдання — він уже працює, як величезний науковий організаційний апарат.

Це зовсім не одиночна битва, а великомасштабна операція з участью до десяти тисяч агентів.

Їх розділено на різні групи, де деякі підтверджують, а інші спростовують, обмінюючись повідомленнями, ділячись проміжними висновками та навіть безперервно переключаючись на останні версії моделей у процесі.

Приблизно через 88 годин після запуску перших агентів один із груп подав фінальний доказ обсягом у сотні сторінок.

Схема механізму сингулярності Нав’є-Стокса, опублікована OpenAI: рідина спірально рухається всередину (inward spiral), розтягується вздовж осі (axial stretching), оранжевий колір позначає зони високої швидкості, блакитний — зони низької швидкості. Центр вихору стискається все швидше, швидкість стає необмеженою, а загальна енергія залишається скінченною.

Цілий цей процес ідеально відтворює роботу найкращих людських наукових інститутів.

У людському світі стан рівнянь Нав'є-Стокса залишається «нерозв’язаним».

Згідно з правилами премії тисячоліття, розв’язок спочатку має бути опублікований у відповідному виданні, після чого має пройти щонайменше два роки, і він має отримати загальне прийняття від глобальної математичної спільноти, перш ніж Clay почне офіційний розгляд.

Керівник Clay Мартін Брідсон сказав AFP, що процес оцінки «навмисно не поспішав» і повинен бути «абсолютно строгим». OpenAI сама заявила, що не планує подавати заявку на ці 1 мільйон доларів.

Тому найточніше твердження про це таке: OpenAI опублікувала розв’язання проблем тисячоліття, стверджуючи, що завершила формалізацію в Lean, але ще не отримала незалежного підтвердження від математичного співтовариства.

Результат, згенерований машиною, 88 годин. Результат, підтверджений людиною, щонайменше два роки. Це, мабуть, найбільш вражаюча протилежність у AI-математиці цього тижня.

Це не означає, що людська перевірка занадто повільна. Проблема в тому, що машина прискорила «виявлення» у сотні разів, а людське «розуміння» не поспіло за цим.

Отже, справжнє питання полягає в тому, хто зробить читання, перевірку, пояснення, спрощення та засвоєння протягом кількох років або навіть десятиліть, коли машини почнуть масово виробляти знання з темпом «один великий результат на кілька днів»?

Підписова система перша зіткнулася зі стіною

У день публікації результатів Нав'є-Стокса математичне співтовариство вибухнуло.

Математики з НЮУ Трістан Бакмастер і Левент Альпёге, який працює в Anthropic, протягом усього серпня також досліджували відповідні рівняння рідини.

Згідно з відновленням «Нью-Йорк таймс», ці двоє працювали так:

Бакмайстер ставить питання, Алпёге передає його внутрішній моделі Anthropic; після генерації результату моделью обидва вдосконалюють питання на основі виводу та продовжують подавати дані назад.

За словами Бакмейстера, після цього OpenAI запропонувала кілька компенсаційних рішень: дозволити йому спочатку опублікувати свої результати, зробити його першим автором статті OpenAI та надати обчислювальні ресурси для продовження досліджень.

Але найбільшою перешкодою є те, що OpenAI не хоче, щоб Левент з’являвся у статті.

На дошці — хронологія прогресу Buckmaster та Alpöge за весь серпень: рівняння Ейлера — 15 серпня, формалізація Lean — 22 серпня, 31 серпня… а також імена колег, таких як Figalli та Hairer.

У бізнесі — бізнес: чому на внутрішній проект OpenAI, якому вкладено величезні кошти, має бути підписане ім’я співробітника конкурента Anthropic?

Після цього розмова перейшла до ще більш чутливого питання. Протягом останніх місяців Бакмейстер використовував Codex для збору математичних чернеток, згенерованих штучним інтелектом.

Тоді чи можливо, що його ексклюзивні наукові ідеї, які він ввів у Codex, але ще не опублікував, через таємну данівну трубопровідну систему стали поживою для моделей, що розробляються самим OpenAI?

Бакмайстер сам визнав, що немає доказів, але, на його думку, хронологія подій і шлях доказів OpenAI вказують на це.

OpenAI у 10 вересня опублікувала термінове оголошення про оновлення: після внутрішнього розслідування було встановлено, що підказки Buckmaster протягом останніх двох місяців абсолютно не могли вплинути на цю внутрішню модель ні через навчання, ні будь-який інший спосіб.

Хто прав, хто неправ — тут тимчасово стало незрозуміло, але справжньо виявився цілий набір питань, на які раніше ніхто серйозно не відповідав:

Чи вважаються приватні підказки особистої особи захищеними науковими матеріалами?

Чи можна вказати ім’я працівника конкурентної компанії як автора проекту з фінансуванням всередині компанії?

Як визначити межі між новим внеском і існуючими роботами, якщо модель зверталася до величезної кількості відкритих джерел?

Пітер Сарнак з Інституту високих досліджень у Прінстоні сказав «Нью-Йорк Таймс»: «Про такі переговори я в житті нічого подібного не чув».

Академічні правила, що накопичувалися в математичному світі протягом кількох століть, ніколи не передбачали захисних бар’єрів для такої безумної швидкості виробництва машин.

25 лауреатів Філдсівської премії, про що вони справді хвилюються

Просто через день 25 лауреатів Філдсовської премії об'єдналися і опублікували потужне заявлення.

Теренс Тао, Петер Шольце, Джеймс Мейнорд, Марина Віязовська… Майже всі найкращі розуми у світі математики вийшли на сцену.

Це заявлення — не що-небудь на зразок «анти-ШІ маніфесту».

Насправді, Та Чжэсюань сам постійно активно намагається використовувати ШІ для допомоги у математичних дослідженнях.

Крім того, заявлено, що ШІ дійсно має потенціал прискорити справжнє розуміння математики.

Вони справді ненавидять прямо рівняти «розв’язання задач» з математикою: у теперішньому палкому світі ШІ компанії ШІ, прагнучи до зростання акцій та промоції, енергійно вважають «розв’язання відомих задач» найвищою метою оптимізації.

У їхніх очах завдання тисячоліття здаються лише інструментом для демонстрації потужності моделі.

Але справжня цінність математики полягає в тому, що в процесі вирішення сухих задач виникають нові методи та концепції, які в кінцевому підсумку стають частиною спільної системи знань людства.

Зараз AI-компанії постійно публікують захоплюючі результати, настільки швидко, що ніхто не встигає їх опрацювати. Цей ланцюжок, що існує тисячі років, може перерватися в будь-який момент.

Лист-підтримка також зазначає, що результати були опубліковані занадто швидко, і ці відповіді не змогли чітко розрізнити, що є новими ідеями, а що базується на роботах попередників, що неодмінно призведе до серйозної плутанини у вказанні авторства та походження.

Звичайним людям справді не цікаво, що «ШІ перевершив математиків».

Швидкість, з якою машини створюють знання, вперше перевищила швидкість, з якою люди підтверджують, приписують та сприймають знання.

Це не просто слова, система GPT-6 Astra чітко зазначає, що це перша модель від OpenAI, яка досягла «Critical» порогу кібербезпеки, отримавши 100% на ExploitBench.

Організаційна здатність вирішити проблему тисячоліття, здатність атакувати нульові вразливості та складніші для розуміння міркування — усі три речі одночасно присутні в одній моделі.

У останньому абзаці оголошення OpenAI про Нав’є-Стокса ще було одне речення:

Далі вони спочатку мають повністю зрозуміти цю нову модель, а потім вирішити, наскільки швидко рухатися вперед, можливо, доведеться зробити більш обережний вибір щодо швидкості прогресу.

Так, компанія з ШІ, що щойно подала розв’язання проблеми тисячоліття, сама заговорила про зниження швидкості.

Коен також згадав про одну річ у кінці колонки.

Минулого місяця OpenAI запросила групу провідних математиків на закриту зустріч у офісі у Сан-Франциско, припустивши, що ШІ колись перевершить людину в математиці, а потім обговорила, як вирішувати питання освіти, наукової співпраці, публікації статей та підготовки наступного покоління математиків.

Говорив цілий день, але відповіді не було.

Цю задачу також неможливо упакувати і передати Lean для автоматичної перевірки.

Це може розшифрувати лише людина.

Джерела:

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/

Цей матеріал з іншого веб-сайту «XinZhiYuan», автор: ASI Apokalypsis