Представьте задачу, над которой лучшие математики мира ломают голову почти сто лет.
За её решение обещан миллион долларов.
Человек может посвятить ей всю карьеру и не продвинуться достаточно далеко, чтобы это заметили за пределами узкого круга специалистов.
А потом компания запускает около десяти тысяч ИИ-агентов.
Через 88 часов они приносят доказательство.
Примерно это и произошло в начале сентября с задачей Навье—Стокса — одной из семи знаменитых «задач тысячелетия».
OpenAI заявила, что её экспериментальная система нашла решение. Затем доказательство формализовали на языке Lean, где математические выкладки может проверять компьютер. Через несколько дней Clay Mathematics Institute — организация, которая и учредила знаменитую премию, — осторожно сообщила: задача, похоже, действительно решена.
Казалось бы, исторический момент.
Можно открывать шампанское, писать очередную статью о невероятных возможностях ИИ и начинать гадать, какую следующую вековую проблему он прикончит к пятнице.
Но математическое сообщество довольно быстро заинтересовал другой вопрос.
А кто, собственно, совершил это открытие?
Для начала: что вообще решил ИИ
Уравнения Навье—Стокса описывают движение жидкостей и газов.
Вода вокруг корпуса корабля.
Воздух вокруг крыла самолёта.
Кровь в сосудах.
Атмосферные потоки.
Турбулентность.
Сами уравнения известны ещё с XIX века и прекрасно используются в инженерии.
Проблема начинается, если задать довольно простой на вид вопрос:
а гарантировано ли, что математическое решение всегда останется нормальным?
Допустим, у нас есть совершенно гладкое, обычное движение жидкости.
Может ли оно в какой-то момент само привести к математической сингулярности — условной точке, где скорость стремится к бесконечности?
Для реальной воды бесконечная скорость, разумеется, невозможна.
Но если такое способно происходить внутри самих уравнений, значит в определённых условиях наша красивая математическая модель перестаёт работать.
Вот это почти сто лет никто и не мог доказать.
В 2000 году Clay Mathematics Institute включил проблему существования и гладкости решений Навье—Стокса в список семи задач тысячелетия.
За решение каждой — миллион долларов.
Из семи до сентября 2026 года решена была только одна.
ИИ выбрал вариант «сломается»
У задачи есть несколько допустимых способов решения.
Можно доказать, что гладкие решения существуют всегда.
А можно построить строгое математическое доказательство обратного: показать допустимые условия, при которых система в конечное время приходит к сингулярности.
Система OpenAI пошла вторым путём.
Она построила решение, начинающееся с жидкости в состоянии покоя, к которой прикладывается гладкая внешняя сила.
Затем внутри потока формируется всё более тонкий и быстрый вихрь.
Он закручивается, вытягивается, концентрируется на всё меньшем масштабе — и в конечном итоге скорость математически уходит в бесконечность.
При этом авторы не подсовывают уравнению какую-нибудь бесконечную внешнюю силу, чтобы искусственно сломать систему.
Воздействие остаётся гладким.
Общая энергия остаётся конечной.
Сингулярность рождается из самой динамики жидкости.
Именно такой вариант был предусмотрен в официальной постановке задачи Clay ещё четверть века назад.
Если доказательство выдержит полную проверку, этого достаточно.
Самое безумное здесь даже не доказательство
OpenAI не посадила одну нейросеть перед задачей со словами:
«Ну-ка, подумай хорошенько».
Компания устроила настоящий математический промышленный комбинат.
Тысячи ИИ-агентов получили разные варианты задачи и разные направления поиска.
Они генерировали идеи.
Проверяли подходы.
Отбрасывали тупики.
Обменивались полезными находками.
Одни группы работали независимо от других, а затем их лучшие идеи объединялись.
В какой-то момент система сначала решила родственную задачу для уравнений Эйлера — похожей модели жидкости без вязкости.
Этот результат передали другим агентам.
И уже на его основе атака на Навье—Стокса стала намного более направленной.
По данным OpenAI, на решение непосредственно задачи Навье—Стокса ушло около 88 часов.
Агенты обменялись примерно 2,7 миллиона сообщений и сгенерировали порядка 130 миллиардов выходных токенов.
После этого ещё около 17 часов потребовалось на формальную проверку.
Так выглядит математик будущего.
Только вместо кофе, доски и карандаша у него десять тысяч копий себя и счёт за вычисления на миллионы долларов.
А теперь появляется настоящий математик
Его зовут Тристан Бакмастер.
Профессор Нью-Йоркского университета, специалист именно по дифференциальным уравнениям и тем проблемам, которые окружают Навье—Стокса.
Вместе с математиком Левентом Алпёге он тоже работал в этом направлении.
Причём они активно использовали ИИ.
Claude.
Инструменты OpenAI.
Разные модели помогали исследовать идеи, проверять конструкции и искать пути доказательства.
И незадолго до объявления OpenAI эта пара получила серьёзный результат для родственных уравнений Эйлера.
А дальше начинается сюжет, после которого вопрос «ИИ помогает учёным» внезапно становится гораздо сложнее.
OpenAI начала атаку после слуха
Компания сама рассказывает, что 1 сентября услышала слух: якобы кто-то решил сразу две задачи тысячелетия.
Позже выяснилось, что слух был связан как раз с работой Алпёге и Бакмастера.
OpenAI решила проверить возможности своей новой внутренней модели и запустила агентов на все оставшиеся задачи тысячелетия.
Потом агенты нашли перспективное направление в уравнениях Эйлера.
Ресурсы стали перебрасывать на Навье—Стокса.
Через несколько дней появился результат.
А Бакмастер тем временем задал очень неприятный вопрос.
Он долго пользовался инструментами OpenAI во время собственной работы.
Могли ли идеи из его диалогов каким-либо образом помочь системе, которая затем обогнала его на той же научной территории?
Это уже не обычная история:
«Два математика независимо решали одну задачу, и один оказался быстрее».
Один из участников гонки одновременно пользуется машиной другого участника.
OpenAI говорит: нет, ваши разговоры сюда не попали
Компания провела внутреннюю проверку и категорически отрицает, что рабочие диалоги Бакмастера использовались при получении доказательства.
По версии OpenAI, система не имела доступа к его конкретным материалам.
Компания также заявила, что сообщения за критический период не могли повлиять на использованную модель через обучение.
Более того, результаты различаются.
Бакмастер и Алпёге получили доказательство для одной версии уравнений Эйлера с внешним воздействием.
Система OpenAI — для другой, без внешней силы.
Доказательство Навье—Стокса тоже было построено собственной системой компании.
Никаких опубликованных доказательств обратного сейчас нет.
То есть утверждать, что OpenAI «украла решение», оснований нет.
Но проблема от этого никуда не исчезает.
Потому что вопрос гораздо шире одного конкретного чата.
Из чего вообще состоит интеллект математического ИИ
Большая модель не родилась в пустоте.
До того как начать решать задачу Навье—Стокса, она уже впитала огромное количество созданной людьми математики.
Учебники.
Статьи.
Доказательства.
Методы.
Примеры.
Код.
Обсуждения.
Результаты нескольких поколений исследователей.
Даже совершенно новое доказательство возникает не из ничего.
ИИ комбинирует математический язык и инструменты, которые человечество создавало веками.
Впрочем, ровно то же самое делает и человек.
Ни один математик не начинает карьеру с самостоятельного изобретения арифметики.
Он читает Евклида, Ньютона, Эйлера, Гаусса, работы современников. Учится на чужих доказательствах. Обсуждает идеи с коллегами. Пользуется теоремами людей, умерших двести лет назад.
И затем из всего этого строит что-то своё.
Но между человеком и ИИ есть одна существенная разница.
У человеческой науки давно существует культура атрибуции.
Математика помнит, откуда пришла идея
Если коллега подсказал ключевой ход, его упомянут.
Если доказательство использует чужую теорему, на неё сошлются.
Если две группы независимо пришли к результату почти одновременно, математическое сообщество будет годами разбирать приоритет.
Для науки вопрос «кто это придумал?» почти так же важен, как «правильно ли это?».
У ИИ такого механизма практически нет.
Модель может выдать идею и сама не знать, где впервые её увидела.
Она не приложит сноску:
«На эту мысль меня натолкнул абзац из статьи 1987 года».
И тем более:
«Похожую конструкцию пользователь обсуждал со мной четыре месяца назад».
Получается принципиально новая ситуация.
Мы создаём инструмент, который способен переработать огромный массив человеческого знания и выдать новое открытие.
А восстановить интеллектуальную родословную этого открытия становится почти невозможно.
И кому тогда давать миллион?
OpenAI уже заявила, что сама не собирается претендовать на премию Clay.
Но вопрос всё равно замечательный.
Предположим, доказательство окончательно признано.
Кому принадлежит решение?
Инженерам, которые создали модель?
Математикам OpenAI, сформулировавшим эксперимент?
Людям, управлявшим десятью тысячами агентов?
Самой модели?
Авторам всех работ, на которых выросли используемые методы?
Математикам, чьи свежие результаты подстегнули компанию начать атаку?
Или самой OpenAI как организации?
Наши правила научного авторства создавались для мира, где идеи производят люди.
ИИ начинает ломать эту модель быстрее, чем университеты успевают переписать положение о публикациях.
Но есть проблема ещё интереснее авторства
Представим, что завтра ИИ решит сразу десять великих математических задач.
Потом сто.
Потом тысячу.
Это будет величайший период в истории математики?
Не факт.
Потому что математику интересует не только конечная галочка:
доказано.
Ценность великого доказательства часто заключается в инструментах, которые пришлось придумать по дороге.
Когда Эндрю Уайлс доказывал Великую теорему Ферма, человечество получило не просто ответ на задачу, сформулированную в XVII веке.
Работа опиралась на огромные пласты современной математики и развивала связи между совершенно разными её областями.
Путь иногда оказывается важнее финиша.
А что произойдёт, если ИИ начнёт производить 160-страничные доказательства быстрее, чем люди успевают их читать?
Мы будем знать, что теорема верна.
Но будем ли мы понимать почему?
Доказательство, которое никто не успел понять
Формальная система вроде Lean способна проверить огромное количество логических шагов.
Если каждый шаг корректен, доказательство корректно.
Для надёжности это прекрасно.
Но компьютерная проверка отвечает на один вопрос:
нет ли логической ошибки?
Она не отвечает на другой:
понял ли человек новую идею?
Можно представить математическое будущее, в котором машины ежедневно доказывают тысячи новых утверждений.
Доказательства формально правильны.
Базы теорем растут с невероятной скоростью.
Машины используют предыдущие машинные результаты для следующих доказательств.
А человеческая математика отстаёт на годы.
Получается библиотека, в которой всё правда, но почти никто не понимает, что там написано.
Для науки это очень странная победа.
Поэтому Навье—Стокс может оказаться важнее своего решения
До сих пор математический ИИ чаще воспринимали как очень сильного помощника.
Проверить вычисления.
Найти литературу.
Предложить гипотезу.
Написать код.
Помочь формализовать доказательство.
Теперь появился другой масштаб.
Десять тысяч агентов можно бросить на одну проблему и за несколько суток перебрать такое количество интеллектуальных маршрутов, на которое человеческому сообществу потребовались бы годы.
У отдельного профессора нет десяти тысяч копий самого себя.
Нет возможности потратить миллионы долларов на четырёхдневный математический штурм.
У крупнейших AI-компаний — есть.
И наука внезапно получает нового игрока, возможности которого определяются уже не только талантом исследователя.
Но ещё вычислительным бюджетом.
Кажется, мы получили новый вид научной гонки
XX век подарил большую науку.
Ускорители частиц.
Космические программы.
Гигантские телескопы.
Проекты, которые отдельный университет физически не способен построить.
Чистая математика долго оставалась удивительным исключением.
Чтобы сделать великое открытие, иногда действительно хватало человека, доски и очень хорошей головы.
Возможно, это время заканчивается.
Если миллион долларов вычислений и армия ИИ-агентов способны за четыре дня сделать то, на что отдельный математик может потратить жизнь, то перед нами появляется Big Math.
Большая математика.
С вычислительными центрами.
Корпоративными лабораториями.
Гонкой бюджетов.
И собственными вопросами о том, кому принадлежит произведённое внутри них знание.
И поэтому история Навье—Стокса на самом деле не про то, что «ИИ наконец стал очень умным».
Это мы уже поняли.
Гораздо интереснее другое.
Впервые машина вошла в область, где человечество веками очень тщательно отвечало на вопрос:
кто сделал открытие?
И обнаружилось, что для нового участника у нас пока даже нет нормальной строки в графе «автор».
