ChatGPT за час доказал математическую гипотезу 50-летней давности

18.07.2026 18:38

OpenAI задействовала новую языковую модель для решения математической задачи. По словам самой нейросети, она распределила работу между 64 виртуальными ассистентами и попросила их максимально долго искать ответ, прежде чем выдать решение или признать его невозможность.

За час нейросеть справилась с задачей, над которой математики работали более 50 лет. OpenAI заявила, что их новая модель GPT смогла доказать гипотезу о двойном покрытии циклов. Эта гипотеза была предложена в 1970-х годах и относится к теории графов — разделу дискретной математики. Для ее решения генеративная модель запустила десятки параллельных AI-ассистентов, которые обрабатывали разные типы алгоритмов.

Пока представленные доказательства проходят проверку профессиональными математиками, специалисты уже называют это серьезным прорывом. Подробности приводит научно-популярный журнал Scientific American. Это широко известная гипотеза, над которой многие годы работали тысячи математиков по всему миру. Решение, предложенное нейросетью, оказалось довольно коротким. По мнению Ноги Алон, математика из Принстонского университета, «инструменты искусственного интеллекта изменят — а точнее, уже меняют — математические исследования. На самом деле ИИ не придумал нового способа решения — он лишь объединил уже известные людям методы и смог добиться из них чуть большего результата. «Я уверен, что нейросети и дальше будут находить и распутывать “простые” научные загадки, которые лишь кажутся сложными, и успешно их решать. Всё потому, что как только задачу начинают считать “сложной”, студенты и преподаватели уделяют ей меньше внимания», — говорит Эндрю Сазерленд, математик из Массачусетского технологического института. Кстати, OpenAI также любезно опубликовала инструкцию, которая помогла успешно доказать эту гипотезу.

Нейросеть пояснила, что распределила задачи между 64 виртуальными ассистентами и попросила их как можно дольше не торопиться с ответом или отказом. Эксперты уже оценили этот подход, сравнив его со школьным учителем, который одновременно использует и похвалу, и строгие инструкции.

Недавно у искусственного интеллекта обнаружили и слабую сторону: он плохо справляется с прогнозированием экстремальной погоды. В ходе эксперимента ведущие ИИ-модели сравнили с одной из лучших в мире физически обоснованных систем прогнозирования. Последняя опиралась на законы физики, поэтому могла предсказывать необычные ситуации, например резкие перепады температуры. Генеративные модели, напротив, обучались на исторических данных и не учитывали возможность внезапной смены погоды.

Источник и фото: BFM.ru