ИИ от OpenAI опроверг математическую гипотезу, мучившую учёных 80 лет

Когда машина делает то, что люди не смогли за восемь десятилетий

Есть новости, которые читаешь и думаешь: «ну, очередной маркетинговый залп». А потом открываешь реакцию лауреата Филдсовской премии — самой престижной награды в математике — и понимаешь, что на этот раз всё иначе. В мае 2026 года OpenAI объявила, что её внутренняя модель опровергла гипотезу Эрдёша о единичных расстояниях — задачу из дискретной геометрии, которая оставалась открытой с 1946 года.

Тим Гауэрс, получивший Филдсовскую медаль, написал прямо: решение этой задачи — «веха в математике ИИ». Это не дежурный комплимент. Гауэрс не раздаёт такие оценки направо и налево.

Что за задача и почему она важна

Пол Эрдёш — один из самых плодовитых математиков в истории, автор более 1500 научных работ. Его особый дар состоял в умении формулировать задачи, которые звучат просто, но уходят корнями в самую глубь математики.

Гипотеза о единичных расстояниях — из этой серии. Представьте набор точек на плоскости. Между каждой парой точек можно измерить расстояние. Вопрос: при данном количестве точек, сколько пар могут находиться ровно на расстоянии 1 единица друг от друга? Для малого числа точек это можно посчитать вручную — оптимальные конфигурации известны вплоть до 21 точки. Дальше — туман.

Почти 80 лет математики считали, что наилучшие конфигурации выглядят примерно как квадратные решётки. Модель OpenAI это опровергла: она обнаружила принципиально новое семейство конструкций, которое даёт лучший результат. Иными словами, интуиция нескольких поколений учёных оказалась ошибочной.

Осторожно: OpenAI уже ошибалась раньше

Прежде чем переходить к восторгам, нужно вспомнить контекст. Семь месяцев назад бывший вице-президент OpenAI Кевин Вейл торжественно объявил в X, что GPT-5 решил 10 нерешённых задач Эрдёша и продвинулся ещё в 11. Это была катастрофа: выяснилось, что модель просто нашла уже существующие решения в литературе, не создав ничего нового. Янн ЛеКун и Демис Хассабис не преминули поиздеваться, Вейл удалил пост.

Тот же Томас Блум, ведущий сайт Erdos Problems и назвавший тот пост «грубым искажением реальности», на этот раз поддержал результат. Среди других рецензентов — профессора Нога Алон и Мелани Вуд. Это не пиар-поддержка, а содержательная верификация.

Даниэль Литт из Университета Торонто сформулировал точнее всего: это «первый пример результата, автономно полученного ИИ, который интересен сам по себе, а не только как индикатор прогресса».

Как именно это было сделано

Важная деталь, которую легко упустить: речь идёт не о специализированной математической системе, заточенной под эту конкретную задачу. OpenAI использовала новую модель общего назначения для рассуждений. Это меняет масштаб вывода — если система справляется с такой задачей «попутно», значит, уровень связного логического мышления вырос качественно.

Модель применила существующие идеи из нескольких подобластей математики и собрала из них полное доказательство. Принципиально новых техник она не изобрела — но это не умаляет результата. Найти правильную комбинацию инструментов там, где люди за 80 лет не нашли, само по себе нетривиально.

После публикации человеческие математики доработали и расширили полученное доказательство. Это показательная модель взаимодействия: ИИ прокладывает маршрут, люди достраивают дорогу.

Что это означает на практике

Я наблюдаю за прогрессом ИИ в математике уже несколько лет, и траектория впечатляет своей крутизной. Три года назад большие языковые модели с трудом справлялись с арифметикой. Год назад они начали уверенно проходить олимпиады по математике школьного уровня. Сейчас — опровержение 80-летней открытой гипотезы.

При этом до недавнего времени ИИ мог лишь помогать в «стеснённых условиях»: генерировать идеи, которые потом требовали значительной человеческой интерпретации, прежде чем превратиться в публикуемый результат. Нынешний случай — качественный шаг вперёд: полное автономное доказательство, требующее лишь «чистки» со стороны людей, а не переосмысления.

OpenAI прямо говорит о последствиях за пределами математики: биология, физика, инженерия, медицина. Если модель умеет удерживать длинные цепочки рассуждений и соединять идеи из разных областей, это применимо к любой сложной научной проблеме.

Человек против машины: пока ничья, но счёт меняется

Честный взгляд на ситуацию таков: у ИИ есть два очевидных преимущества перед человеком-математиком. Первое — энциклопедическое знание всей опубликованной литературы, которое ни один человек физически не способен охватить. Второе — готовность перебирать тысячи неперспективных стратегий доказательства без усталости и разочарования.

Человек пока выигрывает в другом: в глубине погружения в одну конкретную проблему и в умении задавать по-настоящему интересные вопросы. Математика — это не только решение задач, но и выбор правильных задач для решения.

Но этот баланс сил нестабилен. Темп улучшения слишком высок, чтобы уверенно прогнозировать роль людей в математике через десять лет. Блум сформулировал это поэтично: «ИИ помогает нам полнее исследовать собор математики, который мы строили веками. Какие ещё невидимые чудеса ждут за кулисами?»

Я бы добавил более прагматичный вопрос: сколько других «неразрешимых» задач в науке на самом деле разрешимы — просто никто ещё не перебрал нужную комбинацию существующих идей? Судя по тому, что мы видим, ответ может оказаться неожиданным.

Информация подтверждена несколькими независимыми публикациями, включая реакции математиков, получивших ранний доступ к результатам.