Агенты OpenAI за 88 часов выдали доказательство для задачи тысячелетия — математики сомневаются
Представьте: ИИ за пару дней выдал огромный модуль кода, а вы не понимаете, почему он работает. Так сейчас в математике: OpenAI бросила тысячи агентов на уравнение Навье — Стокса, одну из семи задач тысячелетия, и через 88 часов получила доказательство. Профессор Хопкинс из Гарварда назвал такие статьи «бессмыслицей», а участники панели в MIT говорят: ценнее уметь проверить и объяснить результат. Командам с агентами стоит закладывать время на проверку.
AI-обработка оригинала MIT News; редакция Hamidun News
Представьте, что ИИ-агент за выходные написал вам огромный модуль, тесты проходят, а объяснить, почему он работает, никто в команде не может. Примерно в такой ситуации сейчас оказалась математика. В MIT прошла панель «ИИ и общество: будущее математики», на которой профессора из MIT, Гарварда, Northwestern и Нью-Йоркского университета обсуждали, что делать, когда машины решают задачи быстрее людей, но не всегда понятно как. Для разработчиков и основателей это не чужая история: те же вопросы про проверку и доверие к результатам ИИ скоро встанут перед каждой командой, которая отдаёт агентам серьёзную работу.
Что случилось: от олимпиады до задачи тысячелетия
Ещё недавно ИИ решал задачи, ответ на которые уже известен. Летом 2025 года модели Google DeepMind получили золото на Международной математической олимпиаде: они быстро справились с большинством задач, которые давали лучшим школьникам мира. Потом выяснилось, что иногда модели находят решения чуть лучше человеческих. В 2026 году, по словам участников, случился скачок: ИИ начал решать открытые исследовательские вопросы, на которые не было известного ответа. Брина Кра из Northwestern сказала: «Математика изменилась за последние два месяца сильнее, чем за последние сто лет».
В сентябре OpenAI направила тысячи своих агентов на одну задачу, связанную с уравнением Навье — Стокса. Оно описывает течение жидкостей и газов и входит в число семи «задач тысячелетия». Через 88 часов агенты выдали доказательство. Совпало это неудачно для Тристана Бакмастера, одного из участников панели: после года работы он вместе с коллегой из Anthropic был близок к решению. Началась дискуссия: корректно ли распределены заслуги, не утекли ли данные математиков, как агенты пришли к выводу и есть ли в нём смысл. Через месяц OpenAI выложила 722 рукописи по разным разделам математики, где утверждалось, что ИИ полностью решил многие крупные нерешённые задачи. За этим закрепилось название «матокалипсис».
Доказательство есть, понимания нет
Главное возражение: получить доказательство и понять его — разные вещи. Майкл Хопкинс из Гарварда заявил, что «сами статьи — бессмыслица» со «странными идеями», и добавил, что всё ещё есть разница между математикой ИИ и человеческой математикой. Бакмастер согласился: чтобы математика была важной, за ней должно стоять человеческое понимание.
Это похоже на код-ревью. Агент выдал патч на десять тысяч строк, он компилируется, но если никто не может объяснить логику, вы получили не решение, а долг. Математики оказались в той же точке раньше остальных.
Кра предлагает отказаться от гонки за приоритетом, то есть от престижа «первым доказал»: скорость больше не должна быть целью, а понимание нужно оценивать иначе. Хопкинс возразил, что люди всё равно захотят быть первопроходцами. Кра ответила, что первопроходцем можно стать и в объяснении того, как доказательство появилось. Она помогала готовить Лейденскую декларацию об ИИ и математике, под которой подписались математики из разных стран. Документ призывает реагировать на риски ИИ для математических исследований.
Журналы, найм и студенты уже меняются
Последствия видны в конкретных процессах. В специализированный журнал, где Кра работает managing editor, резко выросло число статей с результатами, полученными с помощью ИИ, и редакции пришлось нанять ещё одного managing editor. В ответ на поток ИИ-«шлака» часть изданий больше ценит экспозицию: раздел статьи, где объясняется логика гипотезы или доказательства. Появляются экспериментальные журналы, которые публикуют именно человеческий вклад, например новые объяснения старых результатов. Один из них — видеожурнал Mathematical Discourse с записями докладов.
Меняется и найм. По словам Кры, интервью становится важнее: мало показать написанные идеи, нужно доказать, что вы их понимаете и можете объяснить другому человеку. Якопо Борга из MIT напомнил, что около 90% оценки математиков держится на журналах, и предложил придумать новую метрику.
Студентам сложнее всех: основы приходится учить среди множества ИИ-шорткатов. В группе Хопкинса есть «ИИ-веганы», которые вообще не используют ИИ, и те, кто использует. Он выделил студента с хорошей интуицией, но слабым исполнением, который умеет подсказками вытягивать из ИИ интересные идеи. Возможно, это «новый тип математика».
Что взять из этого практику
Оговорка: это мнения участников одной панели, а не независимая проверка работ OpenAI, и спор о корректности 722 рукописей продолжается. Но вывод применим шире математики. Когда получить результат становится дёшево, дорожают проверка, объяснение и ответственность. Если вы отдаёте агентам крупные задачи, заранее решите, кто и как будет читать и проверять их результат. Закладывайте на это время и требуйте от агента не только ответ, но и понятное изложение хода рассуждений. Борга сформулировал оптимистичнее: «Замок рушится, но открывается пространство для исследования».
- 21 нояб. 2026 г.Apple готовит ИИ-агента и усложнила доступ чужим: разрешение теперь в 14 шагов, а не в 4
- 21 нояб. 2026 г.Разработчик обошёлся без Pinecone: поиск по 72 450 фрагментам кода за 50 мс
- 21 нояб. 2026 г.Gemini 4 Neon сжала бинарник TS Rust с 47,44 до 7,97 МБ меньше чем за 10 часов
- 21 нояб. 2026 г.Вакансий FDE за год стало в 4,6 раза больше: что делает инженер у заказчика
Вопросы и ответы по материалу
Что известно по теме: что случилось: от олимпиады до задачи тысячелетия?
Ещё недавно ИИ решал задачи, ответ на которые уже известен. Летом 2025 года модели Google DeepMind получили золото на Международной математической олимпиаде: они быстро справились с большинством задач, которые давали лучшим школьникам мира. Потом выяснилось, что иногда модели находят решения чуть лучше человеческих. В 2026 году, по словам участников, случился скачок: ИИ начал решать открытые исследовательские вопросы, на которые не было известного ответа.
Что известно по теме: доказательство есть, понимания нет?
Главное возражение: получить доказательство и понять его — разные вещи. Майкл Хопкинс из Гарварда заявил, что «сами статьи — бессмыслица» со «странными идеями», и добавил, что всё ещё есть разница между математикой ИИ и человеческой математикой. Бакмастер согласился: чтобы математика была важной, за ней должно стоять человеческое понимание. Это похоже на код-ревью. Агент выдал патч на десять тысяч строк, он компилируется, но если никто не может объяснить логику, вы получили не решение, а долг.
Что известно по теме: журналы, найм и студенты уже меняются?
Последствия видны в конкретных процессах. В специализированный журнал, где Кра работает managing editor, резко выросло число статей с результатами, полученными с помощью ИИ, и редакции пришлось нанять ещё одного managing editor. В ответ на поток ИИ-«шлака» часть изданий больше ценит экспозицию: раздел статьи, где объясняется логика гипотезы или доказательства. Появляются экспериментальные журналы, которые публикуют именно человеческий вклад, например новые объяснения старых результатов.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.