OpenAI заявила, что её внутренняя модель без специального обучения математике нашла решение классической задачи Пола Эрдёша 1946 года. Независимые математики подтвердили корректность и объяснили, почему это событие важно для будущих исследований.
OpenAI сообщила о необычном достижении: внутренняя модель компании самостоятельно нашла решение математической задачи, которую сформулировали ещё в 1946 году — и которая десятилетиями оставалась заметной «точкой притяжения» для исследователей.
Что это за задача и почему она важна
Речь о задаче Пола Эрдёша о плоских единичных расстояниях. Формулировка выглядит почти по‑школьному: если расставить на плоскости n точек, сколько пар точек может оказаться на расстоянии ровно 1?
Интерес здесь не в «конкретных точках», а в том, как растёт максимум таких пар по мере увеличения n. Эрдёш предполагал, что это число увеличивается чуть быстрее, чем количество точек. Такие вопросы обычно быстро упираются в тонкие ограничения геометрии и комбинаторики — поэтому задача и оказалась долгожителем.
Где «упёрлись» люди
По данным, приведённым в материале, наиболее точный верхний предел, полученный человеком для этой задачи, был зафиксирован в 1984 году. С тех пор задача оставалась открытой: появлялись улучшения, частные результаты и новые идеи, но «финального шага» не происходило.
Что именно заявила OpenAI
Компания утверждает, что её модель универсального рассуждения (то есть не специализированная под одну задачу) нашла решение автономно. При этом подчёркивается важная деталь: модель не обучали специально решать именно эту задачу и она не проходила отдельного обучения математике.
Суть результата, как его подаёт OpenAI: найден подход, который выходит за рамки привычной «рабочей теории», связанной с задачей единичного расстояния, и приводит к конфигурации точек, превосходящей предел, который связывали с гипотезой Эрдёша.
Проверка независимыми математиками: без неё это было бы просто громким заявлением
Чтобы претензия на «решение» не осталась рекламной формулировкой, OpenAI предложила независимым математикам проверить доказательство. По итогам появилась сопроводительная работа, где эксперты разобрали контекст и пояснили, как устроено полученное решение.
Важно, что в процессе человеческое участие не исчезло: исходное доказательство, полученное от модели, было улучшено и доведено до более «читабельного» и удобного для обсуждения вида — за счёт работы исследователей OpenAI и приглашённых математиков. В публикации также упоминается, что реакция академического сообщества в целом оказалась позитивной, включая высокую оценку качества результата.
Почему эта история важна не только для математиков
- Это сигнал про зрелость рассуждения, а не про «очередной чат-бот». Если модель способна найти неожиданные связи между областями, это меняет ожидания от ИИ в научной работе.
- Появляется новый формат сотрудничества. ИИ может предлагать нестандартные ходы, а люди — проверять, интерпретировать и превращать результат в понятный язык доказательств.
- Роль проверки становится критической. Даже если модель «попала в точку», без независимой валидации и обсуждения такие открытия не становятся частью науки.
OpenAI отдельно подчёркивает, что цель подобных систем — усиливать исследователей, а не вытеснять их. На практике этот кейс как раз показывает, почему полностью «выключить человека» пока не получается: математика — это не только правильность, но и объяснимость, связь с предыдущими результатами и понимание последствий.
