Почему ИИ OpenAI решает задачи Эрдёша и что это значит для математики

Модели искусственного интеллекта OpenAI нашли контрпример к знаменитой гипотезе Эрдёша о единичном расстоянии и решили ещё несколько задач, поставленных венгерским математиком. Разбираемся, почему именно задачи Эрдёша оказались подвластны ИИ и как это изменит математическую науку.

20 мая 2026 года компания OpenAI сделала заявление, которое потрясло математический мир. Внутренняя модель ИИ, недоступная для широкой публики, нашла контрпример к задаче «единичного расстояния» — гипотезе, выдвинутой в 1946 году Полом Эрдёшем, плодовитым венгерским математиком, который всю жизнь переезжал с места на место. Это стало первым исторически значимым доказательством, полученным с помощью искусственного интеллекта, и открыло новую главу в использовании ИИ в фундаментальной математике.

Эрдёш сформулировал тысячи вопросов, но эта задача была особенной: её просто объяснить, но она отличается большой математической глубиной. Хотя модель выдала не окончательный результат — математики-люди существенно усовершенствовали его в течение нескольких недель, — он был новаторским, поскольку использовал идеи из отдалённой области математики, которые ранее никто не применял к этой задаче. Влияние оказалось огромным: уже через несколько дней аналогичные методы использовались для решения других важных задач. А 1 августа того же года OpenAI объявила, что ещё не выпущенная модель под названием Astra добилась десяти дополнительных математических прорывов, включая решения ещё трёх задач Эрдёша.

Почему задачи Эрдёша поддаются искусственному интеллекту

Пол Эрдёш — одна из самых ярких фигур в математике XX века. Он опубликовал более 1500 статей и сформулировал огромное количество задач, многие из которых касаются комбинаторики, теории графов и дискретной геометрии. Эти задачи часто формулируются просто, но требуют глубоких и нестандартных идей для решения. Именно эта особенность делает их идеальной площадкой для испытания возможностей ИИ.

Многие математики оценили достижения OpenAI как фазовый переход в математических возможностях моделей ИИ. Нога Алон из Принстонского университета, которая за свою многолетнюю карьеру решила десятки задач Эрдёша, отметила, что такие модели «радикально меняют подход к проведению математических исследований». Секрет успеха, по-видимому, кроется в том, что задачи Эрдёша имеют чёткие критерии проверки: контрпример или доказательство можно легко проверить, а сами задачи часто допускают использование методов из разных областей математики, что ИИ может комбинировать нестандартно.

Как ИИ нашёл контрпример к задаче о единичном расстоянии

Задача о единичном расстоянии, поставленная Эрдёшем в 1946 году, звучит просто: какое максимальное число пар точек на плоскости можно разместить так, чтобы расстояние между каждой парой было равно ровно единице? Эрдёш предположил, что число таких пар растёт не быстрее, чем некоторая степень количества точек, но точная оценка оставалась открытой почти 80 лет.

Внутренняя модель OpenAI, название которой не раскрывается, использовала подход, основанный на комбинаторной геометрии и алгебраических методах из теории графов. ИИ сгенерировал контрпример, который показал, что исходная гипотеза в её первоначальной формулировке неверна. Однако сразу после этого математики-люди взялись за доработку результата: они улучшили конструкцию и вывели более точные границы. Сам факт того, что ИИ предложил принципиально новую идею, соединив разрозненные концепции, стал сенсацией.

Что это значит для будущего математики

Для профессиональных математиков это событие означает, что ИИ становится не просто инструментом для проверки гипотез, а полноценным партнёром в исследованиях. Уже сейчас аналогичные методы применяются к другим нерешённым задачам, и, по словам исследователей, темпы открытий могут значительно ускориться. Однако есть и скептики, которые указывают на то, что ИИ пока не способен объяснить свои рассуждения так, чтобы это было полезно для построения теорий.

Для разработчиков и исследователей в области машинного обучения это подтверждает, что большие языковые модели, обученные на математических текстах, могут находить неочевидные закономерности. OpenAI уже анонсировала, что Astra будет доступна в следующем году, и её математические способности станут частью публичных продуктов. Это открывает путь к тому, что вскоре любой математик сможет использовать ИИ для генерации идей, а не только для рутинных вычислений.

Кого затронет и как

Прежде всего, это затронет академическое сообщество: математикам придётся адаптироваться к новому инструменту, который может генерировать гипотезы и контрпримеры быстрее, чем человек. Это не заменит их, но изменит распределение ролей: ИИ будет брать на себя перебор вариантов и поиск аналогий, а человек — интерпретацию и построение теорий.

В России и странах СНГ, где сильны математические школы, это также вызовет интерес: уже сейчас ведущие вузы и исследовательские центры следят за разработками OpenAI. Однако доступ к таким моделям может быть ограничен, что создаёт риск технологического разрыва. Для бизнеса это означает новые возможности в области оптимизации, логистики и анализа данных, где математические задачи возникают постоянно.

Что будет дальше

OpenAI планирует выпустить Astra для широкой публики в 2027 году, и, судя по утечкам, её математические возможности будут интегрированы в API, что позволит сторонним разработчикам создавать приложения для научных расчётов. Ожидается, что в ближайшие годы ИИ сможет решать не только задачи Эрдёша, но и другие открытые проблемы, например, в теории чисел или топологии.

Эксперты прогнозируют, что через пять-десять лет ИИ станет стандартным инструментом в каждой математической лаборатории, подобно тому как сегодня используются компьютерные алгебры. Однако остаётся открытым вопрос о том, сможет ли ИИ генерировать принципиально новые математические концепции, а не только комбинировать существующие.

Итог

Победа ИИ над задачами Эрдёша — это не просто очередной рекорд, а сигнал о том, что математика вступает в новую эру, где человек и машина работают в тандеме. Для читателей, следящих за развитием технологий, это повод внимательнее присмотреться к тому, как ИИ меняет науку. Возможно, следующее великое математическое открытие будет сделано именно благодаря алгоритму, и это изменит наше представление о творчестве и интеллекте.