ИИ от OpenAI опроверг гипотезу, 80 лет не решавшуюся
Модель OpenAI опровергла знаменитую гипотезу Эрдёша о единичных расстояниях — задачу дискретной геометрии, не решавшуюся с 1946 года.
Задача, которая ждала решения 80 лет
20 мая 2026 года OpenAI объявила, что её внутренняя рассуждающая модель (reasoning model) самостоятельно опровергла важную нерешённую гипотезу в дискретной геометрии. Это первый случай, когда ИИ автономно решил известную открытую задачу, стоящую в центре целого математического направления, продемонстрировав новый уровень способностей к логическому рассуждению.
Что такое проблема единичных расстояний?
Planar unit distance problem (задача о единичных расстояниях на плоскости) — вопрос в комбинаторной геометрии, впервые поставленный венгерским математиком Полом Эрдёшем (Paul Erdős) в 1946 году. Он деceptively прост: дано n точек на плоскости — сколько пар из них можно расположить ровно на расстоянии 1 друг от друга?
В книге Research Problems in Discrete Geometry задача описана как «возможно, самая известная и простейшая для формулировки проблема в комбинаторной геометрии», хотя её трудность совсем не соответствует простоте формулировки — Эрдёш даже предложил денежный приз за её решение.
Представьте: вы рисуете точки на листе бумаги. Можно ли так расставить 10 точек, чтобы как можно больше пар оказались ровно в 1 сантиметре друг от друга? А 1000 точек? А миллион? Именно этот вопрос занимал умы математиков почти восемь десятилетий.
«Одна из любимых задач Эрдёша» — Нога Алон (Noga Alon), ведущий специалист по комбинаторике, Принстонский университет
Господствующее убеждение: квадратные сетки
Со времён оригинальной работы Эрдёша преобладало убеждение, что конструкции на основе «квадратной сетки» (square grid) являются оптимальными для максимизации числа пар единичных расстояний.
Сам Эрдёш предположил, что число таких пар может расти лишь немного быстрее линейного по мере добавления точек. Формально это записывалось как верхняя граница n^(1+o(1)), то есть рост почти линейный.
На протяжении десятилетий математики пытались доказать или опровергнуть эту гипотезу. В подтверждение гипотезы, Матоушек, Алон, Бучич и Зауэрман изучали задачу с неевклидовыми расстояниями на плоскости и доказали, что «большинство» из них выполняют гипотезу в определённом смысле.
Как ИИ опроверг гипотезу
Команда OpenAI передала условие гипотезы внутренней большой языковой модели (LLM), обученной на общее рассуждение, и задала простой вопрос: «Прав ли Эрдёш?» После генерации сотен страниц тщательной логики и вычислений модель превзошла его давний рекорд.
Вместо того чтобы перебирать известные сеточные конструкции, модель подошла к задаче через алгебраическую теорию чисел (algebraic number theory), связав её с продвинутыми математическими структурами — бесконечными башнями полей классов (infinite class field towers). Результатом стало бесконечное семейство конфигураций, превосходящих традиционно принятые оптимальные, что опровергло предположенную Эрдёшем верхнюю границу.
Ключевые ингредиенты конструкции пришли из совершенно другой области математики — алгебраической теории чисел, которая изучает понятия факторизации в расширениях целых чисел, известных как алгебраические числовые поля.
Что именно доказано?
Доказательство модели OpenAI демонстрирует конфигурации из n точек, дающие не менее n^(1+δ) пар единичных расстояний для некоторого фиксированного показателя δ > 0. Другими словами: для бесконечно многих значений n можно расставить n точек таким образом, что число пар единичных расстояний составит не менее n^1,014.
Доказательство занимает порядка 125 страниц и устанавливает бесконечное семейство плоских конфигураций с большим числом пар единичных расстояний, чем у традиционно считавшихся оптимальными.
graph TD
A["Гипотеза Эрдёша (1946)\nmax пар ≈ n^(1+o(1))"] --> B["80 лет: квадратные сетки\nсчитались оптимальными"]
B --> C["2026: OpenAI задаёт\nвопрос модели"]
C --> D["Модель применяет\nалгебраическую теорию чисел"]
D --> E["Найдено бесконечное семейство\nконфигураций — n^(1+δ) пар"]
E --> F["Гипотеза ОПРОВЕРГНУТА\nδ ≈ 0.014 (уточнил Уилл Сауин)"]
F --> G["Проверено внешними математиками:\nТим Гауэрс, Уилл Сауин"]
Верификация: математики проверили доказательство
Доказательство было проверено группой внешних математиков, которые также написали сопроводительную статью, объясняющую аргументацию и предоставляющую дополнительный контекст для оценки значимости результата.
Работу рецензировал Тим Гауэрс (Tim Gowers) — лауреат Филдсовской премии, а также Уилл Сауин (Will Sawin), математик из Принстона. Оба подтвердили корректность доказательства.
Доказательство было независимо верифицировано группой видных математиков, включая тех, кто публично критиковал более ранние, впоследствии опровергнутые заявления OpenAI о решении задач Эрдёша.
Один из математиков, знакомых с работой, назвал результат «выдающимся достижением, закрывающим давно открытую задачу».
Роль человека не исчезла
Один аспект этого доказательства нельзя упускать из виду: хотя исходное доказательство, созданное ИИ, было полностью корректным, оно было существенно улучшено исследователями OpenAI и многими другими математиками. Человек по-прежнему играет ключевую роль в обсуждении, усвоении и совершенствовании этого доказательства, а также в изучении его последствий.
Что это значит для будущего ИИ в науке
Чистая математика долгое время считалась областью, наиболее устойчивой к автоматизации с помощью ИИ, поскольку требует подлинной новизны, а не дополнения паттернов из существующих доказательств — этот результат напрямую опровергает такое предположение.
«У ИИ есть преимущество: дело не только в том, что он может перебирать все известные методы», — говорит Якоб Цимерман (Jacob Tsimerman), математик из Университета Торонто. — «Он способен работать дольше и в более рискованных условиях, чем математики, не теряя концентрации».
С другой стороны, некоторые специалисты в этой области могут быть слегка разочарованы тем, насколько мало это нам сообщает: результат не вводит никаких мощных новых геометрических инструментов и ранее неизвестных структурных результатов. Тем не менее, это открытие и идеи, которые в нём задействованы, несомненно окажут значительное влияние на дискретную геометрию.
Исследователи считают, что системы, способные управлять длинными цепочками рассуждений, в конечном счёте смогут помогать в таких областях, как физика, биология, инженерия и медицина.
Сравнение: ИИ-решение vs. традиционный подход
| Параметр | Традиционный подход | ИИ-модель OpenAI |
|---|---|---|
| Время работы над задачей | ~80 лет (1946–2026) | Несколько сессий |
| Метод | Квадратные сетки, вариации | Алгебраическая теория чисел |
| Результат | Лучший результат: n^(1+o(1)) | Доказано: n^(1+δ), δ ≈ 0.014 |
| Длина доказательства | — | ~125 страниц |
| Верификация | — | Лауреат Филдсовской премии + ведущие математики |
| Автономность | Полностью человеческая | Полностью автономная |
Итог: веха в истории математики и ИИ
Это первый пример того, как известная открытая задача решена ИИ без какого-либо человеческого вмешательства — после того как модель была обучена и ей была дана задача для решения.
Полностью автономное опровержение известной открытой гипотезы, верифицированное математиками, лучше всего знающими эту область, — это первый подобный случай. Если оно выдержит более широкую проверку, это момент, когда ИИ перестал быть исследовательским ассистентом и стал исследовательским соавтором.