Масштаб прорыва: от гипотезы Миллениума до алгоритмов
OpenAI официально опубликовала в Git-репозитории решения десятков открытых проблем, ранее считавшихся непреодолимыми для ИИ. Среди них — задачи, связанные с теорией чисел, теорией сложности и топологией. Публикация включает как строгие доказательства (lean proofs), так и препринты, что позволяет математическому сообществу верифицировать результаты.
Ключевые достижения, вызвавшие наибольший резонанс:
- Гипотеза об уникальных играх (Unique Games Conjecture): Доказана истинность одной из центральных гипотез теории сложности вычислений.
- Задача №10 Гильберта (рациональные корни): Обобщение отрицательного решения 1970 года, доказано отсутствие алгоритма для определения наличия рациональных корней у многочленов с целыми коэффициентами.
- Иррациональность постоянной Каталана: Доказана иррациональность этой фундаментальной математической константы.
- Гипотеза о гауссовых островах (Gaussian moat conjecture): Подтверждено, что невозможно «переплыть» бесконечность, используя гауссовы простые числа как острова, если максимальная длина прыжка ограничена.
Таблица ключевых решенных проблем
| Номер/Название | Суть результата | Значимость |
|---|---|---|
| #102: Unique Games Conjecture | Гипотеза истинна | Фундамент теории NP-трудности |
| #103: RL BPL | Де-рандомизация вероятностных алгоритмов | Логарифмическая память без случайности |
| #107: Matrix Multiplication | Улучшение времени умножения матриц | Оптимизация базовых вычислений |
| #158: Хроматическое число плоскости | Доказано, что > 5 | Решение задачи о раскраске плоскости |
| #241: Rigidity of Turing Degrees | Отсутствие нетривиальных перемаркировок | Теория вычислимости |
Дискуссия: «Ход 37» или перебор?
Главный вопрос сообщества LessWrong и экспертов по ИИ: обладают ли эти доказательства «креативностью» в смысле AlphaGo? Знаменитый «Ход 37» АльфыГо считался моментом, когда ИИ проявил интуицию, выходящую за рамки человеческого опыта. В случае с математикой OpenAI эксперты (включая TsviBT и Vladimir Nesov) задаются вопросом: ИИ действительно изобрел новые концепции, или он применил «грубую силу» (brute force creativity), перебирая комбинации известных методов с невероятной скоростью?
Некоторые решения, такие как доказательство иррациональности постоянной Каталана, могут выглядеть как инженерная оптимизация существующих инструментов, а не как прорывное концептуальное осмысление. Однако масштаб решенных задач (включая Millennium Prize Problems) свидетельствует о том, что масштабирование LLM в 10 раз по сравнению с 2025 годом привело к появлению высокого уровня здравого смысла и способности применять технические навыки в сложных проектах.
Почему это важно для будущего ASI
Результаты 2026 года устанавливают вероятную верхнюю границу для появления Искусственного Суперинтеллекта (ASI) в диапазоне 2040–2045 годов. Автоматизация инженерных и научных задач через текущие методы масштабирования LLM позволяет ИИ не только решать задачи, но и создавать среды для обучения (RL tasks), закрывая собственные пробелы в знаниях. Если ИИ способен самостоятельно находить элегантные доказательства сложных теорем, это сигнализирует о готовности к быстрой культурной и технологической аккумуляции, что является ключевым критерием для перехода к сильному ИИ.
Источник: LessWrong ↗