На выходных взял GPT-6 Pro и Claude Fable 5.1 и прошелся по архиву из 700 математических работ, которые OpenAI выложила на прошлой неделе. Четких ответов на все свои вопросы не нашел, но несколькими наблюдениями поделюсь. Самое интересное – как OpenAI вообще получила эти ответы. Модели компания проверяет на тестах, в том числе математических. Недавно их прошли почти полностью, и измерять рост стало не на чем. Тогда решили скормить новой модели открытые математические вопросы. Всего дали порядка 4000 задач, опубликовано пока около 400 результатов, что стало с остальными – неизвестно. Оцените произошедшее: решения 400 математических задач, на которых люди годами строили карьеру, оказались побочным результатом тестирования новой модели. Судя по комментариям математиков, большинство решений они считают скорее верными, хотя три работы компания уже отозвала. Претензии к другому – результаты сырые: чтобы понять ход решения, приходится подолгу разбирать текст, почти всегда с помощью ИИ. Не согласен с обвинениями, что OpenAI решила “монополизировать” математику. Компания просто выложила побочный результат на GitHub, чтобы профессионалы дальше решали, что делать. Отчасти план сработал. Йерун Зёйддам уже на следующий день распространил результат об умножении матриц на общий случай. Байин Лю за два дня улучшил оценку в одной из самых громких работ архива, про нули дзета-функции Римана. За первые четыре дня набралось 18 таких продолжений, и заметная часть сделана в паре с ИИ. Интересно и то, как модель получила эти результаты: здесь помог опрос, который Томас Блум провел среди коллег. Больших новых теорий специалисты не нашли, вместо этого модель: — Доводит до конца чужой маршрут. Автор исходной конструкции узнал в решении путь своей группы и простой прием, который они упустили. О другом результате специалист написал: красивый трюк, а не прорыв, человек мог его найти. — Собирает известное в неожиданном порядке. В работе про нули дзета-функции каждая идея по отдельности стандартна, а их последовательность удивила специалистов. — Приносит инструмент из далекой области. В задаче о вычислимости применила арифметику 2-адических чисел. И главное: модель не бросает работу. OpenAI опубликовала рассуждения ИИ для десяти результатов, и в них половина ходов заканчивается тупиком. После этого модель меняет неудачную часть и идет дальше. Математик Брайан Аллен, занимавшийся одной из решенных задач, объяснил, почему люди до ответа не дошли: когда метод становится слишком запутанным, его часто перестают пробовать. У модели такого тормоза нет. Что будет дальше? Произошедшее – часть прогресса ИИ: математику не отделить от общего умения рассуждать, которое нужно и для кода, и для офисной работы. Открытый вопрос, разовый это взрыв или нет. Сейчас модель закрывает задачи, для которых у математики уже были все инструменты. Когда они кончатся, станет ясно, смогут ли модели придумывать новые подходы сами или понадобится связка человека и ИИ (полагаю, будет где-то посередине). Закончить же хочу историческим примером. В начале 1970-х молодой математик Уильям Тёрстон за пару лет закрыл многие главные вопросы теории слоений. После этого область опустела. Аспирантам советовали туда не идти, полушутя говорили, что Тёрстон ее “вычищает”. Через двадцать лет Тёрстон объяснил, что произошло: его статьи были слишком плотными, а людям нужны были не ответы, а понимание и возможность сделать что-то самим. Перейдя в трехмерную топологию, Тёрстон поступил иначе.В следующей своей области Тёрстон поступил иначе. Он не стал публиковать все, что мог, а разослал заметки тысяче с лишним человек, объяснял идеи и оставлял результаты другим. Эта область расцвела. Мне кажется, у OpenAI есть шанс поступить так же. Сырой вариант работы компания раздала всем сразу, а инструмент понимания есть: математики разбирают решения с помощью GPT-6 и Claude. — Как выжимать из ИИ максимум, я рассказываю в подписке. Там есть руководства по новейшим GPT-6, Claude Opus 5.5, OpenAI dot, гайды по ИИ-агентам и промптингу, а также разбор опыта профессионалов. Самое время подписаться!