На початку жовтня 2026 року OpenAI опублікувала сотні математичних результатів, які, за словами компанії, можуть "розширити межі людських знань". У репозиторії на GitHub з'явилися 722 наукові роботи, що стосуються 372 відкритих математичних задач. Вони охоплюють різні галузі – від алгебри та геометрії до теоретичної інформатики. Значну частину результатів отримала ще не випущена публічно модель штучного інтелекту. Про це пише Phys.
Чому математична спільнота заговорила про "маткатастрофу"?
Масштаб публікації привернув увагу математиків у всьому світі. Деякі спостерігачі назвали її "маткатастрофою" – натяком на можливі радикальні зміни в математичних дослідженнях через штучний інтелект.
Серед робіт є заявлені результати щодо відомих математичних проблем, які залишаються нерозв'язаними десятиліттями. Зокрема, йдеться про гіпотезу Рімана та гіпотезу Берча – Свіннертона-Даєра. Обидві належать до семи задач тисячоліття, за розв'язання кожної з яких Інститут математики Клея передбачив винагороду в 1 мільйон доларів.
Однак наявність рукопису з доказом ще не означає, що проблему справді розв'язано. Частину опублікованих робіт уже відкликали або виправили через помилки, які впливали на результати. У матеріалі для The Conversation авторка Мелісса Лі зазначає, що головні питання полягають у тому, навіщо OpenAI оприлюднила такий масив робіт саме в цьому форматі та наскільки можна довіряти заявленим доказам.
Чому навіть математикам складно перевіряти результати ШІ?
OpenAI пояснює публікацію прагненням "сприяти подальшому прогресу в математиці". Проте спосіб подання результатів може ускладнювати досягнення цієї мети.
За словами Лі, один із її старших колег знайшов серед публікацій задачу, яку давно вважав особливо цікавою, і спробував прочитати відповідну роботу. Текст виявився настільки незрозумілим, що, за його словами, якби він отримав такий рукопис на рецензування до математичного журналу, то одразу відхилив би його.
Авторка також описує власну спробу перевірити один із гучних результатів за допомогою ChatGPT. Модель GPT-5.6 Sol, за її словами, поставилася до нього скептично та назвала серйозною галюцинацією, яку не можна цитувати, подавати до публікації чи поширювати як доказ без повного експертного аудиту.
Це не доводить, що всі результати OpenAI помилкові. Проте демонструє проблему: навіть якщо система штучного інтелекту здатна генерувати складні математичні аргументи, їхня зрозумілість і правильність залишаються окремими питаннями. У математиці важливо не лише отримати відповідь, яка виглядає переконливо. Потрібно показати логічно послідовний доказ, кожен крок якого можна перевірити.
Чи пов'язана публікація з боротьбою за лідерство у сфері ШІ?
Масштабний реліз може мати й ширший стратегічний контекст. У вересні OpenAI вже заявляла про розв'язання окремого випадку проблеми Нав'є – Стокса, яка також належить до задач тисячоліття.
Математики Трістан Бакмастер і Левент Альпоге, які працювали над цією проблемою, звинуватили компанію в тому, що вона отримала доступ до їхніх даних і використала їхні ідеї. За їхніми твердженнями, OpenAI витратила обчислювальні ресурси вартістю близько 15 мільйонів доларів на пошук розв'язання. Компанія заперечила ці звинувачення.
За оцінкою Лі, нова публікація також може допомагати OpenAI зміщувати увагу до ширшої дискусії про можливості штучного інтелекту. Особливо важливою в цьому контексті є концепція загального штучного інтелекту (AGI) – гіпотетичної системи, здатної перевершувати людей у більшості когнітивних завдань. Математика, особливо її абстрактні розділи, вимагає складних логічних міркувань і вважається однією з найскладніших сфер для автоматизації.
Якщо ШІ справді зможе самостійно знаходити й доводити нові математичні твердження, це стане вагомим аргументом на користь його здатності виконувати завдання дослідницького рівня.
Такі демонстрації можливостей можуть бути важливими для OpenAI і з погляду її бізнесу. За даними, наведеними в матеріалі, компанія розглядає можливість виходу на фондовий ринок і прагне до оцінки вартості до 1,4 трильйона доларів. Водночас немає підстав стверджувати, що саме це було головною причиною публікації математичних робіт.
Як перевірити, чи справді ШІ довів математичну теорему?
У математиці правильність тверджень визначається не популярністю автора чи переконливістю викладу, а доказом. Традиційно нові результати перевіряють фахівці, які рецензують роботи перед їхнім опублікуванням у наукових журналах. Цей процес може тривати дуже довго. Складні технічні статті іноді проходять перевірку роками, адже рецензентам потрібно розібратися в аргументації, перевірити логічні переходи та знайти можливі помилки.
У випадку з OpenAI перевірка вже виявила проблеми. Компанія відкликала три роботи через елементарну помилку, а в кількох інших виправила недоліки, що робили заявлені результати недійсними. Це свідчить щонайменше про недостатню перевірку частини матеріалів до їхньої публікації.
Остаточна оцінка залежатиме від того, як математична спільнота перевірить ці роботи. Саме незалежний аналіз фахівців має визначити, які результати витримують перевірку, а які потребують суттєвого перегляду.
Чи можуть інші алгоритми перевіряти докази ШІ?
Один зі способів підвищити довіру до математичних результатів – формалізація доказів за допомогою спеціалізованих програмних систем, зокрема Lean.
Такі інструменти дають змогу будувати математичні твердження на основі формальних правил і аксіом. Після цього система перевіряє логічну коректність кожного кроку доказу.
Раніше формалізація здебільшого стосувалася теорем, які вже були доведені людьми. Одним із відомих прикладів стала формалізація теореми про чотири кольори у 2008 році. Вона стверджує, що для розфарбовування будь-якої плоскої карти так, щоб сусідні області мали різні кольори, достатньо чотирьох кольорів.
Проте формалізувати складний доказ вручну може бути важко й довго. Тепер дослідники працюють над автоматичною формалізацією, коли штучний інтелект перетворює математичні аргументи на форму, яку може перевірити комп'ютер.
OpenAI повідомила, що на момент публікації формалізувала 300 основних результатів зі свого набору робіт. Це потенційно полегшує перевірку, однак не гарантує автоматично, що кожен результат відповідає початковому математичному твердженню.
Проблема полягає в тому, що навіть формалізація, створена ШІ, може містити помилки. Дослідники вже виявляли недоліки в автоматично створених формальних доказах, зокрема в матеріалах, пов'язаних із проблемою Нав'є – Стокса. Тому математики ще мають визначити, наскільки надійними є формалізації OpenAI та чи можна приймати їх як достатнє підтвердження заявлених результатів.
Як штучний інтелект може змінити математичні дослідження?
Реакція на публікацію OpenAI виявилася неоднозначною. Одні спостерігачі назвали її потенційно найважливішою подією в історії математики, інші поставилися до результатів значно стриманіше.
З одного боку, здатність ШІ працювати над сотнями відкритих задач може прискорити дослідження в різних галузях. Навіть якщо частина робіт виявиться помилковою, окремі ідеї чи методи можуть допомогти людям знайти нові напрямки для пошуку доказів.
З іншого боку, величезний обсяг матеріалів створює додаткове навантаження на науковців. Фахівцям потрібно витрачати час на перевірку аргументів, які можуть бути складними для читання, неповними або неправильними.
Це порушує питання про те, хто має нести відповідальність за перевірку результатів, як оцінювати внесок людей у дослідження за участю ШІ та що означатиме автоматизація для студентів і молодих науковців. Зокрема, вони можуть побоюватися, що їхні результати опублікує хтось інший за допомогою ШІ раніше, ніж вони завершать власну роботу.
Отже, нинішня хвиля математичних публікацій від OpenAI демонструє і потенціал штучного інтелекту, і його обмеження. Кількість згенерованих доказів сама по собі не свідчить про кількість підтверджених відкриттів. Вирішальними залишаються перевірка, відтворюваність і здатність математичної спільноти встановити, які з нових результатів справді правильні.