AI переходить від автоматизації математики до насичених теорією сфер, таких як фізика та економіка

Відкидання теоретичних задач стає все складнішим

AI виходить за межі математики й проникає в інші насичені теорією сфери. Ніл Томпсон, який вивчає прогрес у комп’ютерних науках та штучному інтелекті, в MIT стверджував, що наступними можуть стати ймовірність, теорія статистики, економічна теорія, теорія високих енергій, гравітація та космологія, а також квантова фізика. Його лабораторія досліджує, як розвиток комп’ютерних наук впливає на суспільство й інновації.

Робота, виконана Габрієлем Мансо та Клаудіо Майрінком Верду, вказує на різкі зміни. Із середини 2024 року до середини 2026 року показник правильного вирішення теоретичних задач у цих сферах із найкращими AI-моделями зріс приблизно від 2% до 35%. Дослідники не побачили ознак сповільнення прогресу.

Задачі перевіряли після дати завершення навчання

У дослідженні використовувалися задачі, які були сформульовані в наукових роботах, опублікованих в інтернеті з грудня 2025 року по травень 2026 року. Перевірялися моделі OpenAI, зокрема o1, o3, GPT-5, GPT-5.1, GPT-5.4 та GPT-5.5. Рішення з’являлися в роботах, опублікованих після дати завершення навчання GPT-5.5 і попередніх моделей, тому системи мали шукати відповіді самостійно, а не запам’ятовувати відомі результати.

Дослідники також заблокували доступ до інтернету, щоб моделі не могли знайти готові рішення. Вони обмежилися лише тими сферами, де AI міг міркувати без запуску симуляцій чи експериментів. Незважаючи на це, автори заявляють, що цей приклад нагадує хвилі шоку в математиці й може поширитися на інші математичні та насичені теорією дослідницькі сфери.

Роль людини зміщується до оцінки та перевірки

Нещодавно OpenAI привернула увагу заявою, що неопублікована модель вирішила грандіозну проблему Нав’єра — Стокса, яка існувала в математиці довгий час і стосується рівнянь руху рідини. Заява стала скандальною після того, як математик із NYU звинуватив OpenAI у тому, що та відсторонила своїх співробітників, дізнавшись про відповідний прогрес. Пізніше OpenAI та інші оголосили про ще сотні рішень давніх математичних задач, що викликало вимоги обмежень з боку деяких математиків.

Дослідники вбачають як позитивні, так і негативні ефекти. Томпсон зазначає, що теоретичні досягнення іноді призводять до практичних досягнень у науці, тому ширше використання AI може прискорити цей шлях. Деякі дослідники AI заснували лабораторії, орієнтовані на AI для науковців, а великі AI-компанії посилюють дослідницьку діяльність, де аналіз пов’язаний із реальними експериментами.

Експерти все ще важливі. Мансо заявив, що люди все ще потрібні для генерації хороших ідей і з’єднання крапок. Він зробив висновок, що складні задачі можуть ввести AI в оману, тоді як підтвердження правильної відповіді має перевірятися повним рішенням. OpenAI також видалила кілька рішень із свого найновішого набору даних після публікації, що підкреслює необхідність перевірки.

Джерела: Wired