Искусственный интеллект постепенно перестает быть инструментом, который просто помогает человеку считать, программировать или искать информацию. В 2026 году ИИ все активнее используется непосредственно в математических исследованиях, где от системы требуется не короткий ответ, а построение сложной цепочки рассуждений и доказательств.
Очередной громкий пример представила OpenAI. Компания заявила, что ее внутренняя модель всего за несколько недель смогла решить более 100 открытых математических задач, многие из которых оставались нерешенными на протяжении длительного времени. Заявление появилось на фоне еще более резонансной работы над уравнениями Навье — Стокса — одной из семи задач тысячелетия.
Однако здесь возникает важный вопрос: если искусственный интеллект выдал доказательство, которое формально соответствует условиям математической задачи, можно ли автоматически считать эту задачу решенной? В современной математике ответ оказывается значительно сложнее простого «да».
Что именно заявила OpenAI
По информации OpenAI, внутренняя модель компании начала интенсивно использоваться для математических исследований в конце августа 2026 года. Компания сообщает, что различные группы ИИ-агентов параллельно исследовали разные направления и подходы к открытым проблемам.
В частности, OpenAI рассказывает, что около 100 агентов совместно работали над математическими задачами примерно 50 часов. В процессе экспериментов система получила результаты для нескольких фундаментальных проблем, а затем значительная часть ресурсов была направлена на исследование уравнений Навье — Стокса.
Позднее компания заявила уже о более чем 100 решенных открытых задачах из различных областей математики. При этом на момент публикации исходной новости полный список этих задач и независимые экспертные оценки всех заявленных результатов представлены не были.
Именно последнее обстоятельство имеет принципиальное значение. Между фразами «ИИ нашел математический аргумент» и «математическое сообщество признало задачу решенной» существует достаточно большая дистанция.
Почему задача Навье — Стокса стала главным примером
Уравнения Навье — Стокса описывают движение жидкостей и газов. Они используются в самых разных областях — от аэродинамики и метеорологии до моделирования потоков воды и процессов в инженерных системах.
В трехмерном случае остается фундаментальный вопрос о существовании и гладкости решений. Упрощенно говоря, математики хотят понять, может ли изначально гладкое решение уравнений за конечное время привести к возникновению сингулярности, при которой определенные характеристики решения становятся неограниченными.
Эта проблема настолько фундаментальна, что в 2000 году Clay Mathematics Institute включил ее в список семи задач тысячелетия. За корректное решение каждой из них предусмотрена премия в один миллион долларов.
8 сентября 2026 года OpenAI опубликовала работу, в которой утверждается, что внутренняя система компании получила решение задачи существования и гладкости Навье — Стокса. Компания представила не только математическое описание результата, но и его формализацию в системе Lean.
Сам факт публикации формального доказательства особенно интересен, поскольку Lean позволяет машинно проверять логическую корректность формализованной математической аргументации. Это существенно отличается от обычного ответа языковой модели, который человек должен проверять практически построчно.
Снимок экрана 2026 09 22 В 16 17 37
Четыре формулировки (А, Б, В и Г) задачи Навье-Стокса
Что означает формальное доказательство в Lean
Lean — это система формализации математики и проверки доказательств. В ней математические утверждения переводятся в формальный язык, а специальный проверяющий механизм контролирует, что из исходных предпосылок действительно следует заявленный вывод.
Для ИИ это особенно важно. Обычная языковая модель способна сформировать очень убедительное математическое рассуждение, в котором может скрываться незаметная ошибка. Внешне такой текст может выглядеть как полноценное доказательство, хотя логически он окажется неверным.
Формализация в Lean значительно уменьшает этот риск. Если доказательство успешно проходит проверку, система подтверждает, что представленная формальная последовательность действительно соответствует заданным аксиомам, определениям и теоремам.
Однако здесь есть важное ограничение: Lean проверяет именно формализованное утверждение и доказательство. Он не решает за человека вопрос о том, насколько удачно выбран математический объект, насколько содержательно полученное утверждение и отвечает ли оно той научной проблеме, которую исследователи действительно хотели понять.
Иными словами, машина может подтвердить корректность доказательства определенного утверждения, но вопрос о содержательном значении этого утверждения остается частью математического анализа.
Главная проблема: что именно считается решением?
Именно на этом месте вокруг заявления OpenAI возникла дискуссия.
В случае Навье — Стокса существует несколько формулировок проблемы. В опубликованном OpenAI результате рассматриваются формулировки, допускающие определенный тип внешней силы. Компания показывает конструкцию, при которой изначально спокойное состояние жидкости под воздействием специально подобранной силы приводит к образованию сингулярности.
С формальной точки зрения это может соответствовать одной из разрешенных постановок задачи. Но первоначальный научный интерес многих исследователей был связан с более глубоким вопросом: способны ли сами уравнения без специально сконструированного внешнего воздействия привести к такому разрушению гладкости.
Таким образом, возникают два разных уровня обсуждения:
- соответствует ли представленное доказательство формальному условию конкретной версии задачи;
- отвечает ли полученный результат на тот фундаментальный вопрос, который математики считали главным смыслом исследования.
Эти два утверждения не обязательно противоречат друг другу. Можно получить строгое решение определенной математической формулировки и одновременно оставить открытым другой физически или математически интересный вопрос, который тесно с ней связан.
Clay Mathematics Institute пока не ставит окончательную точку
Показательно, что Clay Mathematics Institute отреагировал на публикацию OpenAI достаточно осторожно. Институт сообщил, что с интересом воспринимает заявление о решении проблемы Навье — Стокса, однако процесс оценки подобных результатов требует времени.
Правила Millennium Prize Problems предусматривают процедуру проверки решений, причем она намеренно не является мгновенной. Для математического сообщества это принципиально важно: решение задачи тысячелетия должно пройти независимую экспертизу и получить признание специалистов.
Таким образом, наличие опубликованного доказательства OpenAI еще не означает автоматического присуждения премии или окончательного закрытия научной дискуссии.
Более того, OpenAI сообщала, что не собирается претендовать на миллион долларов за решение задачи Навье — Стокса. Это также показывает разницу между заявлением технологической компании о результате и формальным процессом признания результата математическим сообществом.
Почему 100 задач — еще не 100 окончательно решенных проблем
Заявление о более чем 100 решенных задачах звучит впечатляюще, но его необходимо правильно интерпретировать.
Во-первых, открытые математические задачи очень различаются по сложности и значимости. Некоторые могут быть узкими вопросами внутри конкретной математической области, другие — фундаментальными проблемами, над которыми специалисты работают десятилетиями.
Во-вторых, слово «решена» может использоваться в разных смыслах. Это может означать:
- ИИ сформулировал потенциальное решение;
- исследователи проверили математическую аргументацию;
- доказательство было формализовано и проверено в системе вроде Lean;
- результат опубликован в научной работе;
- независимые специалисты воспроизвели и подтвердили доказательство;
- математическое сообщество признало исходную постановку задачи закрытой.
Это разные уровни надежности. Поэтому фраза «ИИ решил 100 задач» сама по себе еще не позволяет понять, сколько из этих результатов являются окончательными решениями в академическом смысле.
OpenAI уже демонстрировала похожий подход
Заявление сентября 2026 года не возникло на пустом месте. В августе OpenAI уже представила десять математических и теоретико-компьютерных результатов, полученных внутренней версией модели Astra.
Компания сообщала о результатах в таких областях, как упаковка сфер в многомерных пространствах, теория кодов, теория групп, операторные алгебры, квантовая вычислительная сложность, криптография на решетках и экстремальная комбинаторика.
Особенно интересным является заявленный процесс проверки. По информации OpenAI, аргументы сначала получались с помощью модели, затем оформлялись в математические рукописи, а после этого формализовались в Lean-сертификаты.
Такой подход потенциально способен изменить сам процесс математических исследований. ИИ в данном случае выступает не просто как «калькулятор», а как генератор гипотез, доказательств и новых математических конструкций.
ИИ уже не ограничивается олимпиадными задачами
Еще несколько лет назад успехи искусственного интеллекта в математике в основном демонстрировались на задачах с четко определенным ответом. Например, система должна была вычислить число, выбрать правильный вариант или построить доказательство относительно небольшой длины.
Исследовательская математика устроена иначе. Здесь может отсутствовать известный алгоритм решения, а сама задача способна требовать создания нового математического аппарата.
Именно поэтому результаты OpenAI особенно интересны. Если заявления компании подтвердятся независимыми специалистами, речь идет уже не просто об автоматизации существующих методов, а о потенциальном переходе ИИ в область самостоятельного математического поиска.
При этом человеческая роль никуда не исчезает. Исследователь должен определить, какая проблема действительно важна, сформулировать правильный вопрос, проверить смысл найденного результата и понять, какие последствия он имеет для соответствующей области.
Почему доказательство может быть правильным, но недостаточно понятным
Есть еще одна проблема, которая становится особенно заметной при использовании мощных ИИ-моделей.
Математическое доказательство — это не только цепочка логически правильных утверждений. Для исследователя важна идея доказательства: почему выбран именно такой подход, какое новое наблюдение сделало решение возможным и можно ли применить этот метод к другим задачам.
ИИ может найти крайне длинный или нетривиальный путь, который формально оказывается правильным, но человеку сложно понять его математическую суть.
В этом отношении возникает своеобразный парадокс. Чем мощнее становится система автоматического доказательства, тем меньше гарантии, что человек сможет интуитивно объяснить, почему найденное решение работает.
Для математики это особенно важно. Новая теорема ценна не только тем, что закрывает один вопрос. Она может дать новый метод, который затем используется в десятках других исследований.
Зачем OpenAI создала независимую математическую группу
На фоне новых результатов OpenAI объявила о создании Advisory Group on Mathematics and Artificial Intelligence — консультативной группы, призванной связать компанию с математическим сообществом.
В группу вошли девять математиков. Ее задача заключается в том числе в том, чтобы помогать OpenAI правильно оценивать, публиковать и представлять результаты, полученные искусственным интеллектом.
Это важный шаг именно потому, что технологическая компания и академическая математика используют несколько разные критерии оценки результата. Для разработчика модели важно показать возможности системы, тогда как ученому необходимо установить приоритет, воспроизводимость, корректность и научную значимость результата.
При этом рекомендации группы не являются обязательными для OpenAI. Поэтому окончательная ответственность за публикацию конкретных результатов остается внутри компании.
Что это меняет для будущего математики
Если современные модели действительно научились находить новые математические доказательства, последствия могут быть значительными.
Прежде всего изменится скорость поиска. Человек может потратить месяцы или годы на изучение одного направления, тогда как вычислительная система способна одновременно проверять тысячи гипотез и комбинировать подходы.
Второе изменение связано с количеством исследовательских направлений. ИИ способен изучать множество вариантов, которые человек не стал бы проверять из-за их кажущейся бесперспективности.
Третье — автоматизация проверки. Связка генеративной модели с формальной системой вроде Lean потенциально создает новый цикл: ИИ предлагает доказательство, формальный проверяющий находит ошибку, модель исправляет аргумент, после чего процесс повторяется.
Но существует и обратная сторона. Если значительная часть новых математических результатов будет создаваться ИИ, исследователям придется разработать новые правила авторства, атрибуции, проверки и публикации таких работ.
Главное различие между «ИИ нашел доказательство» и «наука решила проблему»
Наиболее точным способом описывать происходящее сегодня является разделение нескольких этапов.
- Модель генерирует гипотезу или доказательство.
- Исследователи анализируют полученный результат.
- Формальная система проверяет математическую логику, если доказательство удалось формализовать.
- Результат проходит независимую экспертизу.
- Другие специалисты пытаются воспроизвести и проверить работу.
- После этого математическое сообщество может считать исходную проблему закрытой.
OpenAI уже демонстрирует впечатляющее продвижение по первым нескольким пунктам. Но последние этапы требуют времени и независимой проверки.
Именно поэтому заявление о более чем 100 решенных задачах следует воспринимать прежде всего как сообщение о возможностях новой внутренней системы, а не как доказательство того, что математическое сообщество уже официально закрыло более сотни исторических проблем.
Выводы
Новые результаты OpenAI показывают, насколько быстро искусственный интеллект продвигается от решения стандартных математических упражнений к исследовательской математике. Особенно важен переход от генерации обычного текста к созданию доказательств, которые можно формализовать и проверять средствами вроде Lean.
Однако количество заявленных решений само по себе не является достаточным показателем научного успеха. Для каждой задачи необходимо установить, что именно было доказано, насколько это соответствует исходной постановке, можно ли независимо проверить результат и какое значение он имеет для соответствующей математической области.
Ситуация с Навье — Стоксом хорошо показывает эту разницу. OpenAI представила доказательство и его формализацию, а Clay Mathematics Institute признал значимость заявления, но подчеркнул, что процедура проверки должна занять время.
Поэтому главный вопрос сегодня заключается уже не только в том, способен ли ИИ решать математические задачи. Судя по опубликованным результатам, способен. Гораздо интереснее другое: сможет ли научное сообщество создать надежную систему, позволяющую отличать формально корректное решение от результата, который действительно меняет наше понимание математики.
Если этот процесс будет успешно организован, ИИ может превратиться из инструмента для автоматизации вычислений в полноценного помощника математического исследования. При этом человеческая экспертиза, независимая проверка и понимание смысла полученных результатов останутся критически важными.
Часто задаваемые вопросы
OpenAI заявила, что ее внутренняя модель за несколько недель смогла решить более 100 открытых математических задач в различных областях. Полный перечень этих результатов и независимая проверка каждого из них на момент публикации заявления доступны не в полном объеме.
OpenAI опубликовала доказательство, которое, по заявлению компании, решает одну из допустимых формулировок проблемы существования и гладкости уравнений Навье — Стокса. Однако окончательное признание результата требует независимой проверки в соответствии с процедурой Clay Mathematics Institute.
Это фундаментальная математическая проблема о существовании и гладкости решений трехмерных уравнений Навье — Стокса. Она входит в семь задач тысячелетия, сформулированных Clay Mathematics Institute.
Lean — система формализации математики, которая позволяет записывать математические утверждения и доказательства в формальном виде и затем проверять их специальным механизмом.
Формальная проверка показывает корректность конкретного формализованного утверждения. Но необходимо также установить, соответствует ли это утверждение исходной постановке задачи, насколько оно содержательно и отвечает ли оно тому научному вопросу, который исследователи считают главным.
Современные системы уже способны генерировать математические гипотезы, доказательства и формальные сертификаты. Однако их результаты требуют контроля, проверки и интерпретации. Особенно это важно для сложных открытых проблем, где ошибка в постановке может быть не менее существенной, чем ошибка в доказательстве.
Основные вопросы связаны не только с корректностью математических аргументов, но и с тем, что именно считается решением, насколько результаты независимы, как устанавливается авторство и можно ли считать задачу окончательно закрытой до завершения экспертной проверки.
Исследования могут значительно ускориться. ИИ сможет параллельно проверять большое количество гипотез, искать неожиданные связи между областями математики и помогать формализовать найденные доказательства. При этом роль человека может постепенно смещаться от непосредственного выполнения всех этапов доказательства к постановке задач, проверке результатов и интерпретации новых математических идей.
Первоисточники и дополнительные материалы
OpenAI — On the Navier–Stokes Millennium Prize Problem
OpenAI — Ten advances in mathematics and theoretical computer science
OpenAI — материал о задаче тысячелетия Навье — Стокса
Clay Mathematics Institute — Navier-Stokes Announcement
Xataka — OpenAI asegura que su IA ha resuelto más de 100 problemas matemáticos
