# Прорыв OpenAI в математике: как модели находят изящные решения задач полувековой давности

Источник: https://www.youtube.com/watch?v=1JvyLGd2Sfs
Канал: a16z (Andreessen Horowitz)
Опубликовано: 08.09.2026

---

Математика долгое время считалась «последним бастионом» человеческого интеллекта, который не поддастся автоматизации из-за необходимости глубокого абстрактного мышления. Однако исследователи OpenAI Мехтааб Соуни и Марк Селлке в беседе с партнером a16z Лишей Ли доказывают обратное: новые модели не просто перебирают варианты, а демонстрируют «математический вкус», умение вовремя отступать от неверных идей и находить элегантные доказательства там, где люди писали сотни страниц текста.

## 🚀 От академической доски к нейросетям: момент истины
[[JUMP:00:50]]

Марк Селлке и Мехтааб Соуни перешли из академической математики в OpenAI, когда осознали, что возможности моделей достигли критической точки [01:57]. Для Мехтааба «моментом обращения» стала работа с GPT-5 над задачами венгерского математика Пауля Эрдёша [02:43].

Ключевые инсайты этого перехода:

*   **Поиск в литературе:** Исследователи часами не могли выяснить, является ли конкретная задача Эрдёша до сих пор открытой или уже решена. GPT-5 за пять минут нашла нужную ссылку и объяснила суть решения [03:28].
*   **Реализация идей:** В математике часто возникает ситуация: у учёного есть идея, но её проверка требует недель рутинных вычислений (проверка неравенств «эпсилон-дельта»). Человек часто сдается на полпути, а ИИ доводит реализацию до конца без потери концентрации [05:26].
*   **Отсутствие когнитивной инерции:** Если человек потратил неделю на неверный путь, ему психологически трудно «очистить контекст» и начать заново. ИИ делает это мгновенно, запуская параллельные процессы поиска [09:19].

## 📦 Прорыв в упаковке сфер: когда ИИ обходит Филдсовских лауреатов
[[JUMP:16:20]]

Одним из самых ярких результатов, представленных OpenAI (в рамках проекта Astra), стало уточнение границ плотности упаковки сфер в пространствах высокой размерности [16:41].

Математический контекст задачи:

1.  **Размерности 1, 2, 3:** В 2D идеальна шестиугольная решетка (доказано в 1960-х). В 3D — пирамидальное сложение (как апельсины в магазине), что Томас Хейлз доказал лишь в начале 2000-х, написав сотни страниц текста [18:24].
2.  **Размерности 8 и 24:** Марина Вязовская получила Филдсовскую премию за доказательство того, что решетки E8 и решетка Лича являются идеальными для этих размерностей [19:13].
3.  **Высокие размерности:** Математики до сих пор точно не знают, как ведут себя сферы в пространствах сверхвысоких размерностей.

Мехтааб Соуни объясняет, что модель OpenAI проанализировала метод линейного программирования (LP) для этой задачи [24:20]. Модель не просто выдала число, а построила функцию $f$, которая дает теоретический предел плотности, и доказала, что лучше этого предела результат быть не может [27:53]. Итоговая формула — $e^{2\pi + 1} \dots$ — оказалась удивительно изящной и короткой, занимая всего несколько страниц комплексного анализа вместо сотен страниц численных вычислений [28:42].

## 🔑 Кодирование и теория представлений
[[JUMP:29:21]]

Вторая важная задача касалась сферических и бинарных кодов, которые используются в системах исправления ошибок (например, при передаче данных через зашумленные каналы) [30:54].

Марк Селлке отмечает, что здесь модель проявила неожиданную глубину:

*   Она связала задачу упаковки сфер с теорией представлений [34:08].
*   Используя алгебраическую симметрию, ИИ нашел более строгие границы для кодов исправления ошибок, чем те, что были известны ранее из работ классиков [34:46].
*   **Интерактивность:** Сначала модель попросили улучшить границу, что она сделала с помощью теории представлений. Затем её спросили: «Можешь ли ты зайти еще дальше?», и она выдала гораздо более продвинутый аппарат, который в итоге привел к результату для упаковки сфер [35:38].

## 🧩 Не-софические группы: решение загадки 70-х годов
[[JUMP:44:33]]

Группы — это математическая абстракция симметрии. «Софические» группы (от ивритского «софи» — конечный) — это группы, которые можно приблизить конечными структурами [46:16]. Долгое время оставался открытым вопрос: существуют ли группы, которые *нельзя* так приблизить?

Детали открытия Astra:

*   Ранее существовала гипотеза Алдоуса — Лионса, которую пытались опровергнуть с помощью квантовой теории сложности на 200+ страницах текста [51:50].
*   Модель OpenAI нашла прямое доказательство существования не-софической группы всего на 15 страницах [52:41].
*   Доказательство опирается на «комбинаторное препятствие»: ИИ нашел способ доказать, что определенные алгебраические заговоры (conspiracies) не могут произойти, что исключает возможность приближения группы конечными структурами [55:51].

По словам Соуни, это доказательство выглядит «совершенно естественно», как если бы его написал эксперт-человек, знающий все тонкости современной литературы [55:00].

## 🎨 Будущее математики: «Вкус» против «Исполнения»
[[JUMP:57:32]]

Спикеры сошлись во мнении, что роль математика-человека радикально меняется. Если раньше главным «узким горлышком» было само доказательство теоремы, то теперь акцент смещается на другие аспекты [1:01:04].

Перспективы развития отрасли:

1.  **Математический вкус:** Способность выбирать, какие задачи действительно важны и какие направления перспективны. Хотя ИИ уже демонстрирует элементы вкуса (выбирая правильные пути в дереве поиска), формулирование глобальных целей остается за человеком [39:27].
2.  **Интерпретация и объяснение:** ИИ будет производить математику экспоненциально быстрее, чем люди смогут её усваивать. Роль человека — стать «проводником», который понимает выводы ИИ и упаковывает их в понятные для общества концепции [1:02:22].
3.  **Экспериментальная математика:** Поле деятельности станет более эмпирическим. Математики смогут проверять догадки с помощью ИИ, не тратя годы на рутинный довод доказательств [1:01:31].
4.  **Конец эпохи «супер-экспертов»:** Теперь специалисту в прикладной области (например, физике) не обязательно искать «мирового гуру» в узком разделе математики — достаточно мощной модели, которая поможет применить сложный аппарат к конкретной задаче [1:04:18].

Мехтааб Соуни резюмирует: даже если ИИ будет прогрессировать экспоненциально, он вряд ли когда-либо решит такие фундаментальные загадки, как «P vs NP», потому что потолок сложности в математике практически бесконечен [1:02:48].