Наступил момент, когда искусственный интеллект перестал быть просто «забавным» помощником и начал решать задачи, десятилетиями не поддававшиеся лучшим математическим умам человечества. Уэс Рот (Wes Roth) анализирует последние достижения моделей уровня GPT-5.2 Pro, которые начали автономно щелкать задачи Пауля Эрдёша, и рассуждает о том, как тотальная «квантификация» мира изменит индустрии от юриспруденции до медицины.
📈 Переход через линию: от «мило» до «WTF» 0:00
Уэс Рот начинает обзор с графика, где способности ИИ пересекают линию человеческого интеллекта . По его мнению, мы вошли в фазу развития, которую можно описать только как «WTF-момент», когда прогресс становится шокирующим.
Ключевым индикатором этого прорыва стали задачи Пауля Эрдёша (Erdős problems) :
- Это коллекция из 1135 нерешенных математических проблем.
- Сам Эрдёш называл их «желудями», из которых могут вырасти могучие дубы глубоких и тонких идей.
- До недавнего времени около 40% из них были решены людьми за многие десятилетия.
Как утверждает Уэс Рот, буквально в последние дни и даже часы (в контексте временной шкалы видео — начало 2026 года) ИИ начал автономно решать эти задачи одну за другой .
🧠 Теренс Тао и «Моцарт математики» подтверждают прорыв 1:29
Важнейшим свидетельством реальности происходящего стало признание Теренса Тао (Terrence Tao). Уэс Рот характеризует его как «Моцарта математики» и, возможно, величайшего из ныне живущих математиков .
Факты о Теренсе Тао, приведенные в видео:
- В возрасте двух лет он учил других детей считать .
- В 9 лет посещал математические курсы университетского уровня.
- В 10 лет стал самым молодым участником Международной математической олимпиады (IMO).
- В 13 лет завоевал золотую медаль IMO, оставаясь самым молодым медалистом в истории .
Теренс Тао официально подтвердил , что задача Эрдёша №728 была решена ИИ практически автономно. По словам Тао, это демонстрирует «подлинный рост способностей инструментов в последние месяцы» .
Уэс Рот подчеркивает важность того, что решение было найдено в «духе проблемы» . Это означает, что ИИ не просто нашел лазейку в формулировке или скопировал существующее в сети решение (которого не существовало), а предложил корректный и новый метод доказательства .
🛠 Инструменты прорыва: GPT-5.2 Pro и количественные исследования 4:46
7 января 2026 года стало известно о решении еще одной задачи — №397. Нил Соми, количественный исследователь (quant) в компании Citadel, сообщил, что представленное им доказательство было принято Теренсом Тао .
Инструментарий и процесс решения, согласно видео:
- Модель: Использовалась GPT-5.2 Pro .
- Формализация: Доказательство было формализовано с помощью инструмента Harmonic .
- Результат: Задача, стоявшая 50 лет, была решена через промпт в чат-боте.
Уэс Рот отмечает, что Грэг Брок (предположительно, Грэг Брокман из OpenAI) публично поздравил Нила Соми с этим успехом . По мнению автора видео, многие открытые проблемы сейчас «просто ждут, когда кто-то попросит ChatGPT их решить» .
📊 Классификация вкладов ИИ на GitHub Теренса Тао 7:45
Теренс Тао ведет специальную страницу на GitHub, где классифицирует вклад ИИ в решение задач Эрдёша . Уэс Рот выделяет семь категорий участия нейросетей:
- Автономные решения: Полностью сгенерированные ИИ доказательства для ранее открытых проблем (в лидерах — GPT-5.2 Pro и AlphaEvolve от Google) .
- Решение ранее решенных задач: ИИ находит новые способы доказательства того, что люди уже доказали (например, используя AlphaProof) .
- Частичные решения: Улучшение существующих конструкций.
- Коллаборация «Человек-ИИ»: Примером служит работа Скотта Ааронсона (Scott Aaronson) от сентября 2025 года, где ключевой технический шаг был сделан GPT-5 .
- Обзор литературы: Поиск связей и существующих методов.
- Формализация доказательств: Перевод математического текста на строгий машинный язык.
- Вторичные инструменты: Использование ИИ для вспомогательных вычислений.
Уэс Рот акцентирует внимание на датах: подавляющее большинство успешных «зеленых кружков» (полных решений) появилось в конце 2025 — начале 2026 года .
🎨 «Photoshop для математики»: автоматизация рутины 12:47
Теренс Тао отмечает еще одну важную способность ИИ — умение быстро переписывать экспозиции (описания) решений . Уэс Рот сравнивает это с Photoshop или Excel для ученых .
Преимущества автоматизации для ученых:
- Если в одной части сложного доказательства найдена ошибка или требуется правка, ИИ может мгновенно переписать весь остальной текст с учетом изменений .
- Это освобождает математиков от «зубодробительно скучной» работы по обновлению многостраничных документов .
- Позволяет исследователям фокусироваться на верхнеуровневых идеях, а не на техническом оформлении.
⚾ Эффект «Moneyball» и тотальная квантификация индустрий 14:05
Уэс Рот проводит аналогию с фильмом «Человек, который изменил всё» (Moneyball). Математический анализ в бейсболе позволил увидеть стратегии, которые старые тренеры не замечали, полагаясь на интуицию .
История показывает, что когда математика («кванты») приходит в индустрию, та необратимо меняется:
- Финансы: До 1970-х трейдинг основывался на интуиции. Сегодня доминирует количественный анализ и алгоритмы .
- Логистика: В 90-х UPS начала использовать машинное обучение для оптимизации маршрутов. Выяснилось, что исключение левых поворотов экономит миллионы литров топлива .
- Маркетинг: Личный опыт Уэса Рота подтверждает, что «интуиция» рекламщиков с 50-летним стажем часто проигрывает простому сплит-тестированию на реальных данных .
По мнению автора, ИИ — это масштабируемая версия этого процесса. Мы не можем клонировать гениального исследователя, но можем запустить миллион копий модели GPT-5.2 Pro, которые будут работать 24/7 без усталости .
🚀 Прогнозы: юриспруденция, медицина и инфраструктура 20:27
Уэс Рот предсказывает, что следующими под удар «квантификации» попадут отрасли, которые традиционно считались человекоцентричными:
- Юриспруденция: Иски могут стать активом с просчитываемым ROI. ИИ сможет находить дела с максимальной вероятностью выигрыша и минимальным риском, продавая эти данные юридическим фирмам .
- Медицина: Переход к испытаниям типа «N=1». ИИ сможет анализировать уникальную химию крови и геном конкретного человека, выдавая персонализированные рекомендации по питанию и лечению .
- Инфраструктура: Дизайн каждой детали (от руля автомобиля до энергосетей) может быть оптимизирован на 10–15% за счет «дешевого интеллекта», на который у людей просто не хватает времени и ресурсов .
Уэс Рот резюмирует, что мы находимся в начале экспоненциального роста, и советует «не проспать» этот момент, так как интеллектуальные возможности ИИ уже начинают превосходить возможности высокоинтеллектуальных людей в специализированных областях .
