На выступлении в MIT Нил Томпсон, изучающий прогресс в области вычислений и искусственного интеллекта, представил доводы в пользу того, что несколько научных направлений вскоре будут радикально преобразованы ИИ. Пока математики переживают автоматизацию своей области, новое исследование Томпсона указывает, что следующими могут стать теория вероятностей, теоретическая статистика, экономическая теория, теория физики высоких энергий, гравитация и космология, а также квантовая физика — благодаря быстро растущим возможностям передовых моделей. Согласно исследованию, в период с середины 2024 по середину 2026 года лучшие ИИ-модели перешли от правильного решения примерно 2% теоретических задач в этих областях к примерно 35%. Признаков замедления этого прогресса нет.
Как проводилось исследование
Исследование Томпсон провёл вместе с аспирантом Габриэлем Мансо и научным сотрудником Клаудио Майринком Вердуном. Они взяли задачи, сформулированные в научных статьях, опубликованных в интернете в период с декабря 2025 по май 2026 года, и проверили, могут ли их решить различные модели OpenAI — o1, o3, GPT-5, GPT-5.1, GPT-5.4 и GPT-5.5.
Ключевой момент: решения этих задач были найдены в статьях, опубликованных после даты отсечки обучающих данных для GPT-5.5 и предшествующих моделей. Это означало, что протестированные модели должны были найти решения самостоятельно, а не опираться на ответы, поданные им в качестве обучающих данных. Такие статьи служили эталоном для проверки навыков моделей. Исследователи также заблокировали доступ в интернет, чтобы модели не могли искать решения в сети.
Охват исследования был ограничен: авторы сосредоточились на областях, где ИИ-модели могли разобраться в задаче без необходимости проводить симуляции или эксперименты. Тем не менее работа показывает, что ударные волны, которые сейчас ощущаются в математике, вероятно, распространятся и на другие насыщенные математикой и теорией области научных исследований.
Контекст: математика уже столкнулась с последствиями
В прошлом месяце OpenAI потрясла математический мир, объявив, что невыпущенная модель решила давнюю крупную задачу математики — уравнения Навье — Стокса, описывающие поведение движения жидкостей. Этот эпизод вызвал дополнительные споры после того, как математик из Нью-Йоркского университета, работавший с другим учёным, связанным с Anthropic, обвинил OpenAI в том, что компания опередила их, узнав об их прогрессе.
OpenAI и другие с тех пор объявили о сотнях новых решений давних математических задач, что вызвало своего рода кризис в этой области. Некоторые математики призвали ограничить использование ИИ, предупреждая, что процесс решения задач зачастую так же полезен, как и получение окончательного ответа.
Что это значит для науки
Как и в случае с математикой, по словам Томпсона, следует ожидать, что достижения в других областях будут иметь как положительные, так и отрицательные последствия. Он отмечает, что теоретические прорывы иногда двигают вперёд практические достижения в науке, и предполагает, что более широкое использование ИИ может означать, что больше прогресса будет происходить именно так.
Некоторые известные исследователи ИИ уже основали новые лаборатории, сосредоточенные на применении ИИ в науке, а крупные ИИ-лаборатории наращивают научные исследования. Эти усилия изучают, как ИИ можно наделить возможностью проводить реальные эксперименты наряду с теоретическим анализом.
ИИ может означать, что теоретики больше не требуются для решения ключевых задач, но, по словам исследователей, это не значит, что эксперты не будут нужны для осмысления решений и проверки их обоснованности. «Нам всё ещё понадобятся люди, чтобы генерировать хорошие идеи и соединять точки», — говорит Мансо. Он добавляет, что для очень сложных задач ИИ может ошибаться. (OpenAI, фактически, отозвала несколько решений в своём последнем наборе данных после публикации.) «Нам также нужны способы проверять то, что было сделано, потому что модели очень легко сказать „это правильный ответ“, а когда смотришь на всё решение целиком, начинаешь видеть, что, возможно, это не так».
Источник: WIRED
