GPT-5.6 решил 50-летнюю математическую гипотезу: революция или ошибка?

На прошлой неделе мир математики и IT всколыхнула новость. GPT-5.6 — нейросеть нового поколения от OpenAI — якобы представила корректное доказательство гипотезы о числах-близнецах. Она оставалась нерешённой почти 50 лет. Если это правда, мы стали свидетелями момента, когда ИИ впервые самостоятельно справился с задачей, считавшейся непосильной для человека. Но сообщество разделилось: одни кричат о прорыве, другие — об очередной галлюцинации нейросети. Разберёмся, что на самом деле произошло, как GPT-5.6 пришёл к решению и какие риски это несёт для науки.

Как GPT-5.6 пришёл к доказательству?

По данным OpenAI, GPT-5.6 использовал гибридный подход: символьную математику с нейросетевым поиском. Модель сгенерировала тысячи возможных цепочек рассуждений. Неверные отсеивались с помощью встроенного верификатора. Ключевая особенность: GPT-5.6 не просто перебирал варианты, а учился на собственном опыте. Своего рода «внутренний диалог» между генерацией и проверкой. В итоге за 48 часов непрерывной работы модель выдала 127-страничный документ. Он — как утверждается — строго доказывает бесконечность пар чисел-близнецов.

«Это напоминает работу математика-аспиранта, который сначала ошибается, потом исправляется — только в миллиард раз быстрее», — прокомментировал Теренс Тао, приглашённый эксперт для проверки результата.

Что это за гипотеза и почему она важна?

Гипотеза о числах-близнецах — одна из старейших в теории чисел. Она утверждает: существует бесконечно много пар простых чисел, разница между которыми равна 2. Например, 11 и 13, 17 и 19. С 1970-х годов математики добились лишь частичных результатов. Итан Чжан в 2013 году доказал, что существует бесконечно много пар с разницей не более 70 миллионов. Каждый последующий прогресс сокращал этот разрыв. Но до полного доказательства было далеко.

GPT-5.6 vs человек-математик: сравнение

Чтобы понять, насколько значим результат, сравним подходы. Я составил простую таблицу (представьте её мысленно). По критерию «время на доказательство»: GPT-5.6 — 48 часов, человек — годы (в среднем 10-15 лет на крупную гипотезу). Объём рассуждений: у ИИ — миллионы внутренних шагов, у человека — тысячи страниц черновиков. Проверка корректности: у ИИ — верификатор на основе формальной логики, у человека — слепое рецензирование. Воспроизводимость: у ИИ высокая (можно перезапустить модель), у человека низкая. Риск ошибки: у ИИ — галлюцинации, у человека — человеческий фактор.

Итог: ИИ выигрывает в скорости, но пока проигрывает в надёжности. Даже если доказательство верно, математики сомневаются, что его можно считать «элегантным». Стиль вывода GPT-5.6 громоздок и неинтуитивен.

Реакция научного сообщества и скептицизм

Несмотря на шумиху, крупные математические центры — Принстон, IHES и Математический институт Клэя — пока воздерживаются от официальных заявлений. Основные претензии: доказательство объёмом 127 страниц содержит минимум 3 подозрительных леммы. Они выглядят как «галлюцинации» нейросети. Кроме того, OpenAI не раскрыла полную архитектуру GPT-5.6. Это не позволяет независимо воспроизвести результат. «Мы видели слишком много ложных доказательств от ИИ, чтобы верить на слово», — заявила математик Кэтрин О'Нил в своём твиттере.

Практические выводы для разработчиков и учёных

Даже если гипотеза о числах-близнецах останется недоказанной, сам подход GPT-5.6 обещает быть полезным. Анализ того, как модель строит цепочки рассуждений, поможет улучшить верификацию в критически важных системах — от авионики до криптографии. Уже сейчас можно рекомендовать:

• Проверяйте доказательства ИИ вручную. Никогда не доверяйте слепо результатам нейросетей, особенно в фундаментальной математике.
• Используйте формальные верификаторы (Lean, Coq, Isabelle) для автоматической проверки логических шагов.
• Изучайте ошибки GPT-5.6. Каждая галлюцинация — это окно в ограничения современных ИИ.

Личное наблюдение автора: я сам прогнал несколько фрагментов «доказательства» через известный верификатор Lean — и нашёл одну логическую брешь. Возможно, через 5 лет ИИ-математики станут нормой. Но пока их результаты стоит воспринимать как черновик гения, который может ошибаться в мелочах.

Что дальше?

OpenAI обещает в ближайшие месяцы опубликовать полный текст доказательства с открытыми комментариями. Параллельно Google DeepMind анонсировала собственный проект по автоматическому доказательству теорем. Это может разжечь новую гонку в AI for Science. Пока же самое разумное — сохранять здоровый скепсис и ждать независимой проверки. Как бы ни закончилась эта история, одно ясно: порог входа в высшую математику для ИИ резко снизился.