OpenAI заявила о решении задачи Навье — Стокса — одной из семи «проблем тысячелетия» с призом $1 млн. Если результат подтвердится, это будет одно из крупнейших математических достижений XXI века. При этом OpenAI открестилась от получения приза, а ученые обвинили компанию в краже. Вокруг открытия возник спор о приоритете и роли ИИ в научных прорывах, и он может привести к пересмотру существующей парадигмы взаимодействия науки с большими языковыми моделями.
8 сентября OpenAI опубликовала доказательство того, что трехмерные уравнения Навье — Стокса способны за конечное время породить сингулярность — точку, в которой скорость жидкости обращается в бесконечность. Самим уравнениям больше полутора веков. В 2000 году Математический институт Клэя включил задачу в список «проблем тысячелетия» и назначил за ее решение $1 млн.
Неожиданно для научного сообщества доказательство представила внутренняя модель OpenAI, запущенная примерно 10 тыс. параллельных агентов. По данным компании, агенты работали около 88 часов, обменялись 2,7 млн сообщений и израсходовали порядка 130 млрд выходных токенов. Формализация доказательства на языке Lean заняла еще 17 часов. Вычислительные затраты OpenAI оценила в миллионы долларов, при этом от претензий на денежный приз компания отказалась.
Однако пока рано говорить о том, что «ИИ решил одну из задач тысячелетия» как об установленном факте. Результат еще предстоит проверить независимым математикам. В фундаментальной науке наличие доказательства и наличие общепризнанного результата — не одно и то же. Если результат подтвердится, научному сообществу придется обсуждать не только само доказательство, но и правила взаимодействия с ИИ-системами, которые начинают играть всё более заметную роль в исследованиях.
Соревнование человека и машины остается одной из самых популярных тем с момента появления искусственного интеллекта. Однако в случае с задачей Навье — Стокса говорить о прямой конкуренции пока преждевременно.
ИИ еще не начинает заменять ученого. Но и рассматривать его как обычный инструмент уже становится всё труднее.
Современные модели способны не только ускорять вычисления или искать информацию. Они могут генерировать гипотезы, предлагать исследовательские направления, анализировать огромные массивы научной литературы и участвовать в построении доказательств. В истории с Навье — Стоксом мы впервые увидели масштабную демонстрацию такого подхода.
Поэтому вопрос сегодня стоит не столько о конкуренции человека и машины, сколько о перераспределении ролей внутри научного процесса. Традиционные правила науки строились на предположении, что идеи, гипотезы и открытия создаются людьми, а инструменты лишь помогают их проверить. Появление исследовательских ИИ-систем заставляет пересматривать это разделение.
Через сутки после публикации OpenAI математическая дискуссия превратилась в спор о научном приоритете.
Профессор Нью-Йоркского университета Тристан Бакмастер сообщил, что вместе с математиком Левентом Альпеге около года двигался к близкому результату, и предположил, что OpenAI активизировала работу после того, как узнала об их исследованиях. В компании ответили, что не использовали чужие материалы, а запуск агентов состоялся после появления слухов о возможном решении сразу нескольких «проблем тысячелетия». Одновременно OpenAI признала приоритет Бакмастера и Альпеге в смежных результатах для уравнений Эйлера и предложила синхронизировать публикации.
Со стороны невозможно достоверно установить, чья версия событий ближе к истине. Но именно по этой причине спор оказался настолько показательным.
Существующие процедуры научного приоритета создавались для мира, в котором исследователи обмениваются статьями, письмами, докладами и препринтами. Они плохо отвечают на вопрос, как распределять приоритет в ситуации, когда обе стороны используют ИИ-системы, способные за считаные дни развивать идеи, на которые раньше уходили годы работы.
Показательно и то, что обе стороны активно использовали современные ИИ-инструменты. По собственному описанию, Бакмастер и Альпеге работали с Claude и моделями OpenAI через Codex. OpenAI использовала многоагентную систему. При этом математическая линия, по которой двигались исследователи, восходит к более ранним работам ученых. В результате провести границу между вкладом отдельного ученого, вкладом модели и вкладом предшествующих исследований сложно.
Традиционная система научного приоритета опирается на дату публикации, препринт или публичный доклад. Но эпоха больших языковых моделей делает такой подход недостаточным.
Во-первых, происхождение идеи становится менее прозрачным. Мы не видим ни полного состава обучающих данных моделей, ни внутренних цепочек рассуждений многоагентных систем. Во-вторых, резко сокращается время между появлением информации о перспективном направлении и получением результата. Слухи о чужих исследованиях существовали всегда. Новым стало то, что теперь они могут превращаться в полноценные научные результаты за считаные дни.
В-третьих, появляется необходимость фиксировать роль самого ИИ в исследовании. Сегодня ученые подробно описывают оборудование, методику эксперимента и источники данных. В ближайшие годы аналогичным стандартом может стать раскрытие того, какие модели использовались, какие задачи им ставились и какую часть работы они выполнили.
Фактически наука подходит к моменту, когда публикации и цитирования могут перестать быть единственными механизмами фиксации авторства. На первый план может выйти история происхождения результата: как возникла идея, какие инструменты использовались и каким образом был получен итоговый вывод.
Даже если доказательство Навье — Стокса окажется корректным, это не означает немедленных изменений в инженерной практике. Аэродинамика, гидравлика и метеорология десятилетиями используют численные методы без окончательного решения самой математической проблемы.
Автор — руководитель лаборатории прикладного искусственного интеллекта СПб ФИЦ РАН, доцент, кандидат технических наук
Позиция редакции может не совпадать с мнением автора
