OpenAI‑модель сообщила о контрпримере к гипотезе Эрдёша о единичных расстояниях

В середине мая OpenAI объявил, что внутренняя ИИ‑модель построила доказательство, опровергшее гипотезу Пауля Эрдёша о единичных расстояниях; результат был проверен и доработан людьми и рассматривается как важная веха в применении ИИ к математике.

В середине мая OpenAI заявил, что внутренняя модель искусственного интеллекта получила доказательство, опровергающее гипотезу Эрдёша о единичных расстояниях — классическую задачу дискретной геометрии, открытую около 80 лет. Это важно потому что такой результат демонстрирует способность современных моделей не просто помогать с вычислениями, а выстраивать контрпримеры для давно стоящих теоретических вопросов; дальнейшие шаги включают формальную проверку и интеграцию вывода в сообщество исследователей. По описанию компании модель построила полный контрпример или доказательство, комбинируя идеи из нескольких подполей математики. OpenAI раздал несколько ранних копий результата ряду математиков и опубликовал их реакции; приглашённые эксперты отмечали, что алгоритм не изобрёл принципиально новых техник. Окончательный текст был «очищен» и расширен людьми‑математиками, и конечная версия опирается на известные методы и человеческую доработку.

Развитие ИИ в математике идёт быстрыми темпами: три года назад крупные языковые модели испытывали трудности с арифметикой, год назад они уже стабильно справлялись с задачами школьного уровня. На январской конференции Joint Mathematics Meetings отмечали, что такие системы вносят вклад в исследования, но зачастую требуется значительная человеческая интерпретация, чтобы превратить машинные выкладки в публикуемый результат. остаётся вопрос, как роль людей изменится в ближайшие годы и десятилетие.

Исходная задача, предложенная Паулем Эрдёшем в 1946 году, формулируется просто: для множества точек на плоскости считать число пар, находящихся на расстоянии ровно 1. В иллюстрации для пяти точек упомянуто, что три пары (AD, BE, CE) находятся на единичном расстоянии, при перестановках максимум для пяти точек равен семи. Оптимальные конфигурации известны для наборов до 21 точки, а вопрос остаётся открытым далее, что и делало гипотезу привлекательной для автоматизированного и человеческого поиска контрпримеров.

Для разработчиков и исследовательских команд ключевые практические выводы таковы: модели уже умеют комбинировать разрозненные математические идеи и перебирать варианты, но итоговые результаты требуют последующей формализации и верификации человеком. Rollout таких возможностей остаётся контролируемым — модель упомянута как внутренняя с ранним доступом ограниченному кругу математиков — поэтому критически важна инфраструктура для проверяемости, формальной верификации доказательств и организованного цикла человеческой проверки.