Как пишет Wired, на прошлой неделе в Массачусетском технологическом институте (MIT) состоялся доклад Нила Томпсона, который изучает прогресс в вычислениях и искусственном интеллекте. За полчаса Томпсон убедительно продемонстрировал, что несколько научных областей могут быть кардинально изменены благодаря ИИ. В то время как математики испытывают шок от автоматизации своей сферы, последнее исследование Томпсона предполагает, что вероятностная теория, теория статистики, экономическая теория, теория высоких энергий, гравитация и космология, а также квантовая физика могут стать следующими жертвами ИИ, благодаря быстро развивающимся возможностям передовых моделей. Исследование показывает, что с середины 2024 года до середины 2026 года лучшие модели ИИ смогли правильно решать около 2% теоретических задач в этих областях, а затем этот показатель увеличился до 35%. И нет признаков того, что этот прогресс замедлится. «В течение всего нескольких лет мы ожидаем, что многие теоретические задачи будут полностью преобразованы в плане возможностей ИИ», — говорит Томпсон. В общем, лаборатория Томпсона изучает, как достижения в области компьютерных наук влияют на общество и стимулируют инновации. Это исследование, проведенное Томпсоном совместно с аспирантом Габриэлем Мансу и научным сотрудником Клаудио Майринком Вердуном, взяло задачи, изложенные в научных статьях, опубликованных онлайн в период с декабря 2025 года по май 2026 года, и проверило, могут ли различные модели OpenAI — o1, o3, GPT-5, GPT-5.1, GPT-5.4 и GPT-5.5 — решить их. Критически важно, что решения этих задач были найдены в статьях, опубликованных после завершения обучения для GPT-5.5 и предшествующих моделей. Это означает, что модели, которые они тестировали, должны были самостоятельно находить решения, а не полагаться на ответы, предоставленные в качестве обучающих данных. (Эти статьи служили основой для проверки навыков решения задач моделями.) Исследователи также ограничили доступ в интернет, что помешало тестируемым моделям искать решения онлайн. Области, охваченные исследованием, были ограничены — группа сосредоточилась на областях, в которых модели ИИ могли находить решения без необходимости проводить симуляции или эксперименты. Однако работа предполагает, что те шоковые волны, которые в настоящее время ощущаются в математике, вероятно, распространится на другие области научного исследования, насыщенные математикой и теорией. В прошлом месяце OpenAI потряс мир математики, объявив, что не выпущенная модель решила давнюю, грандиозную задачу в математике, известную как уравнение Навье-Стокса, которое касается уравнений, объясняющих поведение движения жидкости. Этот эпизод вызвал дополнительную контроверсию после того, как математик из НЙУ, который работал с другим ученым, связанным с Anthropic, обвинил OpenAI в том, что они опередили их, узнав о их прогрессе. С тех пор OpenAI и другие объявили о сотнях решений давних математических задач, что привело к некоему кризису в этой области. Некоторые математики призвали ограничить использование ИИ, предупреждая, что процесс решения задач часто так же полезен, как и конечный ответ. Как и в случае с математикой, Томпсон говорит, что мы должны ожидать, что достижения в других областях будут иметь как положительные, так и отрицательные последствия. Он отмечает, что теоретические достижения иногда приводят к практическим прорывам в науке и предполагает, что более широкое использование ИИ может означать, что больше прогресса происходит именно таким образом. Некоторые известные исследователи ИИ уже основали новые лаборатории, сосредоточенные на ИИ для науки, и крупные лаборатории ИИ усиливают научные исследования. Эти усилия исследуют, как ИИ может быть наделен полномочиями для проведения реальных экспериментов наряду с теоретическим анализом. ИИ может означать, что теоретики больше не нужны для решения ключевых задач, но исследователи говорят, что это не означает, что эксперты не будут нужны для понимания решений и обеспечения их корректности. «Нам все еще понадобятся люди для генерации хороших идей, чтобы связать все воедино», — говорит Мансу. Он добавляет, что для очень сложных задач возможно, что ИИ может ошибаться. (На самом деле, OpenAI отозвала несколько решений в своем последнем наборе данных после публикации.) «Нам также нужны способы проверки того, что было сделано, потому что очень легко для модели сказать вам «это правильный ответ», и когда вы смотрите на все решение, вы начинаете видеть, что, возможно, это не так. Материал подготовлен нейросетью на основе оригинальной публикации. ИИ может ошибаться в деталях (цифры, имена, даты, цитаты) — для важной информации сверяйтесь с первоисточником.