У мережі поширилася заява: модель OpenAI розв'язала рівняння Нав'є-Стокса, одну із задач тисячоліття, а слідом ішлося про понад сотню інших відкритих математичних проблем. Для вас як користувача з цього випливає просте: моделі справді сильні в розрахунках і аналізі, але відповідь від них усе одно перевіряють. Що саме заявлено, як такі результати визнають у математиці і що з цієї новини знадобиться в роботі — розбираємо по порядку.
Заявлено, що модель OpenAI розв'язала рівняння Нав'є-Стокса і понад сотню інших відкритих математичних задач, а ймовірність випадкового збігу назвали мізерною. У математиці результат вважають розв'язком лише після того, як його розбере спільнота фахівців, і на це йдуть місяці. Тенденція при цьому справжня: моделі OpenAI, Google і Anthropic показують дедалі сильніші результати на складних задачах. Практичний висновок: доручайте моделі розбір даних, пошук закономірностей і перевірку чужої логіки, а підсумкові цифри перераховуйте самостійно.
Короткий словник
- Задача тисячоліття — одна з кількох найскладніших відкритих математичних проблем зі списку, який склав Математичний інститут Клея.
- Рівняння Нав'є-Стокса — рівняння руху рідин і газів: за ними рахують течію в трубі, обтікання крила, прогноз погоди.
- Препринт — текст наукової роботи, викладений у відкритий доступ до рецензування, щоб колеги могли його прочитати й покритикувати.
- Рецензування — перевірка роботи іншими фахівцями галузі перед публікацією у виданні.
- Галюцинація — впевнена, але неправильна відповідь моделі: вигадане джерело, помилковий підрахунок, неіснуючий факт.
Що сталося: заява про Нав'є-Стокса і про сотню інших задач
Спершу в соцмережах, потім у переказах новинних каналів з'явилося повідомлення: модель OpenAI впоралася з рівняннями Нав'є-Стокса, а згодом ішлося про понад сотню інших нерозв'язаних математичних задач. Там же наводилася оцінка ймовірності помилки, мізерна за величиною, і згадувалося, що результати переглянули незалежні фахівці.
Формулювання «розв'язала задачу тисячоліття» звучить однозначно. За ним, проте, стоїть ціла процедура, про яку в переказах новин не пишуть.
Тому далі буде дві частини. Спершу про те, що це за задача і як математика взагалі визнає розв'язок. Потім про те, що з цієї новини має практичну вагу для людини, яка користується ШІ в роботі чи навчанні.
Рівняння Нав'є-Стокса простими словами
Ці рівняння описують рух рідини й газу. Вода в трубі, повітря навколо крила, дим над містом, атмосфера у прогнозі погоди — усе це вони. Записали їх ще позаминулого століття, і на практиці вони працюють: за ними проєктують насоси, літаки, системи охолодження.
Складність починається там, де від рівнянь вимагають строгого доведення. Досі невідомо, чи для будь-яких початкових умов у тривимірному просторі розв'язок існує завжди і чи залишається він «гладким», тобто без раптових стрибків у нескінченність. Інженерам це не потрібно: вони рахують наближено, на комп'ютері. Математика хоче доведення, яке працює в усіх випадках без винятку.
Чому цю задачу називають задачею тисячоліття
На початку двохтисячних Математичний інститут Клея склав короткий список відкритих проблем, і питання про існування та гладкість розв'язків Нав'є-Стокса потрапило до нього. Кожна задача в цьому списку опиралася математикам десятиліттями. Саме тому будь-яке повідомлення про закриту задачу звідти викликає стільки уваги.
Як у математиці визнають, що задача розв'язана
Порядок тут зовсім інший, ніж у новинах. Спочатку автор виносить текст на загал препринтом, щоб колеги могли прочитати кожен крок. Далі робота йде на рецензування у видання: інші фахівці шукають у ній пробіл. Потім починається найдовше — розбір спільнотою, коли доведення тягнуть на семінари й намагаються зламати. Лише після цього результат вважають визнаним.
Для задач зі списку інституту процедура ще суворіша: між публікацією і визнанням має пройти час, за який спільнота встигає розібратися. Між заявою і визнанням у математиці лежать місяці роботи інших людей.
Шлях заяви про математичний результат до визнання
- Чернетка розв'язку
- Препринт у відкритому доступі
- Рецензування у виданні
- Перевірка спільнотою
- Результат визнано
- Перевірка спільнотою
- знайшли пробіл у доведенніЧернетка розв'язку
- Пост у соцмережі
- першоджерела немаєЗаява без підтвердження
Відсутність препринту чи публікації не робить заяву хибною. Вона означає, що перевірити її поки нічим. Для читача це дві різні ситуації: в одній є що читати самому, в іншій залишається тільки довіра до переказу.
Чому оцінка «ймовірність помилки мізерна» не є перевіркою
Ця фраза переконує найсильніше і водночас говорить найменше. Доведення не буває правдоподібним: кожен його крок або коректний, або ні. Статистична оцінка доречна там, де є випадковість — у вимірюваннях, опитуваннях, експериментах. У доведенні випадковості немає, тому ймовірність помилки в ньому не рахують, його читають рядок за рядком.
Коли така цифра з'являється в новині про математичний результат, вона зазвичай стосується впевненості моделі у власній відповіді. Це інша величина. На впевненості моделей збудований окремий клас помилок: про те, як кілька моделей погоджуються між собою і всі разом помиляються, ми розбирали в матеріалі про узгоджені відповіді Codex, Grok і Claude.
Три різні речі, які в новинах злипаються в одну
У переказах усе це називають однаково: «нейромережа розв'язала задачу». За цими словами стоять три різні події, і складність у них різна.
Різниця має практичний сенс. Перший випадок нічого не говорить про межі моделі, другий говорить багато, третій був би подією для всієї галузі.
Не лише OpenAI: чому це тенденція, а не одиничний випадок
Схожі повідомлення приходять і від Google, і від Anthropic: їхні моделі теж показують результати на задачах олімпіадного рівня й допомагають математикам розбирати викладки. Отже, йдеться про напрям розвитку цілої галузі, а окрема заява стоїть у довшому ряду подібних.
Для користувача висновок звучить просто. Можливості моделей у математиці й аналітиці зростають швидко, тому звичка перевіряти, що вони вміють саме на ваших задачах, корисніша за очікування чергового прориву.
Олімпіадна задача і відкрита проблема вимагають різного. У першої є відома відповідь, і перевірка займає секунди. У другої немає ні відповіді, ні швидкого способу з'ясувати, чи правильно до неї підійшли.
Де межі моделі: складне вдалося, просте все одно варто перевірити
Правило «зміг складне, значить зробить просте» для мовних моделей не діє. Модель здатна розібрати громіздку задачу і тут же неправильно порахувати частку від суми, переплутати дату або втратити рядок у таблиці. Причина в тому, що вона не рахує, як калькулятор: вона добирає найімовірніше продовження тексту, і в арифметиці цього буває мало.
Що таке галюцинація і чому впевнений тон нічого не гарантує
Галюцинація — це впевнена, але неправильна відповідь. Модель не сумнівається вголос, не ставить знак питання, не пише «я не знаю». Через це неправильна цифра виглядає точно так само, як правильна: тим самим спокійним тоном, у тому самому форматі.
Звідси робоче правило. Тон відповіді не є ознакою її якості: питайте проміжні кроки, просіть показати, звідки взялося число, і перераховуйте те, від чого залежить рішення.
Що з цього взяти вже сьогодні
Практична частина цієї новини лежить у наборі задач, які модель закриває надійно.
Аналітичні задачі, де модель дає надійний результат
Яку свою задачу можна віддати ШІ вже сьогодні?
- Розібрати таблицю витрат чи випискуТак, це сильна сторона моделі — але підсумкові суми перерахуйте самі
- Знайти закономірність у даних продажівТак, модель добре формулює гіпотези — далі перевіряєте їх на своїх цифрах
- Перевірити логіку чужого розрахункуТак, це надійно: модель бачить пропущені кроки й підміну одиниць
- Підготувати структуру звіту чи документаТак, це рутинна робота з формою, де помилитися майже нема в чому
- Порахувати остаточну суму, від якої залежить рішенняДані містять персональні чи платіжні відомості?
- Таку чат не завантажуйте, працюйте з узагальненими цифрами
- Ніпросіть проміжні кроки і перераховуйте підсумок вручну
- Отримати точну цифру для звітності чи податківНі, це не задача для моделі — потрібне джерело, яке відповідає за цифру
Технічної підготовки для цього не потрібно. Достатньо показати дані й чітко сказати, який результат вам потрібен.
- Розбір витрат. Дайте таблицю платежів, і модель розкладе їх по категоріях, зведе підсумки за період, покаже, де витрата виросла.
- Пошук закономірностей у продажах. Модель добре формулює гіпотези: який день тижня провальний, які позиції тягнуть одна одну. Гіпотезу далі перевіряєте на своїх цифрах.
- Перевірка чужої логіки. Покажіть готовий розрахунок і попросіть знайти пропущений крок або підміну одиниць. Тут модель уважніша за втомлену людину.
- Структура звіту чи документа. Рутинна робота з формою, де помилитися майже нема в чому.
- Переклад задачі у формулу. Опишіть побутовими словами, що треба порахувати, і попросіть формулу з поясненням кожного множника.
Якщо на цьому етапі виникає спокуса спершу вивчити «правильні» інструменти аналітики, подивіться розбір про те, з чого починати аналіз даних в епоху AI.
Як сформулювати запит, щоб відповідь була придатною
Якість відповіді залежить від кількості конкретики у питанні. Покажіть дані, назвіть одиниці виміру, скажіть, який результат потрібен, і попросіть показати кроки.
«Проаналізуй мої витрати і скажи, де я переплачую». Модель не бачить ні сум, ні категорій, ні періоду. У відповідь вона видасть перелік загальних порад, який підійшов би будь-кому.
«Ось витрати за три місяці: категорія, сума, дата. Порахуй частку кожної категорії, покажи проміжні підсумки й познач рядки, де сума помітно зросла. Якщо якихось даних бракує, скажи про це замість того, щоб додумувати».
Чого не робити, працюючи з ШІ над розрахунками
- Не спиратися на цифру без перевірки. Будь-який підсумок, від якого залежить рішення, перерахуйте самі або попросіть модель показати кроки й перевірте один з них.
- Не завантажувати персональні та платіжні дані. Приберіть прізвища, номери карток і рахунків, залиште суми та категорії. Про те, що модель здатна зібрати про людину, є окремий розбір ризиків цифрової ідентичності.
- Не приймати обсяг відповіді за доказ. Довге пояснення з формулами буває неправильним так само, як коротке.
- Не переносити успіх на суміжну задачу. Модель добре розібрала витрати — це ще нічого не говорить про те, як вона порахує податок.
Як за кілька хвилин перевірити гучну новину про ШІ
Порядок однаковий для будь-якої заяви.
Перевірка гучної новини про ШІ за п'ять хвилин
- Побачили заяву
- Знайшли першоджерело
- Перевірили, чи є препринт або блог лабораторії
- Подивилися реакцію фахівців
- Зробили висновок
- Знайшли першоджерело
- це переказ переказуПобачили заяву
- Перевірили, чи є препринт або блог лабораторії
- нічого немаєПоки що тільки заява
Спершу знайдіть першоджерело: хто сказав це першим. Якщо канал переказує інший канал, першоджерела ще немає. Далі подивіться, чи є препринт або запис в офіційному блозі лабораторії. Потім перевірте, що про це кажуть фахівці з галузі. Немає нічого з переліченого — перед вами заява, яку ще ніхто не перевіряв.
Перевірка забирає кілька хвилин і згодиться з будь-якою наступною новиною про ШІ. А час, зекономлений на суперечках про чужу заяву, вкладіть в один свій сценарій: візьміть реальну таблицю, поставте моделі конкретне питання і подивіться, що вона відповіла.