Учёные раскритиковали OpenAI за ложный анонс математического прорыва

OpenAI оказалась в центре скандала после того, как поспешно объявила о математическом прорыве новой модели GPT-5, который в реальности не произошёл. Директор по продуктам компании Кевин Вейль (Kevin Weil) в своём посте в социальной сети X написал, что GPT-5 нашла решения для 10 ранее нерешённых задач Эрдёша и добилась прогресса ещё в одиннадцати.

Коллеги Вейля поддержали это утверждение, создав впечатление, что искусственный интеллект (ИИ) разработал доказательства для сложных вопросов теории чисел, что могло бы стать признаком его способности к самостоятельным научным открытиям. Однако, как сообщает The Decoder, математик Томас Блум (Thomas Bloom), владеющий сайтом erdosproblems.com, немедленно опроверг эти заявления, назвав их «драматическим неверным толкованием». Он разъяснил, что пометка «open» на его ресурсе означает лишь то, что ему лично неизвестно решение, а не то, что проблема действительно не решена научным сообществом. По факту, GPT-5 лишь обнаружила уже существующие научные работы, которые Блум упустил из виду, а не сгенерировала новые доказательства.

Инцидент вызвал жёсткую критику со стороны ведущих экспертов в области ИИ. Генеральный директор DeepMind Демис Хассабис (Demis Hassabis) охарактеризовал эту ситуацию как «неловкую». Глава подразделения ИИ в Meta✴ Ян Лекун (Yann LeCun) иронично заметил, что OpenAI стала жертвой собственной шумихи. Под давлением критики оригинальные сообщения были удалены, а исследователи признали свою ошибку.

При этом реальная история о полезности GPT-5 оказалась в тени. Модель действительно доказала свою эффективность в качестве инструмента для исследований, способного отслеживать релевантные академические публикации. Это особенно ценно для задач, где научная литература разрознена или отсутствует единая терминология. Известный математик Теренс Тао (Terence Tao) видит в этом главный практический потенциал искусственного интеллекта в математике. Он заявил, что ИИ наиболее полезен не для решения сложнейших проблем, а для ускорения рутинных задач, таких как поиск литературы, что может помочь «индустриализировать» математику и ускорить прогресс в этой области. При этом Тао подчёркивает, что человеческий опыт критически важен для анализа, классификации и безопасной интеграции результатов, полученных с помощью ИИ, в реальные исследования.