
Способность искусственного интеллекта решать ранее открытые математические задачи ставит более сложный вопрос: способен ли он предложить действительно новую идею, которой прежде не было в человеческой математике?
По мнению кандидата технических наук, доцента, руководителя Лаборатории прикладного искусственного интеллекта СПб ФИЦ РАН Максима Абрамова, такие примеры уже существуют.
Новую идею ИИ предложить может. Более того, он уже предлагал какие-то задачи, над которыми можно было подумать.
Один из показательных случаев произошел еще в 2021 году. Исследователи DeepMind применили машинное обучение к задачам чистой математики. В теории узлов система обнаружила ранее неизвестную связь между алгебраическими и геометрическими характеристиками узлов, после чего математики смогли исследовать ее традиционными методами и получить новые результаты.
Авторы работы подчеркивали, что машинное обучение в данном случае использовалось не вместо математика, а для обнаружения закономерностей, которые могли направить человеческую интуицию. Другой показательный случай связан с гипотезой Эрдеша 1946 года о единичных расстояниях. В 2026 году модель OpenAI нашла контрпример, используя аппарат алгебраической теории чисел.
Однако даже подобные случаи не позволяют однозначно установить, действительно ли идея возникла у модели впервые.
Как доказать новизну идеи ИИ
Строго доказать, что этих или похожих идей не было в обучающих данных, нельзя. Абрамов отмечает, что корпус огромен, и внешний исследователь не может проверить его целиком. Новизну оценивают косвенно, и у каждого способа есть ограничения. Первый способ — проверить научную литературу. Но даже он не гарантирует, что предполагаемое открытие действительно новое.

Так, 25 декабря 2025 года участники сообщества, занимающегося задачами Эрдеша, сообщили о первом полностью автономном решении еще не решенной задачи. Однако спустя несколько часов обнаружилась работа самого Эрдеша 1977 года, в которой это решение уже содержалось.
Такой случай показывает, что способность ИИ найти правильный ответ сама по себе еще не доказывает совершения открытия: модель может фактически заново получить уже известный, но забытый или плохо индексируемый результат.
Второй способ — экспертная оценка. Специалисты могут определить, выглядит ли предложенный подход новым по сравнению с известной им литературой. Но здесь возникает более фундаментальная проблема: граница между новой идеей и новой комбинацией существующих методов размыта и в человеческой науке.
Третий способ — формальная проверка доказательства, например в системе Lean. Она позволяет установить, что логические шаги корректны, однако отвечает на другой вопрос.
Как доказать ценность идеи
Проблема оценки новизны существует не только в математике. Абрамов обращает внимание на исследование Стэнфорда, в котором более 100 специалистов по обработке естественного языка оценивали научные идеи, предложенные людьми и языковой моделью.

На первоначальном этапе рецензенты оценили идеи ИИ как более новые: в среднем 5,64 балла против 4,84 у людей. Но когда часть идей попытались реализовать на практике, их оценки заметно изменились.
Поэтому появление у модели необычного математического хода еще не позволяет автоматически называть его открытием. Но если новая идея приводит к ранее неизвестному результату, который выдерживает человеческую и формальную проверку, граница между «комбинацией известных подходов» и самостоятельным вкладом ИИ становится все менее очевидной.
Ранее ИИ научили выявлять опасные штаммы бактерий и искать пробиотики.


