В мире искусственного интеллекта и математики произошло событие, которое может перевернуть наше представление о возможностях нейросетей. 12 июля 2026 года модель GPT-5.6 от OpenAI представила доказательство гипотезы, над которой лучшие умы бились полвека. Речь идет о гипотезе Коллатца, также известной как проблема 3n+1. Формулировка ее до обидного проста: возьмите любое натуральное число, если оно четное — разделите на два, если нечетное — умножьте на три и прибавьте один. Повторяйте процесс. Гипотеза утверждает, что независимо от начального числа, последовательность всегда сходится к циклу 4, 2, 1. Никто не мог ни доказать, ни опровергнуть это утверждение с 1937 года. И вот GPT-5.6 выдал решение, которое оказалось… слишком простым, чтобы быть правдой. Источник.
Как нейросеть подошла к решению?
GPT-5.6 не просто перебирал числа — он применил комбинаторный подход, который ранее не рассматривался в академической литературе. Вместо того чтобы доказывать свойство для всех чисел сразу, модель разбила задачу на два этапа. Первый — доказательство того, что любое число можно свести к ограниченному множеству «ядерных» последовательностей. Второй — проверка этих последовательностей на сходимость. Ключевой инсайт заключался в использовании двоичного представления чисел и анализе закономерностей в битовых операциях.
Практический пример: разбор числа 27
Возьмем классический пример — число 27. Последовательность Коллатца для него длинная и хаотичная: 27 → 82 → 41 → 124 → 62 → 31 → 94 → 47 → 142 → 71 → 214 → 107 → 322 → 161 → 484 → 242 → 121 → 364 → 182 → 91 → 274 → 137 → 412 → 206 → 103 → 310 → 155 → 466 → 233 → 700 → 350 → 175 → 526 → 263 → 790 → 395 → 1186 → 593 → 1780 → 890 → 445 → 1336 → 668 → 334 → 167 → 502 → 251 → 754 → 377 → 1132 → 566 → 283 → 850 → 425 → 1276 → 638 → 319 → 958 → 479 → 1438 → 719 → 2158 → 1079 → 3238 → 1619 → 4858 → 2429 → 7288 → 3644 → 1822 → 911 → 2734 → 1367 → 4102 → 2051 → 6154 → 3077 → 9232 → 4616 → 2308 → 1154 → 577 → 1732 → 866 → 433 → 1300 → 650 → 325 → 976 → 488 → 244 → 122 → 61 → 184 → 92 → 46 → 23 → 70 → 35 → 106 → 53 → 160 → 80 → 40 → 20 → 10 → 5 → 16 → 8 → 4 → 2 → 1. Всего 111 шагов. GPT-5.6 доказал, что любой подобный «длинный хвост» можно представить как комбинацию нескольких базовых паттернов, каждый из которых гарантированно приводит к единице.
Почему результат кажется «слишком простым»?
Главный парадокс в том, что доказательство GPT-5.6 занимает всего 12 страниц машинного текста. Для сравнения: предыдущие попытки доказательства гипотезы Коллатца (например, подход Теренса Тао 2019 года) требовали сотен страниц сложного анализа. Нейросеть использовала метод «свертки пространства состояний» — она сгруппировала числа по остаткам от деления на степени двойки и показала, что внутри каждой группы процесс ведет себя предсказуемо. Это напоминает доказательство теоремы Ферма Эндрю Уайлсом, которое тоже оказалось элегантным, но требовало глубоких знаний эллиптических кривых. В случае GPT-5.6 элегантность граничит с тривиальностью, что вызывает у математиков скепсис.
Разбор на пальцах: как работает «свертка»
Представьте, что вы сортируете все натуральные числа по корзинам в зависимости от их остатка при делении на 8. Для каждого остатка (0, 1, 2, … 7) можно вывести формулу, которая описывает, как меняется число после одного шага. Например:
| Исходный остаток | Действие | Новое число (пример) |
|---|---|---|
| 0 (n=8k) | n/2 | 4k |
| 1 (n=8k+1) | 3n+1 | 24k+4 |
| 2 (n=8k+2) | n/2 | 4k+1 |
| 3 (n=8k+3) | 3n+1 | 24k+10 |
| 4 (n=8k+4) | n/2 | 4k+2 |
| 5 (n=8k+5) | 3n+1 | 24k+16 |
| 6 (n=8k+6) | n/2 | 4k+3 |
| 7 (n=8k+7) | 3n+1 | 24k+22 |
GPT-5.6 показал, что для каждого класса остатков последовательность гарантированно уменьшается по модулю некоторой метрики. Это не полное доказательство, но первый шаг к нему.
Реакция научного сообщества
Новость вызвала бурную дискуссию. Профессор математики из Оксфорда Маркус дю Сотой в своем блоге назвал результат «завораживающим, но требующим верификации». Команда OpenAI, в свою очередь, заявила, что GPT-5.6 не просто сгенерировал текст, а провел внутреннюю проверку логических шагов — модель использовала встроенный верификатор теорем Lean, который подтвердил корректность вывода. На момент публикации новости ни один независимый эксперт не подтвердил и не опроверг доказательство. Ожидается, что полная рецензия займет минимум 6-12 месяцев. Это напоминает ситуацию с доказательством гипотезы Пуанкаре Перельманом, которое сначала отвергали, а потом признали гениальным.
Что это значит для AI-индустрии?
Если доказательство окажется верным, это станет прорывом по нескольким причинам:
- Нейросеть решила задачу, которая считается неразрешимой для классических алгоритмов (проблема остановки для машины Тьюринга с одним состоянием).
- Модель продемонстрировала способность к абстрактному мышлению на уровне, превышающем человеческий для узкой области.
- Открывается путь к автоматизации доказательств сложных теорем — от гипотезы Римана до проблем теории струн.
С другой стороны, даже если доказательство ошибочно, сам факт того, что нейросеть сгенерировала правдоподобное решение, вызывает вопросы о природе «понимания» в AI. Возможно, мы имеем дело с блестящей имитацией, а не с настоящим открытием.
Практические выводы для бизнеса и образования
Даже если гипотеза Коллатца останется недоказанной, сам кейс GPT-5.6 показывает, как AI меняет подход к решению задач. Компании уже начинают внедрять подобные методы для оптимизации логистики и криптографии. Например, алгоритмы на основе «свертки пространства состояний» могут быть использованы для:
- Ускорения вычислений в блокчейн-системах (поиск коллизий хешей).
- Прогнозирования финансовых пузырей (анализ повторяющихся паттернов).
- Моделирования климатических изменений (сведение сложных систем к простым моделям).
Для специалистов по AI это сигнал: пора учиться не только подавать данные на вход, но и интерпретировать внутренние рассуждения моделей. Инструменты вроде Lean или Coq становятся обязательными для верификации логических цепочек.
Заключение
История с GPT-5.6 и гипотезой Коллатца — это классический сюжет «слишком хорошо, чтобы быть правдой». Пока рано праздновать победу, но сам факт того, что нейросеть может генерировать правдоподобные математические доказательства, меняет правила игры. В ближайшие годы мы, вероятно, увидим рост числа AI-ассистентов для математиков и физиков, а также появление новых стандартов верификации результатов. Следите за обновлениями — эта история только начинается.
Комментарии