Что случилось: 722 статьи OpenAI и одна квазигипотеза Римана
6 октября 2026 года OpenAI выложила 722 математические статьи. Одна из них заявила доказательство квазигипотезы Римана: все нетривиальные нули дзета-функции лежат в вертикальной полосе уже той, что известна математикам с XIX века. Разбор публикации и реакции математиков описывает и масштаб пакета, и то, как его встретили в сообществе.
Полная гипотеза Римана при этом не доказана, и это первое, что стоит зафиксировать. Квазигипотеза - ослабленная формулировка той же идеи о нулях. Специалисты по теории чисел за две недели разобрали текст и в основном согласны, что результат верен. Новых понятий в доказательстве нет: модель нашла упущенное семейство функций и свела воедино давно известные методы.
Дальше начинаются детали, из-за которых математики говорят о результате с оговорками. Статьи «написаны ужасно». Единственная из 722 работ, которую правил человек, - версия с более слабым результатом: полоса от 1/12 до 11/12 вместо более сильного утверждения. Кто этот редактор и почему правку получила только она, OpenAI не ответила. Формального подтверждения в Lean, насколько можно судить по доступным материалам, тоже нет.
Числа в пересказах расходятся: в части публикаций фигурирует 377 результатов вместо 722. Ниже считаем по формулировке первоисточника - 722 статьи. И держим в уме главное: речь идёт о заявлении OpenAI и оценке специалистов, а не об официально признанном результате.
Почему это не «доказательство гипотезы Римана»
Бернхард Риман сформулировал гипотезу в 1859 году и показал, что дзета-функция связана с закономерностями в простых числах. С тех пор гипотеза остаётся открытой больше 160 лет. Когда Математический институт Клэя объявлял семь «задач тысячелетия», гипотеза Римана возвышалась над остальными шестью: только она перешла в этот список из перечня задач Давида Гильберта столетней давности. История вопроса и формулировки изложены в том же разборе.
Квазигипотеза слабее. Она разрешает нулям лежать в полосе шире критической линии, то есть делает более грубое утверждение о том же объекте. Доказать более слабое утверждение проще, чем более сильное, и это ровно тот случай. Заголовки вида «ИИ доказал гипотезу Римана» появились из-за смешения двух формулировок.
Гипотеза Римана и дзета-функция простыми словами
Дзета-функция Римана записывается как ζ(s) = 1 + 1/2^s + 1/3^s + 1/4^s + ..., где s - комплексное число. У комплексного числа две части, действительная и мнимая, поэтому значения функции удобно рисовать на плоскости, а не на числовой прямой. Определения и обозначения в разборе совпадают с классическими.
Связь с простыми числами понял Риман в 1859 году: положение нулей функции управляет тем, насколько регулярно распределены простые числа. Чем точнее известна геометрия нулей, тем точнее оценки количества простых в заданном интервале.
Часть нулей тривиальна. Если s - отрицательное чётное число (−2, −4, −6, …), то ζ(s) = 0. Интерес представляют другие нули, нетривиальные, и именно их положение составляет предмет гипотезы.
Что такое нетривиальные нули дзета-функции
Нетривиальные нули - это значения s, при которых ζ(s) = 0 и которые не попадают в список отрицательных чётных чисел. Известно с XIX века, что все они лежат в критической полосе: действительная часть между 0 и 1. Это и есть та «известная с XIX века» полоса, о которой говорят в новостях.
Гипотеза Римана утверждает более сильное: действительная часть каждого нетривиального нуля равна ровно 1/2. То есть все нули выстроены на одной вертикальной линии, критической. Квазигипотеза это ослабляет: нули лежат в полосе, которая уже критической, но шире линии 1/2. В слабой версии из пакета OpenAI границы полосы - 1/12 и 11/12.
Ширина полосы важна потому, что от неё зависят оценки распределения простых чисел. Сдвиг от «где-то в полосе» к «в узкой полосе» уже даёт более точные оценки, даже если до линии 1/2 дело не дошло.
Что именно доказала модель: разбор результата
Новых математических понятий в работе нет. Модель нашла упущенное семейство функций и свела воедино давно известные методы, включая формулу, которую Максим Радзивилл и Александр Данн доказали в 2021 году. Автор разбора передаёт оценку Данна из Технологического института Джорджии: «Доказательство - неожиданный синтез хорошо известных идей».
Что это значит на практике. Результат получен не за счёт нового аппарата, а за счёт комбинации существующих инструментов, которую специалисты не заметили. Для LLM такой сценарий типичен: перебор вариантов на большой базе известных результатов, где человек проходит мимо очевидной задним числом склейки.
За две недели специалисты по теории чисел разобрали доказательство и в основном согласны с корректностью. Формулировка «в основном» здесь важна: это оценка состояния разбора, а не завершённый консенсус и не рецензирование в журнале.
Формула Радзивилла и Данна 2021 года как основа
Формула Радзивилла и Данна - один из ключевых ингредиентов. В 2021 году эти математики доказали результат, на который опирается новая работа. Александр Данн, соавтор формулы, отреагировал на доказательство именно как на синтез: его собственный инструмент сработал в связке с другими, давно известными.
Граница известного: в доступных материалах формула упоминается без выкладок, и разбирать её устройство по пересказу нельзя. Для технической проверки нужен исходный текст статьи и, в идеале, формализация. Пока публично не показано ни то, ни другое.
Почему доказательство «написано ужасно»
Оценка «написаны ужасно» относится ко всему пакету. Речь об изложении: структура, обозначения, переходы между шагами. Для математической статьи это не косметика: нечитаемый текст дороже проверять, а вероятность пропустить ошибку в нём выше.
Единственная из 722 статей, которую правил человек, - версия с более слабым результатом, полоса от 1/12 до 11/12. OpenAI не ответила, кто этот редактор и почему правку получила только она. Сам факт нейтрален, вопрос в отсутствии объяснения.
Почему математики осторожны: что говорят специалисты
Оценки расходятся по тону, но не по существу. Джаред Дьюкер Лихтман из Стэнфорда назвал доказательство «самым значительным достижением ИИ в математике на сегодня, причём с большим отрывом». Максим Радзивилл из Нью-Йоркского университета назвал последствия квазигипотезы «ошеломляющими» и добавил, что подавляющее большинство следствий гипотезы Римана вытекает уже из квазигипотезы. Цитаты и контекст приведены в разборе.
Осторожность не противоречит восторгу. Она касается трёх вещей: статуса результата (заявление, а не публикация в журнале), качества текстов и отсутствия формальной верификации. Плюс остаётся открытым вопрос, что это меняет для самой гипотезы Римана.
Почему до полной гипотезы Римана дистанция может остаться прежней
Квазигипотеза слабее полной. Метод, который доказывает слабое утверждение, не обязан масштабироваться до сильного: между «нули в узкой полосе» и «нули на линии 1/2» остаётся качественный зазор. Сжать полосу ещё раз - не то же самое, что свести её к линии.
Из квазигипотезы, по словам Радзивилла, вытекает большинство следствий гипотезы Римана. Практическая ценность от этого высокая. Сама гипотеза остаётся открытой больше 160 лет и входит в список задач тысячелетия именно в полной формулировке. Тезис «дистанция может остаться прежней» в источниках подан как предположение, а не как доказанный вывод.
Что это даёт: последствия для теории чисел, геометрии и теоретической информатики
Ценность результата определяет не новизна приёмов, а охват следствий. Радзивилл говорит, что подавляющее большинство следствий гипотезы Римана вытекает уже из квазигипотезы, и называет последствия «ошеломляющими». Формулировка принадлежит ему: это оценка специалиста, а не измеренный эффект.
Теория чисел получает более точные оценки распределения простых чисел: там, где раньше приходилось делать оговорки, полоса нулей позволяет усилить утверждения. Геометрия и смежные области используют гипотезу Римана как условное допущение в ряде конструкций, и ослабленная версия закрывает часть этих допущений. Конкретные теоремы и числовые оценки в доступных материалах не перечислены, поэтому дальше уровня направлений не идём.
Почему это важно для теоретической информатики
Гипотеза Римана давно живёт в теоретической информатике как условное допущение: на ней держатся оценки сложности некоторых алгоритмов и рассуждения о тестах простоты. Всё, что ослабляет требование к положению нулей, расширяет набор утверждений, которые можно доказывать без полной гипотезы.
Прямых прикладных выводов для разработки ПО из этой публикации не следует. Ни новых алгоритмов, ни изменений в криптографии доступные материалы не дают: стойкость схем опирается на другие допущения о вычислительной сложности, и доказательство квазигипотезы их не отменяет.
Как относиться к AI-сгенерированным доказательствам: Lean, редактор и пределы доверия
Доверие к математическому результату держится на трёх опорах: формальная проверка, человеческая экспертиза и качество изложения. В этом кейсе работали две последние, и то с оговорками.
Зачем нужна проверка доказательств в Lean
Lean - proof assistant: доказательство записывается на формальном языке, и корректность шагов проверяет программа, а не читатель. Ядро проверки отсекает логические ошибки и пропущенные случаи. Для AI-результатов это идеальный сценарий: текст переводится в Lean, и вопрос «верно ли» перестаёт зависеть от репутации проверяющих.
Ограничения у метода есть. Нужен перевод доказательства на язык Lean, а это отдельная и дорогая работа. Формализация подтверждает, что код соответствует записанному утверждению, и не гарантирует, что утверждение соответствует исходной постановке задачи. Как устроен такой конвейер на практике, разобрано в материале о формальной проверке ИИ-доказательств и кода.
Для квазигипотезы Римана публичных данных о полной формализации в Lean в доступных материалах нет. Проверка шла силами математиков за две недели. Для свежего результата это нормальная практика, но она означает, что доверие пока держится на экспертизе конкретных людей.
Роль человека-редактора и почему это важно
Из 722 статей человек правил одну, и это версия с более слабым результатом. OpenAI не объяснила ни кто редактор, ни логику выбора. Пробел в объяснении превращает мелочь в открытый вопрос: либо правка была случайной, либо за ней стоит процесс, о котором не рассказали.
Редактура влияет на проверяемость напрямую. Плохо изложенное доказательство требует больше времени на разбор, а значит, больше ошибок проходит незамеченными на первом круге. Для пакета, где человек не участвовал, риск систематических дефектов изложения выше, и это ещё один аргумент за формальную проверку.
Может ли ИИ решать открытые математические задачи: что показывает этот кейс
Кейс показывает сильный, но ограниченный результат. Модель не создала новых понятий, она нашла упущенную комбинацию известных методов. Синтез известного - отдельная способность, и она уже приносит плоды: там, где пространство вариантов велико, а ингредиенты известны, перебор работает.
Создание нового аппарата - другая задача. Она требует постановки вопросов, которых ещё никто не задавал, и здесь у LLM нет подтверждённых успехов. Поэтому доказательство квазигипотезы не стоит читать как «ИИ догнал математиков»: речь о другом классе задач.
История с пакетом статей напоминает прошлые эпизоды. В публикации о 719 рукописях только 10 содержали цепочку рассуждений модели, а 42% решений не прошли формализацию. Кейс с уравнениями Навье - Стокса тоже закончился вопросами к верификации. Сюжет один: масштаб заявлений растёт быстрее, чем инфраструктура проверки.
Чек-лист: как оценивать новости «ИИ доказал теорему»
- Что именно доказано и насколько утверждение слабее или сильнее известного результата.
- Есть ли формализация в Lean или другом proof assistant и открыт ли доступ к ней.
- Кто проверял, сколько человек и за какое время.
- Была ли человеческая редактура текста и как её проводили.
- Отвечает ли компания на вопросы о процессе и об авторе правок.
- Высказались ли независимые специалисты по теме, а не только приглашённые.
- Совпадают ли цифры в пересказах: расхождение 722 и 377 - свежий пример.
Проверку удобно начинать с первоисточника и с реакции людей, способных разобрать сам текст. Разбор истории про RSI в открытом проекте показывает тот же принцип на другом примере: заявление есть, подтверждений нет.
Практический вывод: считайте результат по квазигипотезе заметным достижением в синтезе известных методов, а не решением гипотезы Римана. Проверяемая версия появится после формализации в Lean и рецензируемой публикации. До тех пор читайте формулировки буквально, потому что квазигипотеза - не гипотеза.