Модели ИИ демонстрируют быстрый прогресс в решении теоретических задач в разных научных областях
Исследование MIT показывает, что продвинутые системы ИИ увеличили уровень успешного решения теоретических вопросов в экономике, физике и смежных дисциплинах с около 2 % до 35 % между серединой 2024 г. и серединой 2026 г., указывая на более широкие последствия за пределами математики.
Исследователи Массачусетского технологического института сообщили, что передовые модели ИИ значительно улучшили свою способность решать теоретические задачи в таких областях, как теория вероятностей, статистика, экономическая теория, физика высоких энергий, гравитация, космология и квантовая физика. В исследовании рассматривались задачи, опубликованные в научных статьях в период с декабря 2025 г. по май 2026 г., и тестировалась серия моделей OpenAI, включая версии GPT-5, на их решение без доступа к интернету и без использования данных, полученных после отсечения обучения. Результаты показывают, что доля правильно решённых задач возросла с примерно 2 % до около 35 % за двухлетний период, без признаков замедления прогресса.
«В течение нескольких лет мы ожидаем, что многие теоретические вопросы будут полностью трансформированы с точки зрения возможностей ИИ их решать», — сказал Нил Томпсон, исследователь компьютерных наук в MIT.
Учёные подчеркнули, что набор тестовых задач был ограничен теми, которые можно решить без проведения симуляций или экспериментов, однако они считают, что эта тенденция отражает недавние потрясения, вызванные ИИ в математике. Ранее в этом году OpenAI объявила, что не выпущенная модель решила задачу Навье-Стокса, вызвав дебаты в математическом сообществе. Последующие решения, сгенерированные ИИ, старых математических проблем спровоцировали обсуждения роли ИИ в исследованиях.
Томпсон и его соавторы предупреждают, что хотя ИИ может автоматизировать некоторые аспекты теоретической работы, человеческая экспертиза останется необходимой для генерации идей, проверки результатов и интерпретации выводов. «Нам всё ещё нужны люди, которые генерируют хорошие идеи, чтобы соединять точки», — сказал Габриэль Мансо, аспирант, участвующий в исследовании. Он добавил, что ИИ может допускать ошибки, подчёркивая необходимость надёжных методов валидации.
Полученные данные свидетельствуют о том, что прогресс в теории, управляемой ИИ, может ускорить научный прогресс, но также поднимает вопросы о том, как исследователи будут интегрировать и контролировать вклад ИИ в разных дисциплинах.