Grok 4.6 доказал сложную математическую гипотезу, открыв новую главу для ИИ в науке
Искусственный интеллект Grok 4.6 от SpaceXAI самостоятельно доказал сложную комбинаторную гипотезу, известную как 'Greedy is least speedy', что стало демонстрацией способности современных ИИ-моделей совершать полноценные математические открытия и вносить вклад в фундаментальную науку.
ИИ Grok 4.6 доказал комбинаторную гипотезу
Искусственный интеллект Grok 4.6 самостоятельно доказал сложную комбинаторную гипотезу. Математик Паата Иванишвили сообщил, что модель в среде Grok Build справилась с доказательством гипотезы Холмса, Холройда и Рамиреса, которую он назвал "Greedy is least speedy". По данным источника, модель доказала более сильную комбинаторную Гипотезу 5 из той же статьи, из чего основное утверждение следует автоматически.
Доказательство оформлено в короткую научную заметку. Соавторами стали Паата Иванишвили и Шэнтун Чжан. Исходная гипотеза сформулирована в научной работе под индексом 2203.02443 и касается комбинаторных свойств алгоритмов. ИИ не просто нашел решение, а оформил его в формате, пригодном для публикации и верификации. Grok 4.6 работал в связке со средой Grok Build, предназначенной для написания и проверки кода.
Этот результат демонстрирует переход от моделей, генерирующих текст и код, к системам, способным на дедуктивные рассуждения. Способность ИИ доказывать теоремы открывает возможности для его применения в математике, теоретической информатике, проверке корректности программного обеспечения и физике. Это также ставит практические вопросы: как интегрировать такие способности в работу исследователей и как оценивать вклад ИИ в открытие. Успех Grok 4.6 может усилить конкуренцию среди создателей моделей в направлении улучшения логических возможностей.
Для пользователей и разработчиков это означает, что инструменты на базе ИИ могут выйти за рамки автоматизации рутинных задач и стать партнерами в исследовательской работе. В перспективе это может ускорить научно-технический прогресс - ИИ сможет помогать проверять гипотезы, находить связи в данных или предлагать новые направления. Однако это требует развития конкретных навыков: умения четко формулировать задачи для ИИ, а также интерпретировать и критически оценивать его выводы. Ключевой вывод - технология переходит от простой генерации к выполнению сложных логических операций, что требует от пользователей нового уровня взаимодействия с системами искусственного интеллекта.
