OpenAI оприлюднила 722 математичні рукописи, написані ШІ; математики протестують

Головна зміна не в тому, що математику автоматизовано, а в тому, що масове створення правдоподібних досліджень стає відокремленим від їхньої перевірки.

Що це означає. 6 жовтня OpenAI опублікувала 722 рукописи, згруповані в 372 родини результатів. Здебільшого їх згенерувала внутрішня модель, яку ще не випустили, після спроб розв'язати приблизно 4,000 задач. За оцінкою OpenAI, на середній результат пішло стільки обчислень, скільки на три години міркувань ChatGPT Pro. Репозиторій містить формалізації в Lean для частини результатів і скорочені підсумки міркувань: openai.com та github.com.

Уже 7 жовтня, після трьох відкликань, початковий каталог скоротився до 719 рукописів. Помилка в знаку зруйнувала аргумент в одному рукописі та конструкцію, яку використовували два залежні від нього. OpenAI також повідомила, що виправила 14 інших рукописів: github.com. Це водночас демонструє і дослідницький потенціал ШІ, і небезпеку сприймати обсяг публікацій як перевірені відкриття.

Перевірка має стати частиною результату. Lean може механічно перевіряти формалізовані доведення, але рукопис без формалізації все одно потребує ретельного математичного розгляду; до того ж формальна перевірка залежить від правильного формулювання теореми та відповідних припущень. Документація самого репозиторію визнає, що деякі неформалізовані результати можуть містити проблеми: github.com та lean-lang.org.

Незалежна Дорадча група з математики та штучного інтелекту прямо заявляє, що публікація починає, а не завершує процес включення створених ШІ робіт до математичного знання. Вона також наголошує, що математики мають зберегти свободу самі формулювати свої питання і що доступ до дослідницьких інструментів та обчислювальних ресурсів має значення: agmai.org.

Авторство та стимули. Безпосередній ризик полягає в тому, що дослідники місяцями самостійно працюватимуть над задачами, які вже розглянули в недоступних експериментах ШІ, або що їхній внесок стане важко відрізнити від згенерованого машиною. Публікації про реліз описують занепокоєння щодо зірваних дослідницьких програм і математиків на початку кар'єри: businessinsider.com. Математичне визнання має розрізняти, хто сформулював задачу, хто розробив аргумент, хто його перевірив і хто написав або переглянув виклад. Системи ШІ не можуть брати на себе наукову відповідальність замість авторів-людей.

Що має статися зараз?

• Математикам: надавати пріоритет незалежному відтворенню важливих результатів, вивчати залежності між рукописами, відкрито публікувати виправлення та зберігати датовані записи про свій внесок. Не вважати результат ні істинним, ні хибним лише тому, що його створив ШІ.
• Студентам: вивчати написання доведень і формальну перевірку паралельно з дослідженнями за допомогою ШІ. Сприймати відповіді моделі як гіпотезу чи кандидата на доведення, доки їх не перевірено.
• Журналам: вимагати чіткого розкриття використання ШІ, відповідального людського авторства, відтворюваних допоміжних матеріалів і чіткого розмежування між формально перевіреними та незалежно рецензованими твердженнями. Запровадити швидкі процедури виправлення для залежних результатів.
• Лабораторіям ШІ: випускати доступні моделі або надавати рівноцінний дослідницький доступ, документувати промпти й методи достатньо докладно для відтворення, позначати статус перевірки для кожної статті, публікувати карти залежностей, фінансувати незалежну перевірку та забезпечувати довговічну історію версій.

Потреба в цих запобіжниках узгоджується з вересневими рекомендаціями AGMAI, які прямо закликають лабораторії ШІ припинити тестувати складні математичні задачі на закритих моделях, недоступних ширшій науковій спільноті: agmai.org.

Що буде далі? Найімовірніший найближчий результат — змішаний дослідницький процес: ШІ генерує кандидатні результати, люди визначають їхню значущість і правильність, а формальні системи доведень дедалі більше беруть на себе ту частину, яку можна перевірити. Вирішальним мірилом буде не те, скільки рукописів напише модель, а те, скільки з них витримає незалежну перевірку й стане корисним математичним знанням.

1. openai.com
2. github.com
3. github.com
4. github.com
5. agmai.org
6. agmai.org
7. businessinsider.com
8. unite.ai
9. lean-lang.org
10. openai.com
11. developers.openai.com

Що сталося. 6 жовтня 2026 року OpenAI виклала 722 рукописи в 372 родинах на github.com/openai/math за ліцензією Apache-2.0 (unite.ai). Їх створила неназвана внутрішня модель, якій дали близько 4,000 задач. На середній результат пішло приблизно три години обчислень рівня ChatGPT Pro (github.com). Близько 42% головних результатів формалізовано в Lean (github.com), а приблизно половину випустили без підтвердження (retractionwatch.com). 7 жовтня OpenAI відкликала три статті, бо там, де мало бути -1, стояло +1. Ця помилка зруйнувала статтю «Algebraicity of Weil classes on split abelian eightfolds» і дві статті, що на ній ґрунтувалися. OpenAI також переглянула 14 інших рукописів (retractionwatch.com, implicator.ai). Тепер у каталозі 719 рукописів (github.com).

Що це означає. 1) Найважче в математиці тепер — перевіряти результати, а не отримувати їх. Пакет такого розміру не встигає опрацювати жодне людське рецензування. Відкликання показують, що результати, не перевірені комп'ютером, можуть виявитися хибними, а версійовані списки виправлень на GitHub стають частиною наукового запису (github.com). Lean доводить лише твердження в тому вигляді, в якому його ввели. Людина все одно має підтвердити, що формальне твердження відповідає справжній гіпотезі (letsdatascience.com). 2) Сторонні дослідники не можуть відтворити роботу. Промпти, назва моделі та обсяг обчислень на кожну задачу лишилися закритими (letsdatascience.com). Andrew Sutherland із MIT заявив, що твердження про розв'язання задач з першої спроби слід вважати неперевіреними, доки модель не випустять (letsdatascience.com). 3) Авторство оскаржують. README містить лише цитування у форматі BibTeX і не має жодної політики щодо авторства (github.com). Суперечка про авторство вже виникала після вересневої заяви OpenAI щодо рівнянь Нав'є — Стокса (letsdatascience.com). 4) Спільнота розділилася. Пов'язана з IAS дорадча група (AGMAI) закликала лабораторії депонувати результати в архівах, які не контролює жодна лабораторія, розкривати промпти, час і вартість та звітувати про невдалі спроби. Вона також заявила: «ми не схвалюємо» тестування на недоступних моделях (unite.ai). Асоціація людської математики назвала реліз «демонстрацією сили» й закликала математиків припинити співпрацю з OpenAI (retractionwatch.com).

Що далі. Чекайте нових виправлень, нових доведень у Lean і, ймовірно, нових відкликань. OpenAI пообіцяла все це (retractionwatch.com). Компанія також каже, що працює над тим, щоб «відповідально випустити» модель, але жодної дати не назвала (unite.ai). За повідомленнями, модель досі навчається (aiweekly.co). Інші лабораторії, ймовірно, зроблять подібні масові заяви, а суперечки про правила публікації загостряться.

Що робити зараз.

• Математикам: оберіть результати зі своєї галузі й перевірте їх або формалізуйте в Lean. Кожен підтверджений чи спростований результат — це реальні дані. Віддавайте належне людям, які виправляють чи перевіряють доведення. Багато з цих задач тепер «заявлені», а не закриті.
• Студентам: навчайтеся на матеріалах репозиторію. Перевіряйте, чи кожне твердження в Lean справді відповідає теоремі, читайте підсумки міркувань і тренуйтеся знаходити помилки. Уміння перевіряти доведення стало цінною навичкою.
• Журналам і arXiv: вимагайте назву моделі, промпти, обсяг обчислень і статус формалізації для кожного результату, створеного ШІ. Фінансуйте перевірку як окремий напрям рецензування й залишайте відкликані версії видимими.
• Лабораторіям ШІ: виконуйте рекомендації AGMAI повністю. Це означає нейтральний архів із DOI, промпти й обсяг обчислень для кожного результату, невдалі спроби та критерії відбору. Дайте незалежним дослідникам доступ, щоб вони могли відтворити роботу, і фінансуйте людську перевірку, потребу в якій створюють ваші релізи (unite.ai).

1. unite.ai
2. github.com
3. retractionwatch.com
4. implicator.ai
5. letsdatascience.com
6. aiweekly.co

6 жовтня 2026 року OpenAI опублікувала публічний репозиторій на GitHub (openai/math) із 722 математичними рукописами (згодом їх стало 719), згрупованими в 372 родини результатів. Їх створила одна передова внутрішня модель, яку ще не випустили. Моделі поставили приблизно 4,000 задач; на кожен прийнятий результат у середньому пішло стільки обчислень, скільки на близько трьох годин міркувань ChatGPT Pro. Формалізації в Lean мала лише меншість головних результатів (спершу ~162 рукописи; пізніше повідомлялося про ~42 % головних результатів). OpenAI попередила, що деякі неформалізовані результати можуть містити проблеми, і пообіцяла швидко їх виправляти. Через день вона відкликала три рукописи, бо помилка в знаку зруйнувала ключовий аргумент і дві залежні статті, а ще чотирнадцять переглянула. Реліз подали як роботу з оцінювання моделі, підготовлену з урахуванням консультацій із незалежною Дорадчою групою з математики та штучного інтелекту (AGMAI) при Інституті перспективних досліджень (IAS). Утім, згодом AGMAI заявила, що її участь не означала ні схвалення процесу, ні оцінки значущості результатів.

Цей епізод показує, що передові моделі здатні за короткий час генерувати великі обсяги кандидатних результатів щодо відкритих задач у математиці, теоретичній інформатиці та суміжних галузях. Водночас він оголює розрив між генерацією та традиційними процесами перевірки, викладу, цитування, контекстуалізації та визнання заслуг. Lean дає машинно перевірювані гарантії для формалізованої частини, проте навіть формалізовані доведення потребують людської уваги: треба підтвердити, що твердження в Lean відповідає заявленому математичному результату і що супровідний виклад зрозумілий. Швидка поява помилки, неповна формалізація та сам масштаб викликали широке занепокоєння, що спільноту змушують розгрібати «сміття» (slop) або що це «затоплення простору» («flooding the zone»). Критики, зокрема Асоціація людської математики (чию заяву поширив Terence Tao), назвали одночасний випуск понад 700 файлів демонстрацією сили, а не науки, і закликали математиків припинити співпрацю з OpenAI. AGMAI та інші наголошували, що публічний випуск — лише перший крок до людського розуміння.

Найближчим часом спільнота продовжить перевіряти репозиторій: з'являтимуться нові формалізації в Lean, виявлятимуться нові помилки чи правки, а окремі результати буде прийнято або відкинуто. OpenAI заявила, що фінансуватиме воркшопи й надалі покращить виклад, цитування та розкриття інформації. Журналам, серверам препринтів і комісіям із найму доведеться вирішувати, як ставитися до створених ШІ рукописів без чіткого людського авторства, повної формалізації чи звичного контексту наукової літератури. Студенти й дослідники отримають і нові інструменти, і нові ризики вкласти зусилля в результати, які згодом виявляться хибними чи незрозумілими.

Математикам слід насамперед незалежно перевіряти найцінніші твердження, вимагати прозорих даних про відбір задач і невдачі та наполягати на чіткому позначенні статусу формалізації й відповідності між природною мовою та Lean. Студентам варто сприймати рукописи як неперевірені чернетки, доки не сформується консенсус спільноти. Журналам слід розробити чіткі правила щодо робіт, створених ШІ (авторство, відтворюваність, вимоги до формалізації). Лабораторіям ШІ слід випускати моделі або достатньо інструментів для незалежної повторної оцінки, публікувати негативні результати й узгоджувати протоколи релізів із настановами спільноти, перш ніж генерувати нові великі пакети.

1. github.com
2. openai.com
3. unite.ai
4. github.com
5. retractionwatch.com
6. nature.com
7. theverge.com
8. scientificamerican.com
9. agmai.org
10. ahmath.org
11. openai.com

6 жовтня 2026 року OpenAI опублікувала в публічному репозиторії GitHub openai/math за ліцензією Apache-2.0 722 рукописи, згруповані в 372 родини. Їх створила передова внутрішня модель, яку ще не випустили. Моделі поставили близько 4,000 задач, і на кожен результат у середньому пішло приблизно три години обчислень на міркування ChatGPT Pro. Багато рукописів мають формалізації в Lean, але на момент релізу головні результати було формалізовано лише в 162. README попереджає, що деякі неформалізовані результати можуть містити проблеми і що перевірка триває поетапно.

7 жовтня історія репозиторію зафіксувала три відкликання: помилка в знаку в статті «Algebraicity of Weil classes on split abelian eightfolds» зруйнувала аргумент про скорочення стабілізаційного сліду та конструкцію, яку використовували дві залежні статті. Ці три статті тепер відкликано з повідомленнями про прогалини. Чотирнадцять інших рукописів переглянули й виправили в них доведення, ще 13 оновили, щоб вони посилалися на переглянуті версії. Тепер у каталозі 719 рукописів у 372 родинах, і близько 42% головних результатів формалізовано (300/719).

Реакція була різкою. У публікаціях зазначають, що математиків приголомшив масштаб; у колективному листі викладання понад 700 файлів за раз назвали «не демонстрацією науковості, а демонстрацією сили». Асоціація людської математики (AHM), яку очолює лауреат Філдсівської премії Terence Tao, звинуватила OpenAI в порушенні базових норм і закликала математиків припинити з нею співпрацю: мовляв, математики не просили цієї роботи, а масовий реліз перевантажує перевірку.

Для математики це означає, що створення теорем уперше в такому масштабі відокремилося від людського розуміння. Дефіцитним ресурсом стає вже не розв'язання, а перевірка, пояснення та інтеграція. Lean перетворюється з необов'язкового доповнення на необхідну інфраструктуру знання, а результати тепер існують у трьох станах: перевірені машиною; зрозумілі людині, але неформалізовані; і дослідницькі зачіпки.

Те, як результати отримують, перевіряють і зараховують, має змінитися. Отримання результатів тепер — це автоматизований відбір: поставити тисячі задач, відфільтрувати за значущістю й згрупувати в родини. Перевірка потребує публічної історії версій, постійних ідентифікаторів і багаторівневих позначок статусу, а не бінарного «опубліковано чи ні». Авторство нечітке: блоки BibTeX вказують рукопис, але не промпт, вартість чи людей-редакторів. Дорадча група з математики та ШІ при IAS, з якою консультувалася OpenAI, рекомендувала лабораторіям депонувати роботи в репозиторіях, які не контролює жодна лабораторія; публікувати назву моделі, промпти, стислий ланцюжок міркувань, час і вартість; формалізувати якомога більше; пояснювати критерії відбору та частку невдач; не використовувати релізи як маркетинг; і фінансувати через неприбуткові організації воркшопи, літні школи та науково-популярні книжки, забезпечуючи справедливий доступ до моделей.

Ймовірно, далі будуть: нові відкликання й правки, спільний спринт спільноти для розширення покриття Lean, пояснювальні переписування в людському стилі — як у випадку з моделлю Anthropic, коли дослідникам платили за те, щоб вони переклали ключову ідею ШІ зрозумілою мовою, — і фінансовані воркшопи, які обіцяє провести OpenAI.

Що робити зараз: математикам — сортувати результати за родинами й статусом у Lean, не кидатися наввипередки заявляти права, організовувати групи читання, щоб перетворювати чужорідні доведення на ідеї, які можна викладати; студентам — вивчати Lean 4 і вчитися критично розбирати підсумки міркувань, але зберігати класичну підготовку заради інтуїції; журналам і arXiv — вимагати розкриття походження від ШІ, обсягу обчислень і рівня перевірки, тримати історію версій доступною, захищатися від масового збирання даних для навчання; лабораторіям ШІ — виконувати рекомендації AGMAI, публікувати промпти й скорочені міркування, забезпечувати справедливий доступ, фінансувати роботу з осмислення, уникати раптових викидів по 700 файлів і координувати відповідальне розкриття.

1. unite.ai
2. github.com
3. github.com
4. aiweekly.co
5. glonce.com
6. davidborish.com

Публікація OpenAI на GitHub 722 математичних рукописів, згенерованих ШІ (згрупованих у 372 родини), зміщує математичні дослідження: раніше це була творчість у людському темпі, а тепер головне — величезне вузьке місце перевірки. Роботу створила внутрішня модель, яку ще не випустили, і в Lean перевірено лише частину, тож математики мають справу з безпрецедентним обсягом неперевірених препринтів. Це ставить під сумнів традиційні уявлення про визнання заслуг, рецензування та інтелектуальну власність людини.

Для математики це означає потік можливих відкриттів, який може перевантажити людські можливості перевірки, якщо не поєднати його з формальними системами доведень. Що ж до отримання результатів і визнання заслуг, авторство стає розмитим, і постає питання, як зараховувати внесок закритої системи, яку ще не випустили.

Далі, найімовірніше, незалежні математики кинуться формально перевіряти або спростовувати решту препринтів, а наукові інституції дедалі рішучіше опиратимуться тому, що доступ до передового математичного міркування контролюють закриті компанії.

Математикам і студентам варто використовувати формальні мови доведень, як-от Lean, щоб самостійно перевіряти результати машин. Журнали мають посилити стандарти для робіт, створених за допомогою ШІ, і вимагати формальної перевірки там, де це можливо. Лабораторії ШІ мають перейти до практик відкритої науки: ділитися моделями, на яких отримано результати, або прозоро співпрацювати з науковцями, перш ніж заповнювати публічні репозиторії неперевіреними технічними твердженнями.

1. unite.ai
2. github.com
3. retractionwatch.com