В мире науки произошло событие, которое может перевернуть представление о роли искусственного интеллекта в фундаментальных исследованиях. Группа итальянских физиков, в которую вошел лауреат Нобелевской премии Джорджо Паризи, успешно решила сложнейшую математическую задачу в области статистической механики. Ключевым фактором успеха стало использование генеративной нейросети Claude.
Десятилетняя загадка «джеминга»
Исследователи из Римского университета ла Сапьенца опубликовали работу, которая положила конец десятилетнему научному спору. В центре дискуссии находилась так называемая проблема джеминга (jamming) — явления внезапного отвердения гранулированных систем.
В физике этот термин описывает процесс, при котором в сыпучих материалах (например, в резервуаре с пластиковыми шариками) резко возрастает плотность. Система мгновенно теряет текучесть и превращается в жесткую структуру, образуя своеобразную «пробку» из частиц. Еще в 2014 году Джорджо Паризи, Франческо Дзампони и их коллеги математически описали это состояние.
Численные расчеты изначально четко показывали, что два ключевых параметра модели в сумме всегда дают единицу. Однако объяснить, почему эта закономерность работает и какая фундаментальная структура стоит за ней, научное сообщество не смогло более десяти лет.
Нейросеть как «вторая пара глаз»
Принимая во внимание прогресс в математических способностях генеративного ИИ, Паризи и Дзампони решили привлечь к решению Claude. Сначала они попросили модель воспроизвести старые числовые расчеты, а затем предложили ей самостоятельно найти математическое подтверждение гипотезы о равенстве суммы параметров единице.
Первый вариант доказательства, сгенерированный ИИ, содержал немало грубых ошибок и требовал нескольких раундов ручной проверки и редактирования со стороны физиков. Однако именно подсказка нейросети вывела авторов на «элегантное и лаконичное доказательство».
Как отметил Франческо Дзампони, ИИ изложил базовую идею очень быстро. Решение все это время лежало на поверхности, но человеческий мозг склонен усложнять задачи там, где срабатывает простая логика. Генеративные модели способны замечать простые паттерны, которые ученые часто игнорируют в поисках глубинных теоретических структур.
Новая роль ИИ в науке
Этот кейс демонстрирует реальные возможности и ограничения искусственного интеллекта в научной работе. Математик из Принстона Уилл Савин отметил, что ИИ сегодня является отличным инструментом для поиска скрытых закономерностей и анализа массивов литературы, которые человек может пропустить.
В настоящее время нейросети не способны генерировать принципиально новые научные концепции без участия экспертов. Однако они эффективно работают как «вторая пара глаз», снимая «замыленность взгляда» у профильных специалистов. Окончательное слово, верификация формул и принятие решений все равно остаются исключительной компетенцией людей.
