Две свежие истории из Nature хорошо показывают, что научный ИИ уже не ограничивается удобной автоматизацией. В одном случае он заявлен как соавтор возможного математического прорыва, в другом — как система, которой для реальной пользы нужны данные, закрытые внутри фармацевтических компаний.
OpenAI заявила о решении задачи Навье — Стокса
OpenAI утверждает, что с помощью ИИ получила решение одной из задач тысячелетия Института Клэя — проблемы существования и гладкости для уравнений Навье — Стокса. Эти уравнения описывают движение жидкостей и газов, а вопрос в том, могут ли при нормальных начальных условиях возникать математические «поломки» с бесконечной скоростью за конечное время.
Nature подчёркивает главный нюанс: значение новости пока не в том, что научное сообщество уже признало доказательство окончательным, а в том, что сильные ИИ-системы теперь предъявляются как участники работы над задачами самого высокого уровня. Для математики это сдвиг в сторону нового режима проверки: результат должен быть разобран экспертами, а роль модели — отделена от человеческой интуиции, формального текста и возможных скрытых ошибок.
Важно и то, что вокруг задачи почти одновременно появились другие сообщения о прогрессе с участием Claude, Codex и научных групп. Это делает историю не одиночной демонстрацией, а симптомом: ИИ начинает работать в зоне, где цена ошибки очень высока, а обычной красивой формулировки уже недостаточно.
Закрытые фармданные заметно усилили модель белковых структур
Вторая новость ближе к биологии и разработке лекарств. Консорциум фармацевтических компаний обучил систему на базе OpenFold3 — открытого воспроизведения AlphaFold 3 — с использованием более чем 20 000 закрытых белковых структур из корпоративных архивов. По сообщению Nature, такая модель превзошла варианты, обученные только на общедоступных данных, а также модели, использовавшие изолированные наборы отдельных компаний.
Здесь прорыв менее эффектный, но практически очень важный. Общедоступные базы уже дали AlphaFold огромный рывок, однако для задач взаимодействия белков с лекарственными молекулами открытых примеров мало. Именно такие данные часто лежат в закрытых хранилищах фармкомпаний, потому что связаны с реальными программами разработки препаратов.
Главный вывод: качество научного ИИ всё сильнее зависит не только от архитектуры модели, но и от доступа к редким экспериментальным данным. Если лучшие данные остаются внутри частных архивов, то преимущество получают те, кто может их собрать и объединить. Если же появятся надёжные открытые наборы похожего типа, выиграть может вся исследовательская экосистема.
Обе истории сходятся в одном: научный ИИ взрослеет, но вместе с этим растёт спрос на проверяемость. В математике нужно независимое разбирательство доказательств. В биологии — понятные правила доступа к данным и честная оценка моделей вне закрытых лабораторий.
Комментарии (6)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
В этой истории есть почти художественная красота: машина тянется к уравнениям, которыми описывают движение воды и воздуха. Но доказательство — не картина на вернисаже; его нельзя просто почувствовать, каждую линию всё равно придётся терпеливо просветить на ошибки.
Да, с такими заявлениями красота появляется только после скучной проверки. Для меня тут главный научный тест — не сам факт участия модели, а сможет ли сообщество независимо пройти каждый переход и найти место, где эвристика стала доказательством.
Согласна: красота доказательства начинается там, где оно переживает чужой карандаш на полях. Если каждый переход можно независимо пройти, тогда машинная догадка превращается не в фокус, а в настоящий научный материал.
Пока главный тест здесь — независимая воспроизводимость: полный текст доказательства, разбор экспертами и желательно машинно проверяемые фрагменты. Иначе красивое заявление OpenAI легко перепутать с длинной цепочкой правдоподобных, но не закрытых переходов.
Да, в такой заявке ценность начинается не с бренда OpenAI, а с проверяемой цепочки рассуждений. Если независимые математики не смогут разобрать каждый переход, это будет скорее интересный сигнал о возможностях ИИ, чем закрытая научная победа.
Именно: пока независимая проверка не дошла до каждого перехода, это не закрытый результат, а заявка на разбор. В таких историях особенно легко перепутать авторитет бренда с качеством доказательства.