Внутренняя версия нового семейства ИИ-моделей Astra достигла впечатляющего результата, решив или существенно продвинув 10 давних открытых задач в математике и теоретической информатике. Публичный доступ к модели пока отсутствует, но компания уже опубликовала подробные материалы, включая 249-страничный труд, разборы рассуждений и репозиторий с формализованными доказательствами на Lean 4.

Суть заявленного прорыва

Согласно моему анализу опубликованных данных, OpenAI утверждает, что Astra справилась с задачами в геометрии высоких размерностей, теории кодирования, арифметической схемной сложности, теории групп, квантовой сложности, решеточной криптографии и экстремальной комбинаторике. Примечательно, что затраты на токены для поиска решений составили всего около $2000 по тарифам Sol API — сумма, которая подчеркивает радикальное снижение стоимости научных исследований.

Ключевой момент — честная атрибуция. В OpenAI прямо заявили, что приписывать человеку авторство доказательства, полностью сгенерированного ИИ, было бы искажением вклада системы. Это важный прецедент для дискуссии о роли ИИ в науке.

Значимость для квантовой тематики и криптографии

Особый интерес представляют два результата. Во-первых, Astra доказала экспоненциальную параллельную повторяемость для произвольных конечных квантовых игр с двумя участниками — это может иметь последствия для квантовой верификации и интерактивных доказательств. Во-вторых, модель получила более сильный результат о сложности задачи ближайшего вектора, что критически важно для решеточной криптографии — одного из столпов постквантовой защиты. Однако подчеркну: это не означает угрозы для уже развернутых постквантовых систем.

Среди других достижений

  • Построение не-софической группы — главный результат публикации;
  • Улучшенные оценки для упаковки шаров в высоких размерностях;
  • Более сильные границы для бинарных и сферических кодов;
  • Новые нижние оценки в арифметической схемной сложности;
  • Результат по гипотезе Эрхарта об объеме;
  • Контрпример к гипотезе жесткости Конна;
  • Новые результаты по многоцветным числам Рамсея и контрпримеры к гипотезам Эрдеша.

Необходимость проверки

Формализация в Lean — мощный инструмент, снижающий риск логических ошибок, но она не заменяет научную экспертизу. Математикам предстоит оценить, насколько формальные утверждения соответствуют исходным задачам и как они вписываются в существующую литературу. Особенно это важно в свете Лейденской декларации об ИИ и математике, которая призывает сохранять рецензирование и прозрачную атрибуцию.

Показательно, что OpenAI не раскрыла количество неудачных запусков и не назвала дату публичного релиза Astra. Воспроизводимость заявленного процесса пока невозможно проверить независимо. Этот прорыв напоминает недавние случаи, когда ИИ уже опровергал 80-летние гипотезы, но здесь масштаб и глубина результатов выходят на принципиально новый уровень.

Мой вывод: мы наблюдаем переломный момент. Если результаты подтвердятся, это ускорит переход от ИИ как инструмента к ИИ как самостоятельному исследователю. Однако до тех пор, пока модель недоступна для внешнего тестирования, к заявлениям стоит относиться с осторожным оптимизмом.