Мы привыкли, что искусственный интеллект — это тупой копировальщик. Он перерисовывает стили, переписывает тексты, перекомбинирует чужое. Сам придумать ничего не может.
Так говорили даже математики.
«Вот когда ИИ докажет теорему, которую не смог доказать человек, — тогда поговорим».
6 января 2026 года им пришлось заткнуться.
🧠 Задача, которая ждала 51 год
В 1975 году венгерский математик Пол Эрдёш — человек, который спал на диванах у коллег и посвятил жизни 1500 статей — записал в свой легендарный список очередную проблему. Простая формулировка. Сложное доказательство.
Задача #728. О делимости факториалов.
51 год её никто не мог закрыть. Профессиональные математики обходили стороной. Теренс Тао — «Моцарт математики», живой гений, — возможно, и мог бы, но у него были дела поважнее.
А потом пришли трое: GPT-5.2 Thinking, GPT-5.2 Pro и Aristotle.
Кто это сделал и как?
Вот что бесит больше всего.
Никакая корпорация. Никакая секретная лаборатория DeepMind с миллиардным бюджетом.
Студент-математик под ником AcerFur и парень с Реддита ThunderBeanage.
Они взяли общедоступные модели, скормили им открытую проблему и нажали Enter.
Схема была такой:
- GPT-5.2 Thinking — разведчик. Он исследовал задачу, нащупал подход, предложил идею.
- GPT-5.2 Pro — черновик. Написал неформальное доказательство в LaTeX. Сначала накосячил. Ему указали — исправил.
- Aristotle — верификатор. Специальный математический ИИ, который переводит доказательства в Lean — «язык программирования» для математики. Если компьютер проверил — ошибок нет.
Решение подтвердил Теренс Тао лично.
«Это первый случай, — написал Томас Блум из Манчестерского университета, — когда AI сгенерировал доказательство, с которым аспирант мог бы прийти ко мне, и я бы сказал: это стоит опубликовать».
Но это только начало
Пока математики привыкали к мысли, что ИИ может доказывать теоремы, в других науках произошло то же самое — просто мы не сразу заметили.
🧪 Химия
Система MOSAIC, описанная в Nature 29 января 2026, спроектировала синтез 52 новых молекул. Химики пошли в лабораторию, смешали реагенты по инструкции ИИ — и 35 из них получились.
ИИ предложил условия реакций, которых не было в обучающих данных. Он придумал новый способ синтеза азаиндолов — и он сработал.
🧬 Генетика
28 января 2026 DeepMind публикует в Nature AlphaGenome.
98% человеческого генома — это «тёмная материя». Не кодирующие белки участки, которые работают как переключатели. Мы не понимали, что они делают и как мутации в них приводят к болезням.
AlphaGenome обрабатывает последовательности ДНК длиной до миллиона пар оснований — и предсказывает функцию этих участков с точностью, превосходящей все существующие модели в 25 из 26 тестов.
Это не просто инструмент. Это первый ИИ, который читает геном как книгу — и понимает, что там написано.
🧬 Синтетическая биология
А вот это уже страшно и круто одновременно.
Команда из Университета Райса создала технологию CLASSIC. Она позволяет собирать миллионы генетических конструкций одновременно и проверять, как они работают в живых клетках.
Они натренировали ИИ на этих данных.
ИИ предсказал 40 новых генетических схем. Все 40 сработали идеально.
«Мы начали выстраивать их, — вспоминает аспирант Кшитидж Рай, — и первый заработал, второй заработал… потом они просто пошли один за другим. Все 40 совпали с предсказанием».
Профессор Калеб Башор говорит прямо: «ИИ-дизайн — это будущее синтетической биологии».
И Марс
В декабре 2025 года ровер Perseverance впервые в истории сам спланировал свой маршрут.
Никаких «водителей» на Земле. Никаких джойстиков. Снимки, карта, препятствия — всё обработал ИИ.
Марсоход проехал 210 метров. Потом ещё 246.
«Мы движемся ко дню, — говорит инженер NASA Ванди Верма, — когда генеративный ИИ будет вести роверы на километровые дистанции, пока люди просто пьют кофе».
⚠️ Но есть большой нюанс.
В том же январе 2026清华大学 — группа из Tsinghua University — опубликовала в Nature исследование, от которого стынет кровь.
Учёные, использующие ИИ, публикуют в 3 раза больше статей. Получают в 4,8 раза больше цитирований. Становятся профессорами на 1,3 года раньше .
Но.
Разнообразие науки падает.
Исследователи стаями бегут туда, где много данных и ИИ умеет работать. В неясные, тёмные, неудобные области — никто не идёт.
Коллективная широта знаний сократилась на 4,6% только за последние годы.
Авторы называют это «эффектом альпинистов»: все штурмуют Эверест, потому что там флажки и протоптано. А рядом стоят неизведанные пики — и они никому не нужны .
🧠 Что всё это значит
6 января 2026 года — дата, которую, возможно, будут учить в школе.
В этот день ИИ перестал быть просто инструментом. Он стал автором.
Он не скопировал решение из интернета. Его не существовало в интернете. Он придумал его.
И теперь вопрос не в том, «сможет ли ИИ заниматься наукой».
Вопрос в том: кем будем в этой науке мы?
Помощниками? Заказчиками? Зрителями?
Или теми, кто всё ещё осмеливается идти туда, где не ступала нога алгоритма?
✨ Хочешь быть в курсе того, что реально происходит в науке, а не в пересказах желтых новостей?
Мы в «Наука и Факты» следим за тем, как ИИ меняет исследовательский ландшафт. Не пугаем терминами, не льем воду. Только события, которые переписывают историю прямо сейчас.
Подпишись — и не дай алгоритмам думать за тебя.
👉 https://t.me/+YaqfvyKJoJFmODky