Перейти к основному контенту

Как GPT-5.6 Sol помог опровергнуть 150‑летнюю гипотезу Максвелла

Узнайте, что утверждала гипотеза Максвелла, как контрпример с пятью зарядами её опроверг, и что вклад GPT-5.6 Sol говорит о месте ИИ в математических исследованиях.
Обновлено 2 авг. 2026 г.  · 10 мин читать

Изучить с помощью AI

Открыть в ChatGPTОткрыть в ClaudeОткрыть в Perplexity

Поместите три одинаковых электрических заряда в вершины равностороннего треугольника, и получившееся поле будет иметь четыре точки равновесия, где все силы притяжения и отталкивания взаимно компенсируются: одну в центре и три чуть внутри сторон. Теперь добавьте два очень малых заряда чуть выше и чуть ниже этого центра. Центральная точка равновесия распадается на двадцать одну, и вся конфигурация переходит к двадцати четырём.

Такая конструкция была выложена на arXiv 29 июля как контрпример к гипотезе Максвелла — оценке числа точек электростатического равновесия, восходящей к трактату Максвелла 1873 года. Авторы также указали, что идея пришла от крупной языковой модели. Ниже я расскажу, что утверждала гипотеза, как работает контрпример, что сделал и чего не делал GPT-5.6 Sol, и почему раскрытие источника идеи, возможно, не менее интересно, чем сам результат.

Короткий ответ: как пала гипотеза Максвелла

Гипотеза устанавливала верхнюю границу числа точек равновесия поля от n точечных зарядов: не более (n−1)2. Для пяти зарядов это означает 16. Филип Аратун, Гэвин Болл и Мэттью Квалхейм построили конфигурацию из пяти зарядов как минимум с 24 точками — прямой контрпример. Геометрическую идею предложил GPT-5.6 Sol; трое авторов провели анализ, запустили компьютерную алгебру и написали доказательство.

С этим резюме на руках посмотрим, откуда взялась гипотеза и почему она так долго держалась.

Что такое гипотеза Максвелла?

Джеймс Кларк Максвелл поднял этот вопрос в коротком фрагменте своего трактата 1873 года Treatise on Electricity and Magnetism, спросив, сколько точек равновесия может породить система зарядов. Почти столетие это оставалось проходным замечанием, пока Марстон Морс и Стюарт Кернс не поставили тот же вопрос в 1969 году, по-видимому, не зная, что Максвелл был первым. Это мелкая деталь, которая мне почему‑то особенно нравится.

Точное формулирование, вокруг которого теперь спорят, появилось в 2007 году, когда Андрей Габриэлов, Дмитрий Новиков и Борис Шапиро внимательно прочитали тот фрагмент Максвелла и превратили его в гипотезу: если все точки равновесия потенциала, созданного n зарядами, не вырождены, их может быть не более (n−1)2. Это единственная формула, которая вам действительно нужна, так что если алгебра вас напрягает, худшее уже позади. Оценка тривиально верна для двух зарядов. Для трёх никто не знает, действительно ли максимум равен четырём, за исключением частного случая, когда все три заряда равны.

Чтобы понять, почему эта граница важна, полезно разобраться, что такое точки равновесия на самом деле.

Понимание гипотезы Максвелла на простом примере

Каждый заряд создаёт поле. Поместите несколько зарядов в комнате, и их поля наложатся, толкая и притягивая в разных направлениях в каждой точке пространства. В некоторых местах силы от каждого заряда точно компенсируются, и пробная частица, помещённая туда, не почувствует никакой результирующей силы. Это и есть точки равновесия, их также называют критическими точками электростатического потенциала.

Их подсчёт — это не просто бухгалтерия. Количество и расположение этих точек ограничивают форму всего поля, как плоские участки горного хребта ограничивают то, как может быть устроен весь хребет. Поэтому верхняя граница на их число — это на самом деле утверждение о том, насколько сложным может быть электростатическое поле, и именно поэтому вопрос, заданный мимоходом в 1873 году, держал математиков занятыми полтора века.

Поняв, что именно защищала гипотеза, разберёмся, как она была опровергнута.

Как была опровергнута гипотеза Максвелла

Конструкция достаточно короткая, чтобы описать её в четырёх шагах. Если не хотите разбирать гессианы, пропустите заметку на arXiv; интересна форма аргумента:

  • Разместите три единичных заряда в вершинах равностороннего треугольника. Такое поле имеет четыре точки равновесия: одну в центре и три, смещённые внутрь вдоль сторон.
  • Добавьте два гораздо меньших заряда на оси симметрии: один чуть выше плоскости и один чуть ниже, образуя неглубокую тригональную бипирамиду.
  • Три крайние точки равновесия сохраняются. Центральная — нет. Она бифурцирует в семейство из 21 точки равновесия: 10 с одним индексом Морса и 11 — с другим.
  • Три плюс двадцать одна дают как минимум 24 невырожденные критические точки из пяти зарядов при прогнозируемом потолке 16.

Величины зарядов выбраны не произвольно. Авторы подбирают конкретное значение так, чтобы ведущий член потенциала от малых зарядов компенсировал соответствующий член от треугольника, и именно это выявляет тонкую структуру, порождающую 21 точку. Есть и шаг, который легко пропустить при первом чтении: изложенный аргумент сам по себе не исключает существования вырожденных критических точек где‑то ещё в конфигурации, поэтому авторы применяют аргумент трансверсальности к слегка возмущённому набору величин зарядов, что устраняет эти случаи.

Далее следует то, о чём не писали в заголовках. Ту же уловку можно повторять. Добавьте ещё пару малых зарядов — и вы получите ещё 20 критических точек ценой 2 зарядов, что даёт конфигурации из 3 + 2m зарядов с как минимум 4 + 20m точками равновесия. Это асимптотическое соотношение — 10 критических точек на заряд — против 25/7, достигнутых Хербертом Эдельсбруннером, Кристофером Филлмором и Гонсалу Оливейрой ранее в этом году. Контрпример — это заголовок; соотношение — результат, на котором будут строить другие.

Когда сама конструкция ясна, самое любопытное — кто, или что, на самом деле предложил идею.

Какую роль сыграл GPT-5.6 Sol?

Раскрытие вынесено в отдельный короткий раздел статьи и предельно прямо описывает случившееся: «Идея, лежащая в основе этой конструкции, была предложена LLM (GPT-5.6 Sol от OpenAI)». Авторы добавляют, что математику они проверили сами и изложили аргумент своими словами, а вычисления и рисунки выполнили Mathematica и Maple.

Итак, модель предложила стратегию: возмутить симметричную конфигурацию малыми внеплоскостными зарядами и посмотреть, как вырожденная точка распадается. Авторы превратили это в разложения Тейлора гармонических полиномов, классификацию 21 критической точки по сигнатуре гессиана, три применения теоремы о неявной функции и аргумент трансверсальности. Породить идею и доказать теорему — разные занятия с разными рисками. Неудачная идея стоит вам одного дня. Неработающее доказательство стоит вам опровержения. Модель указала на маловероятное место на карте; трое математиков проложили дорогу.

Стоит, однако, точнее описать это. «Просто идея» — заниженная формулировка. Любой может предложить возмутить симметричную конфигурацию. Полезно — предложить именно такое возмущение малыми осевыми зарядами для именно этой базовой конфигурации в задаче, где пространство поиска по сути не ограничено. Чутьё на то, что стоит пробовать, — большая часть исследовательской математики. То, что предложение пришло от модели, а не от десятилетней интуиции специалиста, и есть суть истории.

Почему этот результат важен

150‑летний математический вопрос

Вопрос восходит к замечанию Максвелла 1873 года — отсюда «150 лет» в каждом заголовке. Но стоит быть точными: Максвелл задал вопрос и сделал наблюдение. Он не формулировал гипотезу, которая только что пала.

Падает давняя современная гипотеза

Как формальное утверждение гипотеза Максвелла существует 19 лет и большую часть этого времени была объединяющим предположением области — тем, что пытались доказать, и целью, к которой стремились все улучшенные оценки. Теперь, по‑видимому, она ложна. Контрпример — это четырёхстраничный препринт на arXiv, который ещё не прошёл рецензирование, а его центральный шаг — классификация по гессиану, проверенная средствами компьютерной алгебры, так что действуют обычные оговорки. Но аргумент короткий, явный и легко проверяемый другими.

Новые вопросы сменяют старые

Зная, что потолок — не (n−1)2, мы всё равно не знаем, каким он является. Итеративная конструкция авторов поднимает известную нижнюю границу примерно до 10 критических точек на заряд — это пол, а не ответ. А те три заряда из начала? Остаётся открытым, могут ли они когда‑нибудь давать больше четырёх точек равновесия, что странно говорить о наименьшем небанальном случае спустя столько времени.

Растущая роль ИИ в математических открытиях

За последний год что‑то сдвинулось. Между октябрём 2025 и началом 2026 года инструменты ИИ помогли перевести примерно сотню задач из базы проблем Эрёша в столбец «решено», а Теренс Тао вёл страницу, отслеживающую эти вклады, пока она не перестала обновляться в конце июня 2026 года. Многое было поиском по литературе — модель находит статью 1974 года, в которой вопрос уже решён. Но не всё. Небольшая часть решений представляла собой оригинальные аргументы, во многом собранные моделью, и Тао отметил по меньшей мере одно как подлинную веху.

Общая картина в этих случаях совпадает с тем, что произошло с гипотезой Максвелла. Модели хороши в предложении кандидатов, в просмотре литературы, которую ни один человек не удержит в голове, и в ночном переборе пространства конструкций без скуки. Верификация остаётся за людьми и ассистентами доказательств вроде Lean. Если вам нужна концептуальная база о том, как работают эти системы, прежде чем составлять своё мнение, наш трек AI Fundamentals — хорошая отправная точка.

Сможет ли ИИ в итоге открывать математические доказательства?

Порождение гипотез уже стало рутиной. Помощь в доказательствах достаточно привычна, чтобы её описание не вызывало удивления. Формальное доказательство теорем, когда модель производит полное, машинно проверенное решение исследовательской задачи без участия человека, — это нынешняя граница, и по обе стороны от неё уже есть результаты, в зависимости от строгости определения «исследовательского уровня».

Ограничение, по‑видимому, не в креативности. Текущие модели всё ещё галлюцинируют ссылки, теряют нить на длинных цепочках рассуждений и гораздо лучше генерируют кандидатов, чем понимают, какой из них верный. Последняя асимметрия как раз и делает человеческую проверку несущей, а не формальной. Модель, которая могла бы надёжно оценивать собственный вывод, была бы системой иного рода, и никто сейчас не может сказать, насколько мы далеки от этого.

GPT-5.6 Sol и будущее научных исследований

Математика — необычно чистый тест, потому что доказательства либо верны, либо нет. Но тот же сценарий — ИИ ускоряет фазу генерации идей, пока люди сохраняют функцию проверки — разворачивается в разных дисциплинах.

Это выходит далеко за пределы математики. Физика, химия, материаловедение и инженерия разделяют один и тот же узкий проход: генерация гипотез требует много человеческого времени, а большинство гипотез не подтверждается. Исследователь может всерьёз заняться лишь горсткой кандидатных структур или механизмов за год. Пространство кандидатов гораздо больше.

Генерация идей может оказаться ключевой исследовательской способностью именно потому, что это этап с наименьшей человеческой пропускной способностью и наименьшей ценой ошибки. Модель, которая способна просканировать огромное пространство и сказать «смотрите сюда», меняет скорость открытий, даже если редко бывает права. Что примерно и произошло здесь.

Распространённые заблуждения об этом открытии

Прежде чем делать широкие выводы, стоит прояснить несколько моментов, которые СМИ подали неверно.

GPT-5.6 Sol не доказал теорему самостоятельно

Модель предложила геометрическую конструкцию. Доказательство, разложения, классификация по гессиану, аргумент трансверсальности — работа авторов.

Каждый шаг проверяли человеческие исследователи

Mathematica и Maple проверили вычисления и подготовили рисунки. Математическую проверку провели трое авторов, и они прямо это указывают в статье.

Гипотеза Максвелла — не формальная теорема Максвелла

Максвелл сделал наблюдение в 1873 году. Габриэлов, Новиков и Шапиро сформулировали гипотезу в 2007‑м, исходя из их прочтения того фрагмента.

Математическая задача не решена полностью

Если контрпример выдержит проверку, мы знаем, что (n−1)2 неверна. Мы не знаем, какова правильная граница, и случай с тремя зарядами остаётся открытым.

Заключение

Гипотеза Максвелла пала в результате сотрудничества: сгенерированная ИИ геометрическая идея и трое математиков, которые потратили усилия на превращение её во что‑то проверяемое. Статья необычно честна в описании того, кто и что сделал. Раздел раскрытия из трёх предложений, который, вероятно, будут цитировать чаще, чем саму теорему.

Ценно здесь не столько «величина» вклада, сколько его «форма». Модель, не имеющая личной заинтересованности в задаче, предложила конструкцию, которую люди, больше всего о ней заботившиеся, не пробовали на этой конфигурации, и она сработала. Более широкий вопрос о том, сколько точек равновесия могут иметь n зарядов, остаётся открытым — как и вопрос о том, как будет выглядеть исследование, когда генерация идей перестанет быть дефицитным ресурсом. Если хотите следить за тем, как эти системы применяются на практике, а не как их продвигают в маркетинге, наши курсы по ИИ покрывают путь от концепций до внедрения.


Vinod Chugani's photo
Author
Vinod Chugani
LinkedIn

Винод Чугани начал карьеру в Токио как самый молодой руководитель отдела продаж хедж‑фондов в JPMorgan, позже установил индивидуальный рекорд по продажам в Lehman Brothers, затем построил дистрибуционный бизнес электроники в 30 странах с выручкой свыше 100 млн сингапурских долларов, прежде чем переключиться на сферу данных. Выпускник по экономике из Duke и выпускник NYC Data Science Academy, он стал одним из трёх стипендиатов из более чем 100 заявителей на курс Hugo Bowne-Anderson "Building AI Applications" на платформе Maven. Сегодня он пишет для DataCamp, KDnuggets, Machine Learning Mastery и Statology на темы от статистики до агентного ИИ и наставляет специалистов по данным в NYC Data Science Academy, проведя более 1000 индивидуальных сессий.

 
Темы

Учитесь с DataCamp

Course

Linear Algebra for Data Science in R

4 ч
21.2K
This course is an introduction to linear algebra, one of the most important mathematical topics underpinning data science.
ПодробнееRight Arrow
Начать Курс
Смотрите большеRight Arrow