ИИ помог закрыть научный спор, что длился более 10 лет

Исследователи из Римского университета ла Сапьенца опубликовали работу, закрывающую десятилетний спор вокруг так называемой проблемы джеминга (внезапного отвердения гранулированных систем).

Попытка вовлечь Claude в математическое моделирование показала, что генеративные ИИ-модели способны замечать простые паттерны, которые ученые часто игнорируют в поисках глубинных теоретических структур.

В конце концов, именно подсказка нейросети вывела авторов на "элегантное и лаконичное доказательство".

Проблема джеминга и математический тупик

В физике термин джеминг (jamming) описывает процесс, когда в гранулированном материале (например, в резервуаре с пластиковыми шариками) резко возрастает плотность. В результате система теряет текучесть и мгновенно становится жесткой, 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 за этим стоит, научное сообщество не могло.

Ошибки Claude, которые привели к правильному решению

Принимая во внимание прогресс в математических способностях генеративного ИИ, Паризи и Дзампони решили протестовать Claude. Сначала они попросили модель воспроизвести старые числовые расчеты, а затем предложили ей самостоятельно найти математическое подтверждение гипотезы о равенстве суммы параметров единицы.

Процесс верификации ИИ-гипотезы

Промежуточный результат. Первый вариант математического доказательства Claude содержал немало грубых ошибок и требовал нескольких раундов ручной проверки и редактирования со стороны физиков.

Изменение вектора. Несмотря на ошибки в деталях, общественная логика метода оказалась перспективной. ИИ указал на концептуально простой случай, который люди долго не замечали, ища более сложные взаимосвязи.

Как отметил Франческо Дзампони, ИИ издал базовую идею очень быстро. Решение все это время лежало на поверхности, но человеческий мозг склонен усложнять задачи там, где срабатывает простая логика.

Новая роль ИИ в фундаментальной науке

Данный кейс показывает 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.

Со всем тем окончательное слово, верификация формул и принятие решений все равно остаются исключительной компетенцией людей.