Версия Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# Когда ИИ-лаборатории совершают открытия втайне, кто может оспорить их выводы?

> Скрытые открытия ИИ ставят вопрос об общественной власти: кто может проверять доказательства, выбирать следующие исследовательские вопросы и получать пользу от ответов? О стимулах к публикации, научном понимании и человеческой самостоятельности.

By BIG CHANGE Editorial

Published: 2026-09-22T14:25:09.513Z
Updated: 2026-09-22T14:25:09.513Z
Canonical: https://bigchange.ai/blog/private-ai-discoveries-public-science

![An exposed geometric structure stands outside a partly open research chamber, with broad paths approaching from several directions.](https://bigchange.ai/api/media/file/shared-inquiry-private-system-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE. Shared evidence can give outsiders room to examine and develop an idea even when the discovery system remains private. The geometric sculpture is a conceptual form, not a depiction of a theorem or an unreleased result.

Компания может объявить, что её ИИ решил сложную задачу, задолго до того, как остальные смогут оценить, чего удалось достичь. Может не хватать доказательства, объяснения, доступа к системе или просто времени на изучение результата. Каждый такой пробел даёт компании особый вид власти.

В этом заключается полезный вопрос, стоящий за недавним обсуждением скрытых прорывов в ИИ. В эссе от 15 сентября учёный-компьютерщик Скотт Ааронсон сообщил о слухах, будто ИИ-компании придерживают решения важных задач теоретической информатики после реакции на заявление о Навье — Стоксе. Самих решений он не опубликовал. Его рассказ подтверждает, что он слышал такие утверждения, но не доказывает существование неназванных результатов или сообщённый мотив их сокрытия. [Эссе Ааронсона](https://scottaaronson.blog/?p=10062)

Есть и более конкретное событие. Независимая Консультативная группа по математике и искусственному интеллекту сообщает, что сейчас она консультирует OpenAI по вопросу публикации значимых математических результатов, которые, по заявлению компании, были получены внутри организации. Это подтверждает наличие процесса координации публикации результатов, о которых сообщила компания. Но это не удостоверяет каждый результат, ожидающий публикации. [Заявление консультативной группы](https://agmai.org/)

Для читателей это различие не позволяет превратить захватывающую возможность в вымышленный перечень решённых задач. Для науки возникает более масштабный вопрос: если открытия концентрируются внутри закрытых систем, насколько независимыми останутся все остальные?

## Главное изменение

- **Что изменилось:** Опубликованные доказательства, созданные с помощью ИИ, теперь существуют наряду с результатами, о которых компании сообщили, но чья публикация ещё координируется. Утверждения о других скрытых прорывах пока не подтверждены.
- **Почему это важно:** Лаборатории могут влиять на то, какие открытия становятся видимыми, когда специалисты получают возможность их изучить и кто может развивать эти методы.
- **За чем следить:** Дадут ли договорённости о публикации внешним исследователям пригодные для проверки доказательства и свободу оспаривать их, поддерживая при этом человеческую экспертизу, необходимую для выбора вопросов, понимания результатов и распределения пользы?

## Прорыв может стать публичным, а создавшие его возможности — остаться закрытыми

Заявление OpenAI от 8 сентября о задаче Навье — Стокса — пример выборочной открытости. Компания опубликовала изложение аргумента и файлы формального доказательства, но описала систему, которая нашла решение, как внутреннюю модель, превосходящую GPT-6 Astra. Опубликовать результат и предоставить доступ к создавшей его системе — разные решения. [Заявление OpenAI](https://openai.com/index/navier-stokes-solution/)

Нужно аккуратно определить и математическую область результата. В опубликованной конструкции используется гладкое внешнее воздействие. В официальной формулировке задачи Института Клэя воздействие явно допускается в вариантах потери регулярности C и D; варианты глобальной гладкости без воздействия ставят другой вопрос. Корректная конструкция с воздействием может решить сформулированную задачу, оставив вопрос без воздействия открытым. [Официальная формулировка задачи](https://www.claymath.org/wp-content/uploads/2022/06/navierstokes.pdf)

11 сентября Институт Клэя приветствовал предполагаемое решение, но сохранил размеренный порядок оценки и присуждения авторства. Это была институциональная реакция на объявление, а не присуждение премии. [Реакция Института Клэя](https://www.claymath.org/news/navier-stokes-announcement/)

Мы рассмотрели более широкую математическую последовательность в нашем [путеводителе от единичных расстояний до уравнений Навье — Стокса](https://bigchange.ai/blog/ai-mathematics-unit-distance-navier-stokes). Здесь важно, что именно становится доступно после публикации. Внешний математик может изучить доказательство, но не иметь ресурсов или доступа к модели для исследования соседней задачи тем же способом. Открытие стало общим достоянием, а средства для следующего открытия могут остаться у немногих.

Такая организация работы всё же может быть ценной. Если каждому исследователю придётся заново воспроизводить первоначальный поиск, многими результатами будет труднее воспользоваться. Для проверки конкретного доказательства важен доступ к относящимся к нему свидетельствам, а не обязательно ко всем инструментам, применённым при поиске. Но возможность проверить опубликованный ответ не даёт внешним исследователям равного влияния на выбор следующих вопросов.

## У общества должна быть возможность не соглашаться

В общедоступном репозитории OpenAI отдельно представлены утверждения о решении задач Навье — Стокса и Эйлера, даны инструкции по сборке и описан способ дополнительной проверки доказательств с помощью Comparator. Это артефакты, доступные для изучения, а не только демонстрационное видео. Мы ознакомились с документацией, но не собирали проект и не удостоверяли доказательства независимо. [Репозиторий доказательств](https://github.com/openai/NavierStokesAndEuler)

Руководство Lean по валидации объясняет, почему успешная проверка имеет определённую область действия. Проверяющим нужно изучить смысл теоремы и её предположения, включая зависимости. Более строгая проверка может сопоставить переданное доказательство с независимо заданной формулировкой и использовать отдельное программное обеспечение для проверки. Это снижает зависимость от создателя доказательства, но оставляет явные предположения об инструментах и спецификации. [Руководство Lean по валидации](https://lean-lang.org/doc/reference/latest/ValidatingProofs/)

Возможен многообещающий исход: закрытая система выполняет дорогостоящий поиск, а затем выпускает доказательства, которые можно проверить, не воспроизводя весь поиск. Открытия, созданные ИИ, могут стать общим ресурсом, даже если генерировать их в таком масштабе могут позволить себе лишь несколько учреждений.

Более слабый вариант — лаборатория проводит закрытую демонстрацию для избранных экспертов и просит остальных довериться их одобрению. Это может быть разумным предварительным шагом, но у общества остаётся гораздо меньше возможностей обнаружить спорное предположение, изучить исправление или найти неожиданное применение. Доступ к выводу — не то же самое, что доступ к основаниям для несогласия.

Возьмём гипотетический пример. Университетская группа изучает класс задач оптимизации. Компания находит в закрытом режиме метод, улучшающий один важный частный случай. Она может опубликовать метод и точную гарантию либо предоставить онлайн-сервис, возвращающий ответы, но оставить метод закрытым.

Оба варианта могут помочь пользователям. Но только первый непременно даёт университету возможность изучить, преподавать и адаптировать метод без постоянного доступа к сервису. Практическая разница станет заметна, если компания изменит условия, отзовёт модель или прекратит работу в этой области. Полезный сервис может одновременно создавать научную зависимость.

Именно поэтому общественную пользу нельзя измерить только количеством открытий. Публикация может расширить знания людей, их возможности или действия, для которых им придётся спрашивать разрешения. Иногда эти результаты идут рука об руку, но необязательно.

## Пауза может улучшить науку — или дать одному учреждению фору

Есть веские причины координировать публикацию крупного результата. Специалистам может понадобиться время для проверки утверждения, поиска предшествующих работ и подготовки объяснения. Исправление до публикации избавит многих от необходимости строить работу на ошибке. Для разрешения спора об авторстве нужны доказательства, а не гонка объявлений.

Но для внешних исследователей та же задержка может иметь иные последствия. Представим исследовательскую группу, выбирающую следующую тему без знания о том, что компания заявляет о решении центральной гипотезы. Группа может потратить месяцы на старый вопрос. Если же заблаговременный доступ получат только избранные соавторы, они могут получить преимущество в развитии последующих результатов. Это возможные последствия неравного доступа к информации, а не обвинения в адрес конкретной неопубликованной теоремы.

Важно понимать, чего добивается задержка и кто за неё отвечает. Период проверки с определённым утверждением, независимыми читателями и планом информирования отличается от бессрочной секретности, сопровождаемой намёками на выдающиеся возможности. Учреждениям нужно время на проверку, а аудитории — причина отличать проверку от рекламы.

Новая консультативная группа предлагает один из каналов. Она сообщает, что её участники не получают вознаграждения, рекомендации будут опубликованы, а решения остаются за компаниями. Её независимость полезна, но совет не создаёт обязанности публиковать результат и не предоставляет исследователям доступ. [Независимость и подотчётность](https://agmai.org/)

На наш взгляд, продуктивная договорённость должна делать реакцию на рекомендации видимой. Компания могла бы объяснить, какие рекомендации приняла, что ещё проверяется и как рецензенты могут сообщать о нерешённых вопросах. Тогда внешние наблюдатели смогут оценить процесс без преждевременного объявления теоремы доказанной.

## Самая весомая критика признаёт, что ИИ способен добиться успеха

Декларация от 11 сентября *«Серьёзное несоответствие ИИ в математике»* прямо признаёт существенный рост математических возможностей. Возражения касаются стимулов: использование знаменитых задач в качестве тестов может отвлекать от развития идей, указания авторства и обучения, в ходе которого люди осваивают постановку новых вопросов. Декларация также признаёт потенциал ИИ для улучшения математических исследований. [Декларация](https://www.mathandai.org/)

Это более требовательный аргумент, чем утверждение, будто машина ничего не способна открыть. Вопрос в том, оптимизирует ли успешная система тот же результат, который важен сообществу, получающему её вывод. Лаборатории может быть нужен однозначный показ возможностей. Исследователя может больше заботить метод, открывающий несколько новых направлений, в том числе слишком малоизвестных для громкого анонса.

Нет никакой гарантии, что интересы совпадут. Но и конфликтовать они не обязаны. Лаборатория может финансировать исследования и объяснения, которые сделают её результаты полезными. Университеты могут поощрять применение нового мощного метода в области, которой лаборатория не уделила внимания. Научные издания могут публиковать уточнения и синтез наряду с первыми открытиями.

Критика всё же должна опираться на доказательства. Верный и значимый результат должен изменить оценку возможностей системы. Неприязнь к происхождению открытия не может его опровергнуть. Равным образом впечатляющий результат сам по себе не отвечает на вопросы о доступе и авторстве. Разделение этих суждений позволяет приветствовать математический результат и оспаривать условия его появления в открытом доступе.

Эссе Ааронсона передаёт это напряжение: он считает недавний прогресс преобразующим и одновременно поддерживает усилия по сохранению человеческого понимания. Его слова о начале сингулярности — интерпретация событий, а не установленный научный рубеж. [Изложенная им позиция](https://scottaaronson.blog/?p=10062)

## Быстрые открытия и содержательная работа людей одинаково важны

Эта дискуссия началась раньше сентябрьских заявлений. В эссе от декабря 2025 года исследователь ИИ Джулиан Тогелиус различал инструменты, помогающие учёным, и автоматизацию, делающую их участие излишним. Он отстаивал самостоятельность людей и возможность вносить вклад даже в гипотетическом сценарии, где полная автоматизация ускорила бы медицинский прогресс. Это этическая позиция о возможном будущем, а не доказательство того, что научная работа уже стала ненужной. [Эссе Тогелиуса](https://togelius.blogspot.com/2025/12/please-dont-automate-science.html)

Защищать деятельность только потому, что она нравится нынешним специалистам, — серьёзно ограниченная позиция. Если более совершенный метод способен уменьшить страдания, нужно учитывать интересы его благополучателей наряду с интересами людей, чья профессия изменится. Желание сохранить содержательную работу не должно автоматически блокировать полезные открытия.

Но выбор не сводится к сохранению каждой нынешней задачи или полному исключению людей из науки. Кто выбирает вопросы, замечает упущенные потребности, оценивает применимость доказательств и решает, как ими пользоваться? Эти решения затрагивают общество, даже если машины со временем лучше справятся со многими техническими составляющими. Сохранение влияния на них — это вопрос управления, а не только профессиональной идентичности.

Эссе Дарио Амодеи от октября 2024 года предлагает масштабное оптимистичное видение того, как ИИ ускорит биологию и улучшит жизнь. В нём также названы ограничения, связанные с экспериментами, данными и физическим миром. Это прогноз, основанный на предположениях о мощных будущих системах, а не график, установленный математическим прорывом. [«Машины милосердной благодати»](https://darioamodei.com/essay/machines-of-loving-grace)

Доказательство математического утверждения само по себе не демонстрирует работающий метод лечения или более дешёвую энергосистему. Каждое применение нуждается в дополнительных доказательствах. Но ценить возможность ускорить прогресс вполне разумно: помощь, позволяющая исследователям отказаться от бесперспективного направления или спланировать более информативный эксперимент, может иметь значение задолго до появления автономной науки.

Здесь вновь возникает вопрос распределения. Научно достоверный прорыв может достаться лишь тем, кто способен за него заплатить. Исследования могут ускориться и при этом сосредоточиться на задачах, наиболее ценных для владельцев инструментов. Польза ускорения для широкого общества отчасти зависит от решений о финансировании, доступе и внедрении. Количество открытий не решит эти вопросы за нас.

## Доказательство корректности не гарантирует благоразумия

Согласование целей ставит ещё один вопрос. Система может превосходно находить доказательство и при этом ненадёжно следовать намерениям оператора в ходе долгого исследовательского проекта. Проверенный математический результат подтвердит лишь некоторые свойства этого результата. Сам по себе он не докажет, что система постоянно соблюдает разрешения, откровенно сообщает о сбоях или преследует правильные цели.

Это различие важно при использовании лабораториями всё более мощных инструментов. Поручить ограниченный поиск и изучить результат — не то же самое, что предоставить системе широкие полномочия распоряжаться экспериментами, расходами или публикацией. Научное достижение может обосновать испытание более амбициозных подходов, но полномочия требуют отдельного обоснования.

Сохранение человеческого понимания здесь полезно, но не решает проблему согласования целей целиком. Понимание математики открытия не раскрывает все стороны поведения модели. И наоборот, для эффективного контроля человеку не нужно воссоздавать каждый промежуточный расчёт. Практическая задача — сохранить достаточно независимой компетенции и доказательств, чтобы замечать, когда работа системы перестаёт служить заданной цели.

Вопрос о смысле работы нельзя свести к обещанию, что досуг компенсирует исчезновение любой должности. Амодеи утверждает, что отношения и занятия могут оставаться значимыми, даже если ИИ превзойдёт людей, но считает экономическое устройство такого будущего нерешённым вопросом. Это один из правдоподобных взглядов, а не гарантия безболезненного перехода. [Работа и смысл](https://darioamodei.com/essay/machines-of-loving-grace)

Студент может ценить понимание результата, даже если не он открыл его первым. Сообщество может ценить обучение, дискуссии и исследования, не требуя, чтобы каждый участник превосходил любую машину. Однако сохранение институтов, делающих эти занятия возможными, требует ресурсов и решений. Одной личной самореализации недостаточно, чтобы оплатить лабораторию, гарантировать доступ к модели или сохранить кафедру.

## Оценивайте публикацию по тому, какую независимость она создаёт

Может ли кто-то оспорить утверждение, не полагаясь целиком на рассказ компании? Может ли другая группа воспользоваться результатом без воспроизведения недоступного по цене поиска? Могут ли исследователи выбирать следующие вопросы, мало интересующие автора результата? Есть ли люди и учреждения, способные объяснить работу, исправить ошибки и сохранить доступность результата после того, как внимание переключится на другое?

Эти вопросы связывают оптимистичный и пессимистичный сценарии. В одном мощные закрытые инструменты помогают расширять общее знание, и больше людей могут исследовать вопросы, прежде бывшие недоступными. В другом внешним исследователям достаются впечатляющие ответы, но они всё сильнее зависят от нескольких организаций, решающих, о чём стоит спрашивать.

Нам пока неизвестно, что содержат результаты, о которых ходят слухи. Но мы можем оценить механизмы, создаваемые вокруг уже появляющихся результатов. Крупный прорыв в ИИ должен расширять способность остальной науки действовать самостоятельно.

## Sources

- [Скотт Ааронсон: «Эпоха чудес и ужасов»](https://scottaaronson.blog/?p=10062) — Ааронсон сообщает о слухах и излагает собственную интерпретацию прогресса ИИ. Он не раскрывает и не подтверждает неназванные решения или сообщённый мотив их сокрытия.
- [Консультативная группа по математике и искусственному интеллекту](https://agmai.org/) — Описывает заявленный мандат группы и её независимость. Ожидаемые результаты представлены со слов OpenAI; заявление группы не является их публичным удостоверением.
- [OpenAI: о задаче тысячелетия Навье — Стокса](https://openai.com/index/navier-stokes-solution/) — В публикации компании приведены ссылки на доказательства и описана внутренняя модель. Раздел о параллельной работе обновлён 10 сентября; статья не устанавливает происхождение результатов.
- [Институт Клэя: официальная формулировка задачи Навье — Стокса](https://www.claymath.org/wp-content/uploads/2022/06/navierstokes.pdf) — Определяет варианты потери регулярности с внешним воздействием и варианты гладкости без него. Источник задаёт область вопроса, но не удостоверяет предложенное решение.
- [Институт Клэя: заявление о Навье — Стоксе](https://www.claymath.org/news/navier-stokes-announcement/) — Осторожная институциональная реакция сохраняет процесс оценки и признания авторства. О присуждении премии не объявлялось.
- [OpenAI: репозиторий доказательств Навье — Стокса и Эйлера](https://github.com/openai/NavierStokesAndEuler) — В публичном репозитории результаты по двум задачам разделены; даны инструкции по сборке и проверке. Мы ознакомились с документацией, но не собирали проект и не удостоверяли доказательства.
- [Lean: проверка доказательства в Lean](https://lean-lang.org/doc/reference/latest/ValidatingProofs/) — Описывает гарантии проверки, аудит предположений и более строгие независимые проверки. Правильная интерпретация предполагаемой теоремы требует отдельного внимания.
- [Декларация о математике и ИИ](https://www.mathandai.org/) — Основное заявление об опасениях по поводу стимулов, указания авторства и человеческого понимания. В нём признаются прогресс и возможная польза ИИ; это не измерение вреда.
- [Джулиан Тогелиус: «Пожалуйста, не автоматизируйте науку!»](https://togelius.blogspot.com/2025/12/please-dont-automate-science.html) — В исходном эссе помощь учёным противопоставляется устранению необходимости в их участии. Аргумент касается самостоятельности и смысла в гипотетическом будущем, а не подтверждённого прогноза.
- [Дарио Амодеи: «Машины милосердной благодати»](https://darioamodei.com/essay/machines-of-loving-grace) — Явно спекулятивное оптимистичное эссе, в котором также обсуждаются практические ограничения и нерешённые экономические вопросы. Предложенные сценарии не устанавливают сроки или медицинский результат.