Нейросети уверенно справляются с задачами, которые раньше требовали глубоких научных знаний. Исследование MIT FutureTech показало: за 16 месяцев доля успешно решённых теоретических задач выросла с 2,8% до 34,6%. Речь идёт не только о математике, но и о физике, экономике, квантовой физике и других науках.
Учёные проверили, как модели искусственного интеллекта справляются с задачами из 254 научных работ в семи областях. Они выясняли, могут ли нейросети самостоятельно прийти к выводам, которые уже сделали учёные. Ответы на эти задачи появились после завершения обучения моделей. Это помогло исключить вероятность, что нейросети просто воспроизводят готовые решения из обучающих данных.
В эксперименте сравнивали несколько поколений моделей, выпущенных с декабря 2024-го по апрель 2026 года. Если первая модель справлялась лишь с 2,8% задач, то GPT-5.5 достигла 34,6%. Иными словами, последняя модель смогла решить примерно каждую третью задачу из подборки.
Больше, чем формулы и вычисления
Задачами для нейросетей стали вопросы из теории вероятностей, статистики, экономической теории, физики высоких энергий, космологии, гравитации и квантовой физики. Часто для их решения недостаточно просто вспомнить формулу или выполнить вычисления. Требуется выстроить логическую цепочку рассуждений и прийти к результату, который можно сравнить с выводами учёных.
Этот прогресс открывает новые возможности. ИИ может помогать учёным проверять гипотезы, разбираться в сложных расчётах и быстрее находить перспективные направления исследований. Однако результаты теста не означают, что нейросети готовы полностью заменить исследователей.
Научные задачи становятся доступнее
Ещё один важный результат: по оценке авторов, одна попытка решения задачи с GPT-5.5 обходится примерно в 5 долларов, а на одно успешное решение требуется около 15 долларов вычислительных ресурсов. Это стоимость одного эксперимента, а не цена научного открытия.
Исследование не доказывает, что ИИ заменит учёных. Оно показывает, что круг сложных задач, с которыми нейросети могут справиться, быстро расширяется.
Теперь главный вопрос: насколько надёжно модели смогут работать в реальных условиях? В науке недостаточно получить правдоподобный ответ. Важно проверить доказательство, воспроизвести результат и убедиться, что он действительно открывает что-то новое.
ИИ пока не заменяет учёных, но заметно меняет их работу. Если раньше нейросети чаще использовали для написания текстов и программирования, то теперь всерьёз рассматривают их как инструменты для решения задач, на которые специалистам могут потребоваться часы, дни или недели.
Тем временем в DeepSeek придумали, как делать нейросети мощнее и без затрат. Подробности в этой статье.