Искусственный интеллект решил нерешенную задачу теоретической физики за неделю

В конце лета произошло событие, которое может изменить подход к вычислительным задачам в фундаментальной науке. Языковая модель Claude, разработанная компанией Anthropic, успешно решила сложную проблему из области теоретической физики элементарных частиц. Это достижение важно не только самим фактом решения, но и тем, как именно оно было получено: нейросеть работала практически автономно на протяжении нескольких дней.

Контекст: вызов искусственному интеллекту

Физик-теоретик и научный журналист Мэтт фон Хиппель публично бросил вызов компаниям-разработчикам искусственного интеллекта. В научной среде идут горячие споры о реальных пределах возможностей больших языковых моделей (LLM). Многие эксперты полагают, что нейросети близки к своему потолку и не способны на серьезные открытия в точных науках.

Также по темеОрганизация памяти ИИ-агентов: как «сновидения» помогают моделям Claude обучаться

Чтобы проверить это, фон Хиппель предложил ИИ решить актуальную задачу из своей бывшей специализации — амплитудологии. Эта область физики занимается вычислением амплитуд рассеяния — формул, которые позволяют предсказывать вероятность определенных реакций между субатомными частицами. Чем точнее предсказание (что выражается в количестве так называемых «петель»), тем сложнее вычисления. Задача заключалась в том, чтобы вычислить амплитуду для девяти петель в специальной «игрушечной» теории, известной как N=4 супер-Янга-Миллса, используя типичный бюджет академического исследователя.

Детали эксперимента

Исследователи из Anthropic, Лиам Фицпатрик и Сиддхартх Мишра-Шарма, приняли вызов. Они использовали платформу Claude Science — специализированную среду, которая задает модели строгие правила для повышения научной точности.

Процесс был поразительно простым с точки зрения управления. Физики дали модели базовую инструкцию: вычислить шестичастичную (гексагональную) амплитуду на девяти петлях. После этого они оставляли ИИ работать автономно, запрашивая обновления каждые 4-6 часов.

Claude реализовал вычисления двумя разными методами, включая так называемый «бутстрап» (bootstrap). Модель самостоятельно писала и запускала код на языке Python с использованием библиотеки SymPy. Вычислительные затраты (аренда 96 процессоров на неделю) составили всего около 100 долларов. При этом стоимость использования самой модели Claude обошлась в 1-2 тысячи долларов из-за длительного времени работы.

Что это означает для индустрии

Этот результат демонстрирует качественный сдвиг в возможностях ИИ. Долгое время считалось, что прогресс в математике и физике требует концептуально новых идей, которые недоступны нейросетям. Однако эксперимент показал, что современные языковые модели могут выступать в роли неутомимых научных ассистентов.

Модель не просто выдала готовый ответ из своей базы знаний. Она методично управляла сложным процессом: перебирала варианты, исключала неверные гипотезы (подобно решению судоку) и координировала работу внешних вычислительных инструментов. Это доказывает, что проблема вычислительной сложности, которая часто останавливает исследователей-людей, может быть преодолена с помощью автономных ИИ-агентов.

Перспектива

Интересно, что параллельно с Anthropic к решению этой же задачи приблизилась группа людей — исследователи из Китайской академии наук под руководством Сонг Хэ. Они также использовали ИИ-помощников в своей работе, хотя и в менее автономном режиме.

В ближайшем будущем мы вряд ли увидим, как искусственный интеллект полностью заменяет ученых. Однако подобные инструменты станут стандартом де-факто в теоретической физике и других науках. Способность ИИ брать на себя рутинное, но интеллектуально емкое управление вычислениями позволит людям сосредоточиться на постановке новых задач и интерпретации результатов. Время покажет, насколько глубоко этот подход проникнет в другие области фундаментальной науки.