Канал How Did They Prove That? выпустил видеоразбор недавнего результата OpenAI: существование четырёхмерной квантовой теории Янга — Миллса получено как масштабный предел решёточной теории Вильсона, а всё рассуждение формализовано в Lean 4. Исходник OpenAI-YM-20261028 объёмом около миллиона строк опубликован 11 ноября 2026 года, и комитет из пяти физиков объявил доказательство, вероятно, корректным. По сути это первый случай, когда LLM сгенерировала формализованное доказательство по задаче тысячелетия и получила его независимое подтверждение.

image
image

Что произошло

В октябре 2026 года OpenAI анонсировала доказательство существования 4D квантовой теории Янга — Миллса, полностью формализованное в Lean 4. 11 ноября 2026 года был опубликован исходник OpenAI-YM-20261028: около миллиона строк Lean в 9477 файлах, открытых на GitHub. Оценку результата провёл комитет из пяти физиков — Дэвид Гросс, Майкл Дуглас, Артур Джефф, Игорь Клебанов и Никита Некрасов: они объявили, что доказательство, вероятно, корректно, и сопроводили вердикт публикацией Lean-версии и обзорной статьи. Полная статья, написанная людьми, на этот момент ещё не вышла. 14 ноября 2026 года канал How Did They Prove That? выпустил видеоразбор этой работы. В нём пошагово показано, как устроено рассуждение: теория строится как масштабный предел решёточной теории Вильсона, а переход к континууму управляется ренормгруппой Баланана; как объясняется в видео, такая конструкция даёт строгое математическое основание для КХД, конфайнмента и массового зазора. Параллельно проект Scott Armstrong в репозитории scottnarmstrong/yang-mills-informalization составляет карту доказательства и 278-страничную рукопись на естественном языке.

Контекст

Задача, о которой идёт речь, принадлежит списку задач тысячелетия: нужно строго, математически построить квантовую теорию Янга — Миллса в четырёхмерном пространстве-времени, не ограничиваясь физическими аргументами. Традиционный конструктивный путь проходит через решёточную формулировку Вильсона: теория сначала определяется на дискретной решётке, где все величины конечны и выражаются явно, а затем доказывается существование предельного перехода при стягивании ячейки к нулю. В этом переходе работает ренормгруппа Баланана — аппарат, который управляет поведением теории при движении к континууму, и именно на нём держится обсуждаемая конструкция. Lean 4 — интерактивный инструмент формальной верификации: каждое логическое звено рассуждения проверяется небольшим доверенным ядром, так что правильность цепочки не зависит от доверия к её сочинителю. Отсюда вырастает новое разделение труда: машина гарантирует корректность отдельных шагов, а человек осматривает faithfulness, то есть соответствие формального утверждения содержательной физической постановке. Формализация при этом опережает человеческую интерпретацию: код в миллион строк уже готов, а читаемая для математиков и физиков версия лишь составляется, поэтому понятность доказательств становится самостоятельным узким местом.

Почему это важно для индустрии

Главный сигнал для индустрии не физика, а экономика верификации. Машинная проверка формального контура остаётся дешёвой — по сути константой компилятора, — но проверка faithfulness не обнулилась: её выполнил комитет физиков, и она осталась дорогой человеческой работой, завершившейся осторожным вердиктом «вероятно, корректно». Тем не менее дорогостоящая «интеллектуальная работа с гарантией» перестаёт быть исключительной прерогативой людей и лабораторий: модель выдала артефакт, каждый шаг которого проверяется машиной, а смысловая сторона — независимой комиссией. Меняется и формат результата: артефакт OpenAI-YM-20261028 с комитетским подтверждением становится планкой, по которой отрасли придётся мерить последующие заявления о «решённых задачах» — референсный вид проверенной работы ИИ теперь задан. Для продакшена это пока не продукт, а демонстрация паттерна: генерирующий пайплайн OpenAI наружу не открыт, у него нет API, методологии и метрик стоимости и латентности, поэтому прямого воздействия на сборки сегодня нет. Переносимый в работу вывод один — строить eval-наборы вокруг детерминированных машинопроверяемых артефактов, а не только вокруг оценивающих моделей. Если практика «LLM генерирует доказательство — комитет верифицирует» повторится, вырастет спрос на инфраструктуру формализации: библиотеки агентов поверх Lean 4, инструменты осмотра формальных артефактов в духе ревью кода и экспертные роли на стыке агентных пайплайнов и формальных методов; при воспроизводимом пайплайне роль человека во всей цепочке сместится к постановке утверждений и интерпретации.

Почему это важно для пользователей

Читателю доступны разные слои истории. Разобраться в сути можно по видео канала How Did They Prove That? на YouTube — там конструкция с решёточным пределом и ренормгруппой Баланана изложена наглядно, без формального кода. Кто хочет проверить сам, открывает исходник OpenAI-YM-20261028 на GitHub или обзорную статью комитета в виде PDF на сайте KITP. Тем, кому Lean не подходит, подойдёт проект scottnarmstrong/yang-mills-informalization: там готовится рукопись на естественном языке. На открытых материалах уже можно собирать вспомогательные сервисы — навигатор по файлам репозитория, чат со ссылками на конкретные строки Lean, конспект-карту доказательства; базовые версии таких инструментов собираются за дни. Для широкой аудитории это наглядный пример того, как ИИ ускоряет фундаментальную математику и теоретическую физику, а не только прикладные задачи. К формулировке «ИИ решил задачу тысячелетия» при этом стоит относиться сдержанно: метод генерации не раскрыт, а обсуждение новости на Hacker News почти пустое — один балл и один комментарий.

Что пока неизвестно / ограничения

Методология генерации остаётся неизвестной: ни модель, ни метод, ни объём вычислений, ни доля человеческой правки за миллионом строк нигде не раскрыты, поэтому вывод «LLM доказала задачу тысячелетия» пока нельзя считать воспроизводимым. Вердикт комитета сформулирован осторожно — «вероятно, корректно» — и касается прежде всего осмысленности и точности формализации; пошаговая же корректность кода гарантируется ядром Lean лишь в том случае, если артефакт действительно компилируется без скрытых допущений. Полная статья, написанная людьми, ещё не вышла, независимого технического разбора сообществом практически нет, а раскрытие методологии и проверка воспроизводимости — дело ближайших периодов. Пока эти пробелы не закрыты, корректная формулировка статуса: сильный формальный артефакт с предварительным человеческим одобрением, а не закрытая и воспроизведённая работа.

Источники

Автор

Look at AI, редакция