Содержание
AI-модели предложили решение задачи MIMO, открытой с начала 2000-х
Профессор Висконсинского университета в Мадисоне Димитрис Папайлиопулос сообщил, что GPT-5.6 и Claude Fable 5 помогли ему закрыть теоретический вопрос в беспроводной связи, который оставался открытым около 25 лет. Речь идёт о MIMO-детектировании: как точно восстановить набор битов после передачи через канал с несколькими антеннами и шумом.
Что именно удалось доказать
Ранее было известно, при каком отношении сигнал/шум точное восстановление данных в принципе возможно. Проблема заключалась в вычислениях: гарантированно достигавший этого порога метод требовал экспоненциального перебора. По словам Папайлиопулоса, новое доказательство показывает, что того же результата можно добиться полиномиальным алгоритмом — то есть способом, который масштабируется намного лучше.
Claude предложил практичную схему из линейной оценки и последовательного исправления битов. Первоначальное доказательство оказалось ошибочным, после чего GPT помог переработать аргументацию. Исследователь подчёркивает, что первая идея появилась примерно за 30 минут, а ещё пять–семь дней ушло на упрощение и построчную проверку выкладок.
Почему это важный пример работы с AI
История показывает полезную модель сотрудничества с нейросетями: одна система генерирует гипотезу, другая критикует её, а эксперт добивается понятного доказательства и проверяет каждый шаг. Для авторов, аналитиков и бизнеса принцип тот же — сильный результат появляется не из одного запроса, а из цикла «идея — критика — доработка — человеческая проверка».
При этом говорить об окончательно закрытой научной задаче пока рано. Результат опубликован самим автором и, судя по доступной информации, ещё не прошёл независимое рецензирование. Даже проверенная автором длинная математическая выкладка может содержать незамеченную ошибку.
Что будет дальше
Если специалисты подтвердят доказательство, работа станет заметным примером того, как передовые языковые модели помогают не только пересказывать знания, но и продвигаться в теоретических исследованиях. Не менее важен и обозначенный автором барьер: AI быстро предлагает сложные решения, однако проверка и перевод их в понятную форму по-прежнему требуют гораздо больше человеческого времени.