В мире криптографии и теоретической информатики произошло событие, которое может кардинально изменить подход к решению сложных математических задач. Выпускник ВШЭ, математик Дмитрий Рыбин, используя GPT-5.6 Pro, сумел найти контрпример к гипотезе Диница — Гарга — Гоеманса, сформулированной еще в 1999 году и остававшейся недоказанной почти три десятилетия. Эта гипотеза из теории сетевых потоков имела фундаментальное значение для оптимизации алгоритмов, в том числе применяемых в блокчейн-сетях и децентрализованных протоколах.

Как ИИ совершил прорыв

Самое примечательное в этом случае — полное отсутствие человеческого руководства. Рыбин заявил, что не давал модели никаких технических подсказок или наводок. Вместо этого он использовал общие, почти абсурдные промпты: «соверши прорыв», «опровергни общий случай» и «продолжай исследовать». GPT-5.6 Pro справилась с задачей всего за несколько часов, потребовав лишь четыре итерации. Сам исследователь назвал этот чат «чистым мемом», подчеркивая неожиданность и, возможно, случайность успеха.

Последствия для криптоиндустрии

Хотя результат пока не прошел независимую рецензию, его потенциальные последствия огромны. Теория сетевых потоков лежит в основе многих механизмов, используемых в криптовалютах — от маршрутизации транзакций в Lightning Network до оптимизации работы смарт-контрактов. Если гипотеза действительно опровергнута, это может привести к пересмотру алгоритмов консенсуса и повышению эффективности децентрализованных систем.

Экспертное мнение

С моей профессиональной точки зрения, этот случай демонстрирует, что ИИ уже способен не просто анализировать данные, но и совершать интеллектуальные открытия, которые ранее считались прерогативой человека. Для криптосообщества это сигнал: в ближайшие годы мы можем увидеть, как алгоритмы будут самостоятельно оптимизировать блокчейн-протоколы, находить уязвимости и даже генерировать новые математические доказательства. Однако до полного доверия к таким результатам еще далеко — независимая верификация обязательна, иначе мы рискуем внедрить в критически важные системы ошибочные выводы.