Kinijos „BYD“ pristato autonominio vairavimo technologijos lustą

“„BYD“ pristatė autonominio vairavimo lustą, nes Kinijos automobilių gamintojas, žinomas dėl konkurencingų kainų elektromobilių, ieško naujo technologijų augimo varomosios jėgos.

 

Ketvirtadienio vakarą Šendžene, Kinijoje, vykusioje technologijų dienoje, bendrovė pristatė „Xuanji A3“ lustą – 4 nanometrų puslaidininkį, skirtą autonominiam vairavimui.

 

Lustas jau pradėtas masinei gamybai ir yra skirtas palaikyti 3 ir 4 lygio autonominį vairavimą, teigė bendrovė, turėdama omenyje automobilius, kurie gali susidoroti su visais vairavimo aspektais tam tikromis sąlygomis, ir automobilius, galinčius važiuoti tam tikrose vietose be žmogaus įsikišimo.

 

Šis pristatymas žymi naujausias „BYD“ pastangas parodyti savo pranašumą technologijų srityje, nes Kinijos elektromobilių rinkos augimas lėtėja, o kainų spaudimas mažina viso sektoriaus pelningumą.

 

„BYD“ taip pat teigė, kad per ateinančius trejus metus ketina investuoti daugiau, nei 100 milijardų, juanių, tai yra 14,75 milijardo JAV dolerių, į išmaniųjų technologijų tyrimus ir plėtrą.

 

Bendra naujojo lusto aparatinės įrangos kaina sudaro maždaug trečdalį „Nvidia“, „Thor“ pagrindu sukurtų, sprendimų [1], teigia „Citi“ analitikai. pridurdami, kad tai sumažintų aukščiausios klasės išmaniojo vairavimo įrangos kainų spaudimą.

 

Kadangi Kinijos elektromobilių pardavimo čempionė daugelį mėnesių susidūrė su lėtėjančia paklausa vidaus rinkoje ir silpnesniu pelnu pirmąjį ketvirtį, ji sutelkė dėmesį į technologijas ir plėtrą užsienyje.

 

BYD stengiasi, kad jos pažangios autonominio vairavimo technologijos būtų prieinamesnės daugiau modelių. Praėjusiais metais bendrovė teigė, kad jos masinės rinkos modeliuose diegs jos „Dievo akies“ vairuotojo pagalbos sistemą.

 

Renginyje BYD teigė, kad automobilių, kuriuose įrengtos tam tikros „Dievo akies“ sistemos versijos, pirkėjai gaus vienerių metų visą kompensaciją už bet kokius nuostolius, patirtus dėl avarijų pagalbinio vairavimo metu, įskaitant transporto priemonės patirtą žalą ir civilinės atsakomybės draudimą.

 

„Citi“ šį žingsnį vertino, kaip reikšmingą, nes jis faktiškai perkelia dalį atsakomybės naštos nuo vairuotojų automobilių gamintojui pagal dabartinę Kinijos 2 lygio pagalbinio vairavimo reguliavimo sistemą.

 

Naujausia BYD strategija galėtų pakeisti konkurenciją visoje Kinijos išmaniojo vairavimo tiekimo grandinėje ir daryti spaudimą konkurentams – nuo ​​elektromobilių startuolių iki lustų gamintojų ir autonominio vairavimo technologijų tiekėjų, teigė „Citi“.

 

Kinijos elektromobilių gamintojai, įskaitant „NIO“, „Li Auto“ ir „XPeng“ taip pat kuria jų autonominio vairavimo lustus.

 

Penktadienį BYD akcijų kaina Honkonge užsidarė 2,1 % žemiau, atsilikdama nuo pagrindinio akcijų indekso 0,7 % pelno.“ [2]

 

1. „Nvidia“ „Thor“ pagrindu sukurtos architektūros, sukurtos „Blackwell“ platformoje, yra centralizuoti procesoriai, atliekantys iki 2 070 FP4 TFLOPS dirbtinio intelekto skaičiavimo (TFLOPS yra trilijonų slankiojo kablelio operacijų per sekundę). Jie užtikrina realaus laiko dirbtinio intelekto samprotavimus automobilių sektoriuje ir fizinį dirbtinį intelektą / robotiką. Bendroji „roboto smegenų“ įranga: „Nvidia“ „Jetson AGX Thor T5000“ kūrimo rinkinių, skirtų autonominiam testavimui, kaina yra 3 499 USD už vienetą. Užsakant urmu, gamybos modulius, viršijančius 1 000 vienetų, kaina nukrenta iki 2 999 USD už modulį.

Pagrindiniai sprendimai ir kūrimo rinkiniai apima:

 

1. Automobiliai ir autonominės transporto priemonės

• DRIVE AGX Thor: Centralizuotas transporto priemonėje montuojamas superkompiuteris, sujungiantis tradicinius elektroninius valdymo blokus (ECU) į vieną sistemą. Jis sujungia automatinį vairavimą, parkavimą ir informacines bei pramogines sistemas.

 

• Našumas: Jame naudojama iki 14 „Arm Neoverse V3AE“ branduolių, kad būtų galima pateikti daugiau, nei 1000, INT8 TOPS (2000 FP4 FLOP), tuo pačiu laikantis ASIL-D funkcinio saugumo standartų.

 

• Pritaikymas: Daugelis automobilių gamintojų naudoja šią technologiją savo naujos kartos, programiniu būdu valdomoms, transporto priemonėms (SDV).

 

2. Fizinis DI ir robotika

• „Jetson AGX Thor“: Tokie moduliai kaip T5000 ir T4000 yra sukurti periferiniam veikimui ir sudėtingam fiziniam DI.

• Galimybės: Kūrėjo rinkinys suteikia 128 GB LPDDR5X atminties ir naudoja kelių instancijų GPU (MIG), kad būtų galima saugiai skaidyti aparatinę įrangą.

 

• Realaus pasaulio taikymas: Diegiamas humanoidiniuose robotuose (pvz., „Boston Dynamics Atlas“ ir „Agility Robotics Digit“), medicininiuose robotuose ir autonominėse pramoninėse platformose.

3. Pramoninis ir medicininis pranašumas

• IGX Thor platforma: Pramoninio lygio kraštinė platforma (tokie moduliai, kaip IGX T5000 SoM ir IGX T7000).

• Naudojimo atvejis: Serverio lygio dirbtinio intelekto skaičiavimas pritaikomas kritinėms aplinkoms, tokioms, kaip realaus laiko chirurginės pagalbos sistemos ir dirbtinio intelekto pagalba atliekama medicininė diagnostika

 

2. EXCHANGE --- China's BYD Launches Chip for Autonomous-Driving Technology. Huang, Jiahui.  Wall Street Journal, Eastern edition; New York, N.Y.. 30 May 2026: B9.  

China's BYD Launches Chip for Autonomous-Driving Technology

“BYD unveiled an autonomous-driving chip, as the Chinese automaker known for its competitively priced electric vehicles seeks a new growth driver in technology.

 

The company launched the Xuanji A3 chip, a 4 nanometer semiconductor for autonomous driving, late Thursday at its technology day in Shenzhen, China.

 

The chip has already entered mass production and is designed to support level 3 and level 4 autonomous driving, the company said, referring to cars that can handle all aspects of driving under specific conditions and cars capable of driving in specific areas without human intervention, respectively.

 

The launch marks BYD's latest effort to showcase its edge in technology as growth in China's EV market slows and pricing pressure weighs on profitability across the sector.

 

BYD also said it aims to invest more than 100 billion yuan, equivalent to $14.75 billion, in intelligent technology research and development during the next three years.

 

The total hardware cost of the new chip is roughly one-third of Nvidia's Thor-based solutions [1], Citi analysts wrote, adding that it would ease the cost pressure of high-end intelligent-driving hardware.

 

As China's EV sales champion has faced many months of slowing demand in its home market and weaker profit in the first quarter, it has sharpened its focus on technology and overseas expansion.

 

BYD is working on making its advanced autonomous-driving technology more accessible for more models. The company said last year that it would deploy its "God's Eye" driver-assistance system in its mass-market models.

 

At the event, BYD said buyers of cars equipped with certain versions of the "God's Eye" system would receive one year of full compensation for any losses arising from accidents during assisted-driving operations, including vehicle damage and third-party liability.

 

Citi viewed the move as significant because it effectively shifts part of the liability burden to the automaker from drivers under China's current level 2 assisted driving regulatory framework.

 

BYD's latest strategy could reshape competition across China's intelligent-driving supply chain and pressure rivals from EV startups to chip makers and autonomous-driving technology providers, Citi said.

 

Chinese EV makers including NIO, Li Auto and XPeng also are developing their own autonomous-driving chips.

 

BYD's shares closed down 2.1% in Hong Kong on Friday, underperforming the benchmark stock index's 0.7% gain.” [2]

 

1. Nvidia's Thor-based architectures—built on the Blackwell platform—are centralized processors delivering up to 2,070 FP4 TFLOPS of AI compute (Trillion Floating-Point Operations Per Second). They power real-time AI reasoning for the automotive sector and physical AI/robotics. General "Robot Brain" Hardware: Nvidia prices the Jetson AGX Thor T5000 developer kits for autonomous testing at $3,499 each. For bulk production module orders exceeding 1,000 units, the price drops to $2,999 per module

Core solutions and developer kits include:

 

1. Automotive & Autonomous Vehicles

•     DRIVE AGX Thor: A centralized in-vehicle supercomputer consolidating traditional electronic control units (ECUs) into a single system. It unifies automated driving, parking, and infotainment.

 

•           Performance: It uses up to 14 Arm Neoverse V3AE cores to deliver more than 1,000 INT8 TOPS (2,000 FP4 FLOPs) while remaining compliant with ASIL-D functional safety standards.

•           Adoption: Many automakers use this technology to power their next-generation software-defined vehicles (SDVs).

2. Physical AI & Robotics

•           Jetson AGX Thor: Modules like the T5000 and T4000 are designed for edge operation and complex physical AI.

•           Capabilities: The developer kit provides 128 GB of LPDDR5X memory and uses Multi-Instance GPU (MIG) for secure hardware partitioning.

•           Real-World Applications: Deployed in humanoid robots (such as Boston Dynamics Atlas and Agility Robotics Digit), medical robots, and autonomous industrial platforms.

3. Industrial & Medical Edge

•           IGX Thor Platform: An industrial-grade edge platform (modules like the IGX T5000 SoM and IGX T7000).

•           Use Case: Brings server-level AI compute to mission-critical environments, such as real-time surgical assistance systems and AI-assisted medical diagnostics

 

2. EXCHANGE --- China's BYD Launches Chip for Autonomous-Driving Technology. Huang, Jiahui.  Wall Street Journal, Eastern edition; New York, N.Y.. 30 May 2026: B9.  

Kaip užtikrinti, kad paveldėtų pomidorų sėklos nebūtų užterštos kaimyninių pomidorų augalų genetine medžiaga?

 

Kad paveldėtų pomidorų sėklos nebūtų kryžmiškai apdulkinamos (užterštos) kaimyninių augalų, turite kontroliuoti apdulkinimą, prieš susiformuojant vaisiui ir užtikrinti, kad sėkla būtų tinkamai fermentuota.

 

1. Kontroliuokite apdulkinimo procesą

 

Izoliacijos atstumas: Skirtingas veisles sodinkite bent 3–6 metrų atstumu viena nuo kitos. Jei įmanoma, atskirkite jas aukštomis fizinėmis užtvaromis (pvz., siena, tvora ar tankiais augalais), kad užblokuotumėte apdulkinančius vabzdžius, tokius, kaip kamanės.

 

Žiedų pakavimas į maišelius: Prieš joms išsiskleidžiant, pasirinkite konkrečias žiedų kekes ir uždenkite jas smulkiu, kvėpuojančiu tinkleliu arba lengvu audinio maišeliu. Tai fiziškai apsaugo žiedus nuo svetimų žiedadulkių įnešimo. Kai žali vaisiai pradeda augti, maišelį galima nuimti.

 

Rankinis apdulkinimas: Norėdami visiškai įsitikinti, švelniai bakstelėkite žiedus, kol jie yra maišelyje, kad išsiskirtų savaiminės žiedadulkės, arba švelniai apdulkinkite rankomis kamertonu, kad užtikrintumėte gryną liniją.

 

2. Išskirkite geriausius vaisius

Iš augalo centro arba iš maišeliuose supakuotų (apsaugotų) šakų pasirinkite nepriekaištingus, idealios formos, visiškai prinokusius pomidorus. Venkite naudoti pomidorus su fizinėmis anomalijomis (pvz., „katės formos“) apačioje, nes šie atviri įtrūkimai kartais gali atsirasti dėl apdulkinimo, kurį sukelia vabzdžiai, nešiojantys mišrias žiedadulkes.

 

3. Fermentuokite sėklas

Norėdami apsaugoti sėklų kokybę ir užtikrinti, kad visos nuimtos sėklos duotų grynus, ligų nepaveiktus, pomidorus, turite fermentuoti, jas supantį, gelio sluoksnį:

 

Sudėkite sėklas ir minkštimą į stiklainį ir įpilkite šiek tiek vandens.

Uždenkite stiklainį laisvai ir palikite kambario temperatūros vietoje, apsaugotoje nuo tiesioginių saulės spindulių, 3–5 dienas.

Kai susidarys baltojo pelėsio sluoksnis ir gyvybingos sėklos nusės į dugną, supilkite mišinį per sietelį.

Kruopščiai nuplaukite vandeniu, tada plonai paskleiskite švarias sėklas ant popierinio rankšluosčio arba popierinės lėkštės, kad 1–2 savaites džiūtų ore.

How to get heirloom tomato seeds not contaminated by neighboring tomato plant genetic material?

To prevent heirloom tomato seeds from being cross-pollinated (contaminated) by neighboring plants, you must control pollination before the fruit forms and ensure the seed is properly fermented.

1. Control the Pollination Process

 

    Isolation Distance: Plant different varieties at least 10-20 feet apart. If possible, separate them with tall physical barriers (like a wall, fence, or dense plantings) to block pollinating insects like bumblebees.

    Bagging the Blossoms: Choose specific flower clusters before they open and cover them with fine, breathable mesh or a lightweight fabric bag. This physically prevents insects from introducing foreign pollen. Once the green fruit starts to grow, the bag can be removed.

    Hand-Pollination: For absolute certainty, gently tap the blossoms while they are bagged inside to release self-pollen onto the stigma, or delicately hand-pollinate with a tuning fork to ensure a pure lineage.

 

2. Isolate the Best Fruit

Select unblemished, perfectly shaped, fully ripe tomatoes from the center of the plant or from your bagged (protected) branches. Avoid using tomatoes with physical anomalies (like "catfacing") on the bottom, as these open cracks can sometimes result from pollination by visiting insects carrying mixed pollen.

3. Ferment the Seeds

To protect the seed quality and ensure all harvested seeds produce pure, disease-free tomatoes, you must ferment the gel coating that surrounds them:

 

    Scoop the seeds and pulp into a jar and add a small amount of water.

    Cover the jar loosely and leave it in a room-temperature area out of direct sunlight for 3 to 5 days.

    Once a layer of white mold forms and the viable seeds sink to the bottom, pour the mixture through a sieve.

    Rinse thoroughly with water, then spread the clean seeds thinly on a paper towel or paper plate to air dry for 1 to 2 weeks.

Matematikos uždavinys visus glumino 80 metų. Dirbtinis intelektas jį ką tik įveikė. --- Matematikos pasaulis pameta protą dėl vienos iš Erdos problemų įrodymo

„Jei esate matematikas, – neseniai rašė vienas iš pirmaujančių pasaulio matematikų, – galbūt, norėsite įsitikinti, kad atsisėdote, prieš skaitydami toliau.“

 

Ir jums tikrai reikės atsisėsti, jei nesate matematikas.

 

Nes garsus matematikos uždavinys, kuris didžiąją amžiaus dalį blaškė žmones, pagaliau buvo išspręstas – dirbtinio intelekto.

 

Ne taip seniai pažangiausi dirbtinio intelekto modeliai negalėjo atlikti pagrindinių matematikos užduočių. Praėjusiais metais jie jau buvo laimėję aukso medalius Tarptautinėje matematikos olimpiadoje. Dabar jie sprendžia klasikinius kombinatorinės geometrijos uždavinius, naudodami algebrinę skaičių teoriją. Dirbtinis intelektas per trumpą laiką iš kvailo tapo bauginančiai protingu.

 

Tačiau net matematikai buvo nustebę, kai „OpenAI“ neseniai paskelbė, kad vienas iš jos modelių išsprendė galvosūkį, vadinamą vienetinio atstumo uždaviniu, be žmonių, rašančių krūvą lygčių ant kreidinių lentų, pagalbos.

 

Jam buvo pateiktas raginimas, ir jis išspjovė įrodymą. Ir visi matematikai prarado jų protus.

 

„OpenAI“ padėjo įgyvendinti šias išvadas, pateikdama jas kartu su 19 puslapių žymių matematikų pastabų.

 

Paprastai matematikai yra labai alergiški ažiotažui. Jie reikalauja įrodymų, kol bus pasirengę priimti pagrindinius faktus, jau nekalbant apie teiginius apie naujus proveržius, ir daugelis jų skeptiškai vertino dirbtinio intelekto revoliuciją jų pramonėje.

 

Todėl buvo stulbinantis atvejis skaityti tokius dalykus: „Jei žmogus būtų parašęs straipsnį ir pateikęs jį „Matematikos analams“ ir manęs būtų paprašyta greitai pateikti nuomonę, būčiau rekomendavęs priimti be jokių dvejonių.“ Joks ankstesnis dirbtinio intelekto sukurtas įrodymas nepriartėjo prie to.“

 

Šis pritarimas buvo ypač svarbus, nes jis yra Timothy Gowerso, Prancūzijos koledžo profesoriaus, Fieldso medalio, aukščiausio apdovanojimo žmonėms matematikams, laureato. Net jei dirbtinis intelektas niekada netaps protingesnis, tęsė Gowersas, mes jau peržengėme ribą.

 

„Žmonėms bus labai sunku konkuruoti su dirbtiniu intelektu sprendžiant matematines problemas“, – sakė jis.

 

Norėjau sužinoti daugiau apie tai, ką atrado dirbtinis intelektas, kaip mes, žmonės, to nepastebėjome ir kodėl šis proveržis svarbus tiems iš mūsų, kurie nori visam laikui atsiriboti nuo matematikos problemų.

 

„OpenAI“ darbuotojai man pasakė, kad šis rezultatas prieš metus būtų skambėjęs visiškai beprotiškai.

 

„Pamirškite, kas buvo prieš metus“, – sakė tyrėjas Sebastien Bubeck. „Prieš mėnesį.“

 

Tad įsivaizduokite, kaip neįsivaizduojama buvo prieš 80 metų, kai vienetinio atstumo problemą pirmą kartą iškėlė Paul Erdos, žinomas kaip produktyviausias matematikas istorijoje.

 

Jis paliko didelę klausimų, vadinamų Erdos problemomis, kolekciją, kuri tapo matematikos pažangos matavimo etalonu. Vienetinio atstumo problema buvo viena iš jo mėgstamiausių.

 

Paprasčiausia vienetinio atstumo uždavinio versija skamba maždaug taip: jei ant popieriaus lapo sudėsite n taškų, kiek taškų porų gali būti nutolusios lygiai vienu vienetu?

 

Erdos 1946 m. ​​parodė, kad išdėsčius tuos taškus tinklelyje, gaunamas tam tikras porų skaičius, ir jo hipotezė buvo ta, kad joks išdėstymas negalėtų būti geresnis. „OpenAI“ modelis rado tokį, kuris geresnis. Kitaip tariant, įrodymas buvo paneigimas. Atrasta konstrukcija yra paini, bet štai rezultatas: gaunama daugiau porų, nei įsivaizdavo Erdos ar kas nors kitas.

 

Įskaitant „OpenAI“ komandą.

 

Kai tyrėjai nukreipė bendrosios paskirties samprotavimo modelį į sudėtingiausias Erdos problemas, kad patikrintų jo galimybes, netrukus paaiškėjo, kad vidinis modelis buvo daug pajėgesnis, nei jie manė.

 

Pirmiausia modelio sprendimas buvo pateiktas dirbtinio intelekto vertinimo sistemai, kuri manė, kad jis teisingas. Tik tada žmonės žvilgtelėjo. „Iš pradžių tuo netikėjau“, – sakė Mehtaabas Sawhney, Kolumbijos matematikas, šiuo metu dirbantis „OpenAI“. Jie parodė rezultatus išoriniams matematikams, kad būtų tinkamai patikrinta. Jie taip pat patikrino DI darbą, naudodami įmonės DI kodavimo agentą.

 

Paklausiau tyrėjų: kodėl DI pavyko ten, kur nepavyko žmonėms?

 

Pirmasis paaiškinimas yra tas, kad šis konkretus sprendimas yra labai nelogiškas.

 

Dauguma žmonių, kurie sprendė šią problemą, bandė įrodyti Erdos hipotezę, o ne ją paneigti. Tik nepaisydamas įprastos išminties ir eksperimentuodamas su, regis, neįtikėtinomis strategijomis, modelis rado netikėtą kelią į priekį.

 

Antrasis paaiškinimas yra tas, kad žmonės specializuojasi, o DI sintetina.

 

Nors matematikai linkę sutelkti dėmesį į savo konkrečias kompetencijos sritis, DI modeliai naudoja savo didžiules žinias, kad pastebėtų ryšius, kurių mes patys negalėtume pamatyti. Šiuo atveju tai reiškė remtis ir algebrine skaičių teorija, ir diskrečiąja geometrija, kurios turi maždaug tiek pat bendro, kiek maratonas ir šuolis su kartimi.

 

Trečiasis paaiškinimas yra tas, kad DI turi laiko, dėmesio, kantrybės, susikaupimo ir atkaklumo laikytis metodų, kurių žmonės gali atsisakyti – ir to reikalavo šios Erdos problemos sprendimas.

 

„Tai tokia idėja, kurią šiek tiek pabandai, ji neveikia ir pagalvoji, kad, galbūt, tiesiog pernelyg daug tikėjaisi“, – sakė Markas Sellke'as, Harvardo statistikas, atostogaujantis „Open-AI“. „Taigi pasiduodi ir eini toliau.“

 

DI nejuda toliau. Jis nuolat dirba be jokių pertraukų, kad pavalgytų, pamiegotų, atsakytų į el. laiškus, pasiimtų vaikus iš mokyklos ir pažiūrėtų „Knicks“ rungtynes.

 

Ir jis gali mąstyti nuosekliai taip ilgai, kad net sutrumpinta modelio „minčių grandinės“ versija apimtų daugiau, nei 75 000 žodžių.

 

Perskaitęs ją, buvęs „Open-AI“ tyrėjas atliko keletą greitų skaičiavimų ir apskaičiavo, kad tam reikėjo mažiau, nei 32, valandas ir 1 000 USD žetonų – tai gana pigu už tokio kalibro rezultatą.

 

Tyrėjai nepatvirtino tikslaus laiko ir skaičiavimų kiekio, tačiau Bubeckas išlaidas apibūdino, kaip „iš tikrųjų nieko beprotiško“.

 

Ar visa ši beprotybė jus liūdina, ar įkvepia, o gal ir abu, priklauso nuo to, kaip vertinate dirbtinį intelektą. „OpenAI“ darbuotojai stebėtinai optimistiškai vertina matematikų, kurie ką tik buvo apstulbę, ateitį.

 

Jie nurodo sritis, kuriose neįsivaizduojama technologinė pažanga pagerino žmonių, pradedant Go žaidėjais ir baigiant šachmatų didmeistriais, sėkmę. Jie teigia, kad dirbtinis intelektas, kaip ir skaičiuotuvas, gali praplėsti mūsų smalsumą, o ne jį sunaikinti. Tiesą sakant, žmonės jau kuria šio sprendimo metodus, juos tobulina, stiprina ir naudoja kitoms ilgalaikėms matematinėms problemoms spręsti.

 

„Proveržio esmė“, – rašė Bubeckas X platformoje, – „yra ta, kad jis staiga daugelį dalykų, kurie atrodė neįmanomi, paverčia įmanomais“.

 

Taip pat galima teigti, kad dirbtinis intelektas gali paskatinti tikrą mokslinę pažangą bet kurioje srityje, kurioje problemos laukia sprendimo.

 

Ir dabar yra įrodymų. Arba paneigimų.“ [1]

 

1. EXCHANGE --- Science of Success: A Math Problem Stumped Everyone For 80 Years. AI Just Cracked It. --- The math world is losing its mind over a proof for one of the Erdos problems. Cohen, Ben.  Wall Street Journal, Eastern edition; New York, N.Y.. 30 May 2026: B2.  

A Math Problem Stumped Everyone For 80 Years. AI Just Cracked It. --- The math world is losing its mind over a proof for one of the Erdos problems

“"If you are a mathematician," one of the world's leading mathematicians recently wrote, "you may want to make sure you are sitting down before reading further."

 

And you'll definitely need to sit down if you're not a mathematician.

 

Because a famous math problem that stumped humans for the better part of a century has finally been toppled -- by AI.

 

Not long ago, the most advanced AI models couldn't do basic math. By last year, they were performing at gold-medal levels at the International Mathematical Olympiad. Now, they are solving classic problems in combinatorial geometry using algebraic number theory. In no time at all, artificial intelligence has gone from stupid to frighteningly smart.

 

But even mathematicians were astonished when OpenAI recently announced that one of its models resolved a puzzle known as the unit distance problem without the help of any humans scribbling a bunch of equations on chalkboards.

 

It was fed a prompt and it spit out a proof. And everyone in math lost their minds.

 

OpenAI helped translate its findings by presenting them alongside 19 pages of companion remarks from prominent mathematicians.

 

As a rule, mathematicians are severely allergic to hype. They demand proof before they are willing to accept basic facts, much less claims about novel breakthroughs, and many of them have been skeptical about AI revolutionizing their industry.

 

So it was startling to read stuff like this: "If a human had written the paper and submitted it to the Annals of Mathematics and I had been asked for a quick opinion, I would have recommended acceptance without any hesitation. No previous AI-generated proof has come close to that."

 

That endorsement was especially weighty coming from Timothy Gowers, professor, College de France, a winner of the Fields Medal, the highest honor for human mathematicians. Even if AI never gets any smarter, Gowers continued, we have already crossed a line.

 

"It will become very difficult for humans to compete with AI at solving mathematical problems," he said.

 

I wanted to know more about what the AI found, how we humans missed it -- and why this breakthrough matters to those of us who would like to permanently distance ourselves from math problems.

 

OpenAI employees told me this result would have sounded completely bananas one year ago.

 

"Forget one year ago," researcher Sebastien Bubeck said. "A month ago."

 

So imagine how unimaginable it was 80 years ago, when the unit distance problem was first posed by Paul Erdos, known as the most prolific mathematician in history.

 

He left behind a sprawling collection of questions known as Erdos problems, which have become a benchmark for measuring progress in math. The unit distance problem was among his favorites.

 

The simplest version of the unit distance problem goes something like this: If you put n dots on a sheet of paper, how many pairs of dots can be exactly one unit apart?

 

Erdos showed in 1946 that arranging those dots in a grid produced a certain number of pairs, and his conjecture was that no arrangement could do much better. OpenAI's model found one that does. In other words, the proof was a disproof. The construction it discovered is abstruse, but here's the upshot: It yields more pairs than Erdos or anyone else envisioned.

 

Including the team at OpenAI.

 

When the researchers pointed a general-purpose reasoning model at the trickiest Erdos problems to test its capabilities, it soon became apparent that the internal model was far more capable than they realized.

 

First, the model's solution went to an AI grading system, which believed it was correct. Only then did the humans take a peek. "I initially didn't believe it," said Mehtaab Sawhney, a Columbia mathematician currently at OpenAI. They showed the results to external mathematicians for proper verification. They also checked the AI's work using the company's AI coding agent.

 

I asked the researchers: Why did AI succeed where humans failed?

 

The first explanation is that this particular solution happens to be highly counterintuitive.

 

Most people who tackled this problem tried to prove Erdos's conjecture, rather than disprove it. Only by defying conventional wisdom and experimenting with seemingly improbable strategies did the model find an unexpected path forward.

 

The second is that humans specialize while AI synthesizes.

 

While mathematicians tend to focus on their specific areas of expertise, AI models use their vast knowledge to spot connections that we couldn't possibly see ourselves. In this case, that meant pulling from both algebraic number theory and discrete geometry, which have about as much in common as the marathon and pole vault.

 

The third explanation is that AI has time, attention, patience, focus and the persistence to stick with methods that humans might abandon -- and the solution to this Erdos problem demanded it.

 

"It's the kind of idea that you try for a bit, it doesn't work, and you think maybe you were just too hopeful," said Mark Sellke, a Harvard statistician on leave at Open-AI. "So you give up and move on."

 

AI doesn't move on. It keeps plugging away without taking any breaks to eat, sleep, answer emails, pick the kids up from school and watch the Knicks.

 

And it can think coherently for so long that even an abridged version of the model's "chain of thought" ran more than 75,000 words.

 

After reading it, a former Open-AI researcher did some back-of-the-envelope calculations and estimated that it took less than 32 hours and $1,000 in tokens, a bargain for a result of this caliber.

 

The researchers wouldn't confirm the exact amount of time and compute, but Bubeck described the costs as "really nothing crazy at all."

 

Whether you find all of this craziness upsetting or inspiring -- or both -- depends on how you feel about AI. The people inside OpenAI are surprisingly optimistic about the future of the mathematicians who just had their minds blown.

 

They point to domains where unthinkable technological advances have improved human performance, from Go players to chess grandmasters. Like a calculator, they say, AI is a tool that can expand our curiosity rather than destroy it. In fact, humans are already building on this solution's methods, refining them, strengthening them and using them to take down other longstanding mathematical problems.

 

"The point of a breakthrough," Bubeck wrote on X, "is that suddenly it makes a lot of things that seemed impossible possible."

 

It's also fair to say that AI can power real scientific progress in any field with problems waiting to be solved.

 

And now there is proof. Or disproof.” [1]

 

1. EXCHANGE --- Science of Success: A Math Problem Stumped Everyone For 80 Years. AI Just Cracked It. --- The math world is losing its mind over a proof for one of the Erdos problems. Cohen, Ben.  Wall Street Journal, Eastern edition; New York, N.Y.. 30 May 2026: B2.  

Newsomas nori dirbtinio intelekto Naujojo kurso

„Politikai niekada nepraleidžia progos įgyti daugiau valdžios, o demokratai kaip kitą savo galimybę siekia visuomenės nerimo dėl dirbtinio intelekto. Kalifornijos gubernatorius Gavinas Newsomas jau kalba apie partijos galimybę sudaryti antrąjį „Naująjį kursą“, planuodamas savo kandidatūrą į prezidentus.

 

Šį mėnesį ponas Newsomas išleido tai, ką pavadino „pirmuoju tokio pobūdžio“ vykdomuoju įsakymu, kuriuo siekiama „parengti darbuotojus ir įmones galimiems dirbtinio intelekto sutrikimams“. Valstija negali išvalyti savo gatvių nuo benamių stovyklų ar pasiruošti miškų gaisrams, tačiau turėtume pasitikėti išrinktais lyderiais, kad jie žinos, kaip reaguoti į ekonominius pokyčius, kuriuos sukelia sudėtingos ir sparčiai besivystančios dirbtinio intelekto technologijos.

 

Nors Newsomo įsakyme trūksta konkrečių detalių, jis nurodo jo administracijai peržiūrėti, „kaip darbuotojų balsas įtraukiamas į besiformuojančių technologijų diegimą“ ir „politiką bei praktiką, kuri suteikia atleistiems darbuotojams apsaugos tinklą“. Tai užsimena apie daugiau gerovės programų ir profesinių sąjungų palankumą.

 

Šį mėnesį ponas Newsomas kairiųjų pažiūrų Amerikos pažangos centrui sakė, kad demokratai turėtų kalbėti apie dirbtinį intelektą, „kaip kalbėjo F. D. Ruzveltas“. 1944 m., apie naują socialinį susitarimą.“

 

Jis pasiūlė sekti dosniomis Europos darbo užmokesčio pakeitimo programomis ir darbo vietų apsauga.

 

Galbūt jis praleido Didžiosios Britanijos diskusijas, ypač pastaruoju metu net Leiboristų partijoje, apie tai, kodėl milijonas jaunų vyrų ir moterų paliko darbo jėgą, gaudami vyriausybės pašalpas.

 

Jei vyriausybė apsunkins įmonių galimybes atleisti darbuotojus, jos bus mažiau linkusios kurti kitas darbo vietas ir samdyti jaunus žmones su mažesne patirtimi. Štai kodėl jaunimo nedarbo lygis Prancūzijoje viršija 20 %. Privalomos darbo vietų apsaugos priemonės – nesvarbu, ar jas nustato vyriausybė, ar kolektyvinės derybos – lemia mažiau dinamišką ekonomiką ir lėtesnį darbo užmokesčio augimą.

 

Kalbant apie darbo užmokesčio pakeitimą, jei darbuotojai gali sukelti beveik tiek pat bedarbių, kiek jie sukuria dirbdami, daugelis liks namuose. Tai buvo viena iš pandemijos pamokų, kai Kongresas padidino bedarbio pašalpas ir pervedimus. Nedarbas ilgiau išliko didesnis, o įmonėms buvo sunku rasti darbuotojų.

 

Ponas Newsomas taip pat sakė, kad svarsto „universalų bazinį kapitalą“. Galvoju apie viešuosius akcijų fondus ir dividendus. „Galvoju apie nuosavybę.“ Tokios idėjos išpopuliarėjo tarp liberaliosios inteligentijos, tad tikėkitės, kad šią idėją priims ir demokratai.

 

Visuotinis bazinis kapitalas atrodo kaip socializmas politiškai priimtinesniu pavadinimu. Pagal vieną iš versijų, kurią iškėlė kai kurie liberalai, vyriausybė reikalauja, kad įmonės perduotų akcijas, kurias ji perveda į fondą. Tada politikai paskirsto investicines pajamas iš fondo piliečiams kaip „dividendą“.

 

Progresyviems tai suteikia politikams daugiau kontrolės didesnėje ekonomikos dalyje.

 

„Verslas uždirbs turtus, todėl negalima toliau taikyti darbo užmokesčio mokesčių sistemos, kuri apmokestina darbo vietas, o paskui subsidijuoja automatizavimą“, – sakė ponas Newsomas.

 

Hmm. Tai iš tikrųjų galėtų būti įdomu. JAV mokesčių sistema nesubsidijuoja automatizavimo, tačiau dideli mokesčiai ir darbo užmokesčio reikalavimai skatina darbdavius ​​keisti darbuotojus technologijomis.

 

Jei ponas Newsomas nenori apmokestinti darbo vietų, kaip būtų sumažinti pajamų ir darbo užmokesčio mokesčius? Didžiausias ribinis mokesčio tarifas Kalifornijoje, kai darbo užmokestis viršija 72 725 USD, įskaitant, kad neįgalumo mokestis yra 10,6 %. O gal panaikintų jo valstijos 20 USD per valandą minimalų darbo užmokestį greitojo maisto darbuotojams ir klimato kaitos reglamentus, kurie sunaikino dešimtis tūkstančių darbo vietų?

 

Kalifornijoje kartu su Nevada ir Delaveru yra didžiausias nedarbo lygis šalyje (5,3 %), po jo seka Oregonas ir Vašingtonas (5,2 %), Ilinojus (5,1 %), Konektikutas ir Mičiganas (5 %). Dirbtinio intelekto nereikia, kad suprastum, ką jos turi bendro. Išskyrus Nevadą, valstijas valdo demokratai, kuriems didelę įtaką daro viešosios profesinės sąjungos.

 

Vis dėlto, ponas Newsomas pripažįsta, dirbtinio intelekto keliamus, sutrikimus ir bando juos spręsti.

 

Tai įspėjimas respublikonams, kad jie turi daug daugiau nuveikti, kad paaiškintų amerikiečiams didelius pokyčius, kuriuos atneš dirbtinis intelektas, ir savo idėjas, kaip šalis gali gauti naudos.

 

Priešingu atveju rinkėjai gali pritarti demokratų bandymui sukurti didesnę ir, dar mažiau įperkamą, teisę į išmokas turinčią, valstybę.“ [1]

 

1. Newsom Wants an AI New Deal. Wall Street Journal, Eastern edition; New York, N.Y.. 30 May 2026: A12.