Google представила Gemini 4 Argon — модель штучного інтелекту, яка продемонструвала результати одразу в кількох складних сферах: від квантових обчислень і термоядерного синтезу до керування фізичними роботами. В одному з експериментів модель зменшила ресурсні витрати окремого квантового алгоритму більш ніж у 100 разів, а в іншому допомогла підвищити успішність виконання роботизованих завдань із 56% до 75%.
Найцікавіше тут те, що Gemini 4 Argon не просто генерує текст або пише програмний код. За даними Google, модель допомагає знаходити математичні рішення, оптимізувати обчислення та створювати віртуальні середовища, у яких роботи навчаються перед роботою з реальними об’єктами.
Що сталося
Google оголосила про результати роботи Gemini 4 Argon 13 жовтня 2026 року. Компанія представила модель як інструмент для дослідницьких завдань, програмної інженерії та робототехніки.
Один із головних результатів стосується квантових обчислень. Gemini 4 Argon оптимізувала математичну підпрограму, яка використовується в алгоритмах квантового моделювання. За даними компанії, її ресурсна вартість виявилася більш ніж у 100 разів нижчою, ніж у раніше опублікованій реалізації.
Водночас модель показала результати в інших експериментах:
- підвищила успішність виконання роботизованих завдань у реальному світі з 56% до 75%;
- скоротила середній час виконання такого завдання з 35 до 24 секунд;
- допомогла знайти нові математичні контрприклади до гіпотези, пов’язаної з термоядерними реакторами;
- оптимізувала програмний код, прискоривши імпорт пакетів на 21%.
Ці результати стосуються конкретних тестів. Вони не означають, що всі квантові комп’ютери стали у 100 разів ефективнішими або що будь-який робот тепер працюватиме краще завдяки новій моделі.
Що здивувало дослідників
Найпомітніший результат — оптимізація квантового алгоритму. Gemini 4 Argon працювала з підпрограмою arcsin, яка використовується в алгоритмах квантового моделювання. Її нова реалізація потребує значно менше обчислювальних ресурсів, ніж раніше опублікований варіант квантового алгоритму CORDIC.
Google також повідомила, що реалізацію формально перевірили за допомогою Lean — системи, яка дозволяє перевіряти математичні доведення. Це важливо, оскільки математично переконливий результат і справді коректна реалізація алгоритму — не одне й те саме.
Інший несподіваний результат стосується робототехніки. Модель змогла створити навчальні симуляції на основі лише однієї фотографії стільниці. На їхній основі згенерували понад 4500 навчальних епізодів для завдань із маніпулювання предметами.
Як це працює
У квантових обчисленнях важливо не лише те, чи може алгоритм розв’язати задачу, а й скільки ресурсів для цього потрібно. Чим складніша операція, тим більше вимог вона може висувати до апаратного забезпечення та часу виконання.
Google вимірювала так звану просторово-часову вартість операції — показник, який враховує обчислювальні ресурси та тривалість виконання. Зменшення цього показника більш ніж у 100 разів стосується конкретної підпрограми, а не всього квантового комп’ютера.
У робототехніці підхід інший. Робота спочатку навчають у віртуальному середовищі, де він може багаторазово відпрацьовувати рухи без необхідності щоразу виконувати їх фізично.
Gemini 4 Argon створила фізичну симуляцію на основі фотографії, а потім згенерувала тисячі навчальних сценаріїв. За результатами Google, успішність виконання завдань реальним роботом зросла з 56% до 75%, а час виконання скоротився з 35 до 24 секунд.
В іншій демонстрації модель допомогла роботу Spot від Boston Dynamics відпрацювати відкривання сміттєвого бака з педаллю у симуляції перед спробою виконати це завдання з реальними предметами.
Що було відомо раніше
Квантові обчислення, термоядерна енергетика та робототехніка мають різні технічні проблеми, але в усіх трьох сферах потрібні складні математичні моделі й велика кількість перевірок.
У квантових системах важливо зменшувати витрати ресурсів і контролювати помилки. У термоядерних реакторах, зокрема стелараторах, необхідно правильно розраховувати магнітні поля, які утримують надгарячу плазму.
Один із результатів Gemini 4 Argon пов’язаний із гіпотезою Града, сформульованою ще 1967 року. Працюючи разом із Меттом Ландерманом, професором Університету Меріленду, дослідники знайшли ширший клас контрприкладів до цієї математичної гіпотези.
Це не перший випадок, коли гіпотезу ставили під сумнів. Нові розв’язки можуть стати контрольними прикладами для перевірки програмного забезпечення, яке використовують під час проєктування стелараторів.
Що це може змінити
Результати Gemini 4 Argon демонструють кілька потенційних напрямів використання ШІ.
- Квантові технології. Оптимізація окремих алгоритмів може зменшувати обчислювальні витрати, необхідні для певних операцій.
- Термоядерна енергетика. Нові математичні контрприклади можуть допомогти перевіряти точність програм, які моделюють поведінку плазми.
- Робототехніка. Генерування навчальних сценаріїв може полегшити підготовку роботів до роботи з реальними предметами.
- Програмування. Модель може самостійно аналізувати великі кодові бази та пропонувати оптимізації, які потім перевіряють люди.
Останній напрям Google перевірила на власному фреймворку Agent Development Kit. Gemini 4 Argon протягом 11 годин без нагляду аналізувала кодову базу обсягом близько 205 тисяч рядків у майже 800 файлах.
Модель запропонувала шість оптимізацій. Після перевірки людьми дві з них прийняли та внесли до проєкту. Підготовка сесій у пам’яті стала потребувати приблизно на 40% менше ресурсів, а імпорт програмних пакетів прискорився на 21%.
Проте ці результати не доводять, що модель так само ефективно працюватиме з будь-яким програмним проєктом або науковою задачею.
💡 Цікаво знати
Gemini 4 Argon також допомогла дослідникам Gamow Labs проаналізувати знеособлені генетичні дані новонароджених із рідкісними порушеннями розвитку легень. За даними Google, модель виявила хромосомну перебудову, яку звичайне програмне забезпечення не знаходило протягом кількох років.
Цей результат показує ще один можливий напрям застосування моделі — пошук закономірностей у складних біологічних даних. Водночас у наданому матеріалі немає подробиць, які дозволили б незалежно оцінити цей результат або зробити висновки про готовність технології до клінічного використання.
❓ Чи означає це, що ШІ вже може самостійно робити наукові відкриття?
Gemini 4 Argon продемонструвала здатність знаходити математичні рішення, пропонувати зміни в програмному коді та створювати симуляції для навчання роботів. Але це не означає, що всі результати моделі можна приймати без перевірки.
У програмному проєкті люди схвалили лише дві із шести запропонованих оптимізацій. Квантову реалізацію формально перевірили за допомогою Lean, а результати робототехнічних експериментів оцінювали за конкретними показниками.
Отже, модель може бути не просто помічником у написанні текстів, а інструментом для розв’язання технічних і наукових задач. Наскільки широко ці можливості працюватимуть за межами описаних експериментів, ще належить з’ясувати.
