Нейросеть Anthropic за 36 часов совершила крупнейший прорыв в 150-летней математической проблеме

Автономный процесс

Прорыв стал результатом поразительного мультиагентного подхода:

• Сотрудник Anthropic без серьёзного математического образования попросил модель «по-настоящему взяться» за доказательство гипотезы .
• Примерно за 1,5 дня модель протестировала около 650 кандидатурных подходов, координируя работу 60 суб-агентов .
• Запуск израсходовал 31 миллион выходных токенов в двух сессиях, выполнил 2400 команд в оболочке и проанализировал 54 статьи с arXiv .
• Из 60 суб-агентов только два разработали ключевую математическую идею .
• Победный подход объединил работу Энрико Бомбьери (2000 г.) с более новыми результатами — комбинацию, которую ранее не собрал ни один человек .

Процесс верификации

Два штатных математика Anthropic — Левент Алпёге и Ральф Фурманяк — проверили и подтвердили доказательство . Затем аргумент был формализован в Lean — интерактивном доказателе теорем, что дало машинно-проверяемый сертификат корректности . Такая двойная валидация (экспертная рецензия + формальная верификация) считается золотым стандартом для ИИ-сгенерированных математических результатов.

Переломный 2026 год: новый этап ИИ в математике

Улучшение границы Римана моделью Claude — не изолированное событие. 2026 год ознаменовался ускоряющейся чередой ИИ-прорывов в математике:

• Май 2026 г. — OpenAI объявила, что неанонсированная модель общего назначения автономно опровергла гипотезу Эрдёша о единичных расстояниях — открытую проблему 80-летней давности .
• Май 2026 г. — AlphaProof Nexus от Google DeepMind решила девять открытых задач Эрдёша (некоторые не решались 56 лет) и доказала 44 гипотезы из Онлайн-энциклопедии целочисленных последовательностей — все формализованы в Lean .
• Июль 2026 г. — математик Anthropic Левент Алпёге с помощью неанонсированной модели «Fable 5» нашёл контрпример к гипотезе Якоби, сформулированной в 1939 году .
• Август 2026 г. — модель OpenAI Astra якобы решила десять задач десятилетней давности примерно за $2000 вычислительных затрат, опубликовав машинно-проверяемые доказательства в Lean на GitHub .

Многие комментаторы отметили, что в середине 2026 года область перешла порог: ИИ-системы перешли от решения конкурсных задач к генерации публикуемых исследований уровня открытых проблем .

Дебаты: авторство, стандарты и Лейденская декларация

Стремительный прогресс ИИ в математике вызвал интенсивные дискуссии:

• В июне 2026 г. группа из 16 математиков опубликовала Лейденскую декларацию об искусственном интеллекте и математике, рекомендующую новые стандарты структуры доказательств, указания авторства и человеческого контроля за ИИ-результатами . Декларация впоследствии обсуждалась Международным математическим союзом .
• Ключевые противоречия: Кто получает авторство, если доказательство генерирует ИИ? Может ли область сохранить эпистемическое доверие, если доказательства слишком длинны или новы для проверки человеком без формальных инструментов? И как журналам следует рецензировать результаты, которые ни один человек не смог бы получить в одиночку ?
• Некоторые математики утверждают, что ИИ-сгенерированные доказательства рискуют подорвать понимание и объяснительную ценность — доказательство может быть верным, но непрозрачным . Другие видят в формальной верификации в Lean более строгий стандарт, чем традиционное рецензирование .

Что это значит для способности ИИ совершать научные открытия

Результат Anthropic по границе Римана продвигает дискуссию в нескольких конкретных аспектах:

1. Масштаб автономного поиска имеет значение. Тестирование 650 идей с помощью 60 суб-агентов демонстрирует, что мультиагентные архитектуры могут выполнять систематический поиск в масштабе, недоступном ни одной человеческой исследовательской группе за тот же период . Это смещает вопрос с «Может ли ИИ заниматься математикой?» на «Как нам интегрировать широкомасштабное ИИ-исследование в конвейер научных открытий?»

2. Серендипный синтез возможен. Тот факт, что модель без математического образования объединила работу Бомбьери (2000 г.) с более новыми результатами — комбинацию, которую не видел ни один человек, — показывает, что ИИ может совершать неочевидные концептуальные связи между разрозненными областями литературы . Эта способность напрямую отвечает на ключевое сомнение: являются ли LLM лишь интерполяторами или могут совершать подлинные открытия.

3. Формальная верификация решает проблему доверия. Формализация в Lean означает, что результат — не заявление из «чёрного ящика». Это доказуемо корректная теорема, которую любой математик может проверить механически . Это даёт шаблон для того, как делать ИИ-сгенерированные научные результаты верифицируемыми, снимая одно из самых сильных возражений против ИИ-открытий.

4. Дебаты об авторстве и стандартах конструктивны, а не парализующи. Одновременное появление как впечатляющих результатов (DeepMind, OpenAI, Anthropic), так и институциональных ответов сообщества (Лейденская декларация) говорит о том, что математическое сообщество адаптируется, а не отступает . Текущий разговор сосредоточен на нормах и признании, а не на отторжении ИИ-результатов в целом.

5. Стоимость и скорость открытий стремительно падают. $2000 вычислительных затрат на результаты OpenAI Astra и 36-часовой оборот для границы Римана от Claude говорят о том, что предельные затраты на публикуемое математическое открытие приближаются к нулю . Это имеет глубокие последствия для того, какие вопросы выбирают для исследования учёные и кто может участвовать в математических исследованиях.

Краткий итог: Улучшение границы Римана моделью Anthropic — знаковая демонстрация того, что ИИ-системы теперь могут автономно совершать публикуемые, формально верифицируемые математические открытия, продвигающие 150-летнюю открытую проблему. В сочетании с чередой аналогичных прорывов в 2026 году это переводит дискуссию из плоскости «может ли ИИ вносить вклад в научные открытия» в плоскость «как научному сообществу выстроить стимулы, атрибуцию и верификацию для нового класса ИИ-соавторов».