ИИ-агенты Anthropic совершили прорыв в задаче Римана: 60 суб-агентов за 36 часов подняли нижнюю границу с 41,6% до 67,2%

Автономный процесс: как ИИ работал без математиков

Достижение стало результатом многоагентного рабочего процесса, который поразил даже исследователей Anthropic:

• Сотрудник Anthropic без серьёзного математического образования попросил модель «всерьёз взяться» за доказательство гипотезы .
• Примерно за 1,5 дня модель протестировала около 650 кандидатурных подходов с помощью 60 координированных суб-агентов .
• Запуск израсходовал 31 миллион выходных токенов в двух сессиях, выполнил 2400 shell-команд и изучил 54 статьи на arXiv .
• Двое из 60 суб-агентов отвечали за разработку ключевого математического прорыва .
• Победивший подход синтезировал статью Энрико Бомбьери (2000 год) с более поздними результатами — комбинация, которую ранее не собрал ни один исследователь-человек .

Верификация: два уровня проверки

Два штатных математика Anthropic — Левент Алпёге и Ральф Фурманяк — изучили и подтвердили доказательство . Затем аргумент был формализован в Lean, интерактивном ассистенте доказательств, с получением машинно-проверяемого сертификата корректности . Такая двойная валидация (экспертная рецензия + формальная верификация) считается лучшей практикой для ИИ-генерируемых математических результатов.

2026 год как переломный момент: ИИ вышел на уровень открытых проблем

Улучшение границы Римана от Claude — не единичное событие. Весь 2026 год отмечен ускоряющейся чередой ИИ-прорывов в математике:

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

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

Дебаты: авторство, стандарты и Лейденская декларация

Стремительный прогресс ИИ-математики вызвал бурные споры:

• В июне 2026 года группа из 16 математиков опубликовала Лейденскую декларацию об искусственном интеллекте и математике, рекомендующую новые стандарты структуры доказательств, указания авторства и человеческого контроля над ИИ-результатами . Декларация уже обсуждалась Международным математическим союзом .
• Ключевые противоречия: Кому приписывать авторство, если доказательство создано ИИ? Может ли сообщество сохранять эпистемологическое доверие, если доказательства слишком длинны или новы для полной проверки человеком без формальных инструментов? И как журналам следует рецензировать результаты, которые не мог получить ни один человек ?
• Некоторые математики утверждают, что ИИ-доказательства рискуют подорвать понимание и объяснительную глубину — 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 открывать новое

Результат Anthropic продвигает дискуссию по нескольким конкретным направлениям:

1. Масштаб автономного поиска имеет значение.

Тестирование 650 идей с помощью 60 суб-агентов демонстрирует, что многоагентные архитектуры могут проводить систематический поиск в масштабе, недоступном ни одной человеческой исследовательской группе за то же время . Это смещает вопрос от «Может ли ИИ заниматься математикой?» к «Как интегрировать ИИ-разведку в конвейер научных открытий?».

2. Возможны неожиданные синтезы.

Тот факт, что модель без математического образования объединила статью Бомбьери (2000 г.) с более новыми результатами — комбинация, которую не заметил ни один человек — показывает, что ИИ способен на неочевидные концептуальные связи между разрозненными работами . Эта способность напрямую отвечает на ключевое сомнение: могут ли LLM не просто интерполировать, а действительно совершать открытия.

3. Формальная верификация решает проблему доверия.

Формализация в Lean означает, что результат — не заявление из «чёрного ящика». Это проверяемая теорема, которую любой математик может проверить механически . Это предлагает шаблон для того, как делать ИИ-генерируемые научные результаты верифицируемыми, снимая одно из самых серьёзных возражений против ИИ-открытий.

4. Дискуссия об авторстве и стандартах является конструктивной, а не парализующей.

Одновременное появление ошеломляющих результатов (DeepMind, OpenAI, Anthropic) и ответных инициатив сообщества (Лейденская декларация) говорит о том, что математическое сообщество адаптируется, а не отступает . Текущий разговор сосредоточен на нормах и признании заслуг, а не на полном отвержении ИИ-результатов.

5. Стоимость и скорость открытий стремительно падают.

Затраты в 2000 долларов на вычисления для результатов OpenAI Astra и 36-часовой цикл работы Claude над границей Римана указывают на то, что предельная стоимость публикуемого математического открытия приближается к нулю . Это имеет глубокие последствия для того, какие вопросы выбирают исследователи и кто может участвовать в математических исследованиях.

Итог

Улучшение границы Римана от Anthropic — это знаковое доказательство того, что ИИ-системы теперь могут автономно совершать публикуемые, формально верифицируемые математические открытия, продвигая 150-летнюю открытую проблему. В сочетании с серией аналогичных прорывов 2026 года это переводит дискуссию с вопроса «Может ли ИИ способствовать научным открытиям?» на «Как научное сообщество должно структурировать стимулы, признание заслуг и верификацию для нового класса ИИ-соавторов?»