Як 60 ШІ-субагентів просунули 150-річну математичну проблему далі за півтори доби, ніж будь-яка людина самотужки

Автономний процес, що привів до результату

Це досягнення стало можливим завдяки вражаючому багатоагентному робочому процесу, який здивував навіть дослідників Anthropic:

• Співробітник Anthropic без серйозної математичної підготовки попросив модель «серйозно взятися» за доведення гіпотези .
• Приблизно за 1,5 доби модель протестувала близько 650 кандидатських підходів за допомогою 60 координованих субагентів .
• Запуск спожив 31 мільйон вихідних токенів у двох сесіях, виконав 2400 команд у терміналі та переглянув 54 статті з arXiv .
• Два з 60 субагентів відповідали за розробку ключового математичного прориву .
• Виграшний підхід синтезував статтю Енріко Бомб'єрі 2000 року з новішими результатами — комбінація, яку жоден дослідник-людина раніше не збирав докупи .

Верифікація: два рівні доведення

Два штатні математики — Левент Алпьоге та Ральф Фурманяк — перевірили та підтвердили доведення . Потім аргумент був формалізований у системі Lean, інтерактивному доводжувачі теорем, що дало машиночитаний сертифікат коректності . Така подвійна валідація (експертна перевірка людиною + формальна верифікація) вважається найкращою практикою підтвердження результатів, отриманих за допомогою ШІ.

Поворотний момент: 2026 рік, коли ШІ перейшов до дослідження відкритих проблем

Покращення межі Рімана від Claude — не поодинокий випадок. 2026 рік ознаменувався прискореною серією математичних проривів завдяки ШІ:

• Травень 2026 — OpenAI оголосила, що неопублікована модель загального міркування автономно спростувала гіпотезу одиничної відстані Ердеша, відкриту проблему віком 80 років .
• Травень 2026 — AlphaProof Nexus від Google DeepMind розв'язала дев'ять відкритих задач Ердеша (деякі не піддавалися розв'язанню 56 років) і довела 44 гіпотези з Онлайн-енциклопедії цілочисельних послідовностей, усі формалізовані в Lean .
• Липень 2026 — Математик Anthropic Левент Алпьоге використав неопубліковану модель «Fable 5», щоб знайти контрприклад до гіпотези Якобі, поставленої ще 1939 року .
• Серпень 2026 — Модель OpenAI Astra нібито розв'язала десять багаторічних математичних проблем вартістю близько $2000 за обчислення, опублікувавши машиночитані доведення в Lean на GitHub .

Багато коментаторів зазначили, що в середині 2026 року поле перетнуло поріг: системи ШІ перейшли від розв'язання задач олімпіадного рівня до генерування публікованих досліджень на рівні відкритих проблем .

Дебати: авторство, стандарти та Лейденська декларація

Швидкий темп ШІ-генерованої математики спровокував інтенсивні дискусії:

• У червні 2026 року група з 16 математиків опублікувала Лейденську декларацію про штучний інтелект і математику, яка рекомендує нові стандарти структури доведень, приписування авторства та людського нагляду за результатами, отриманими за допомогою ШІ . Декларацію згодом обговорив Міжнародний математичний союз .
• Ключові суперечності: Хто отримує авторство, коли ШІ генерує доведення? Чи може наука зберегти епістемічну довіру, якщо доведення надто довгі або нові, щоб людина могла їх повністю перевірити без формальних інструментів? І як журнали мають рецензувати результати, які жодна людина не могла б створити самостійно ?
• Деякі математики стверджують, що ШІ-допоміжні доведення ризикують нівелювати розуміння та пояснювальну глибину — доведення може бути правильним, але незрозумілим . Інші вважають формальну верифікацію в Lean суворішим стандартом, ніж традиційне рецензування .

Що це означає для здатності ШІ відкривати нову науку

Результат Anthropic щодо межі Рімана просуває дискусію в кількох конкретних напрямках:

1. Масштаб автономного дослідження має значення.

Тестування 650 ідей за допомогою 60 субагентів демонструє, що багатоагентні архітектури можуть виконувати систематичний пошук у масштабі, недосяжному для жодної дослідницької групи людей за той самий час . Це змінює питання з «Чи може ШІ займатися математикою?» на «Як нам інтегрувати ШІ-дослідження в конвеєр наукових відкриттів?»

2. Можливі випадкові синтези.

Той факт, що модель без математичної підготовки поєднала статтю Бомб'єрі (2000) з новішими результатами — комбінацію, яку не помітив жоден дослідник, — показує, що ШІ здатен на неочевидні концептуальні зв'язки між різними літературами . Ця здатність безпосередньо адресує ключове занепокоєння: чи просто інтерполюють великі мовні моделі, чи вони справді здатні до відкриттів.

3. Формальна верифікація вирішує проблему довіри.

Формалізація в Lean означає, що результат — це не претензія з «чорної скриньки». Це доведено правильна теорема, яку будь-який математик може перевірити механічно . Це пропонує шаблон того, як результати наукових досліджень, отримані за допомогою ШІ, можна зробити верифікованими, що відповідає одному з найсильніших заперечень проти ШІ-керованих відкриттів.

4. Дебати про авторство та стандарти є конструктивними, а не паралізуючими.

Одночасна поява приголомшливих результатів (DeepMind, OpenAI, Anthropic) та інституційних відповідей спільноти (Лейденська декларація) свідчить про те, що математична спільнота адаптується, а не відступає . Поточна дискусія зосереджена на нормах і кредиті, а не на повному відкиданні результатів ШІ.

5. Вартість і швидкість відкриттів різко падають.

Вартість обчислень у $2000 для результатів OpenAI Astra та 36-годинний оборот для межі Рімана від Claude свідчать про те, що гранична вартість публікованого математичного відкриття наближається до нуля . Це має глибокі наслідки для того, які питання дослідники обирають для вивчення і хто може брати участь у математичних дослідженнях.

Підсумок

Покращення межі Рімана від Anthropic — це знакова демонстрація того, що системи ШІ тепер можуть автономно робити публіковані, формально верифіковані математичні відкриття, які просувають 150-річну відкриту проблему. У поєднанні з низкою подібних проривів 2026 року це змінює дискусію з «Чи може ШІ сприяти науковим відкриттям?» на «Як науковій спільноті структурувати стимули, приписування авторства та верифікацію для нового класу ШІ-співдослідників?»