Демократизация открытия: любители используют ИИ (artificial intelligence, AI), чтобы разгадать код Эрдеша
Дата: 17 января 2026 г.
Тема: ИИ в математике, демократизация исследований
Ключевые фигуры: Paul Erdős, Neel Somani, Thomas Bloom
В событии, которое производит шок в обычно закрытом мире академической математики, любители-энтузиасты, вооружённые продвинутым искусственным интеллектом (ИИ), успешно решили давние математические гипотезы, поставленные легендарным венгерским математиком Paul Erdős. Этот рубеж, о котором сообщал New Scientist и который подтверждён недавними верифицированными доказательствами, знаменует собой решительный сдвиг в ландшафте научных открытий: барьер входа в исследования высокого уровня не просто снизился — он фактически был демонтирован агентами рассуждения ИИ.
Невероятные решатели
В течение десятилетий неразрешённые задачи, оставленные Paul Erdős — умершим в 1996 году — служили лакмусовой бумажкой математической изобретательности. Эрде́ш был знаменит тем, что формулировал задачи, которые казались обманчиво простыми для постановки, но зловеще трудными для доказательства, часто прикрепляя к ним небольшие денежные призы в шутливых целях. До недавнего времени эти задачи были исключительной прерогативой штатных профессоров и лауреатов медали Филдса.
Тем не менее события начала 2026 года перевернули эту иерархию. Любители-математики, определяемые здесь как лица, действующие вне традиционной контрактной траектории чистой математики, начали представлять формально верифицированные доказательства для этих «задач Эрдеша».
Наиболее заметный недавний успех связан с Задачей Эрдеша №397, вопросом о центральных биномиальных коэффициентах (central binomial coefficients), который озадачивал теоретиков чисел в течение многих лет. Решение пришло не из университетского департамента, а от человека, использовавшего коммерчески доступную модель ИИ, идентифицированную в отчётах как GPT-5.2, работающего в тандеме с системой формальной верификации, известной как Aristotle (formal verification).
Рабочий процесс сотрудничества человека и ИИ
Прорыв заключается не в том, что ИИ «магически» знал ответ, а в новом рабочем процессе, который сочетает рассуждение большой языковой модели (large language model, LLM) с формальной проверкой доказательств (formal proof verification). Этот нейро-символический подход (neuro-symbolic) устраняет историческую слабость больших языковых моделей в математике: их склонность галлюцинировать правдоподобную, но неправильную логику.
Методология, принятная этими математиками нового поколения, как правило, следует трёхэтапному процессу:
- Понятийное рассуждение: человек стимулирует модель ИИ (например, GPT-5.2 или Claude) на генерацию стратегий высокого уровня для доказательства.
- Формальный перевод: ИИ переводит эти стратегии на формальный язык доказательств, такой как Lean 4.
- Автоматическая верификация: специализированный «агент-верификатор» (например, система Aristotle) компилирует код. Если код компилируется без ошибок, доказательство математически действительно, что исключает необходимость месячной рецензии для поиска тонких логических ошибок.
Таблица: Традиционные исследования vs. исследования любителей с поддержкой ИИ
| Feature | Traditional Research Model | AI-Assisted Amateur Model |
|---|---|---|
| Primary Reasoner | Human Specialist | Human-AI Hybrid |
| Verification Method | Peer Review (Months/Years) | Formal Compiler (Seconds/Minutes) |
| Barrier to Entry | PhD in Mathematics | Access to Compute & Logic Skills |
| Tooling | Pen, Paper, LaTeX | большие языковые модели, Lean, Python |
| Success Rate | Low (High failure cost) | High (Rapid iteration allowed) |
| --- | --- | ---- |
Сдвиг в возможностях
Это явление сигнализирует о созревании рассуждающих возможностей ИИ. Всего два года назад модели ИИ испытывали трудности с базовой арифметикой и едва ли могли проследить логику школьного геометрического доказательства. Сегодня системы демонстрируют способность ориентироваться в «поисковом пространстве» абстрактной математики с интуицией, которая имитирует — и в некоторых случаях превосходит — человеческие возможности.
Thomas Bloom, математик из Университета Манчестера, отметил значимость этого перехода в интервью для New Scientist. Он заметил, что хотя конкретные решаемые задачи Эрдеша могут и не быть «Эверестами» поля (например, гипотеза Римана), они, безусловно, являются «альпийскими вершинами», которые ранее требовали значительной профессиональной квалификации для покорения. Тот факт, что ИИ теперь способен вести неспециалистов к этим вершинам, указывает на то, что «порог рассуждения» для искусственного общего интеллекта (Artificial General Intelligence, AGI) в научных областях пересекается.
Фактор «Aristotle»
Ключевым компонентом этих недавних побед стало появление специализированных систем ИИ, таких как Aristotle. В отличие от общего чат-бота, Aristotle разработан специально для интерфейса между идеями на естественном языке и формальной логикой.
Когда Neel Somani, количественный исследователь, взялся за Задачу Эрдеша №397, он не просто спросил ИИ об ответе. Он использовал ИИ, чтобы преодолеть разрыв между своей интуицией и строгими требованиями формального доказательства. ИИ выступал в роли «супер-переводчика», превращая смутные математические предчувствия в неоспоримый код. Эта возможность позволяет любителям сосредоточиться на «что» и «почему» проблемы, в то время как ИИ решает ужасающую «как» формального синтаксиса.
Последствия для научного сообщества
Реакция профессионального сообщества была смесью скепсиса и изумления. Лауреат медали Филдса Terence Tao активно взаимодействовал с этими событиями, признавая верифицированные доказательства, сгенерированные системами ИИ.
Эта демократизация приносит как возможности, так и вызовы:
- Ускорение установления истины: задел нерешённых гипотез может быть очищен быстро, открывая новые области математики, которые десятилетиями стояли на месте.
- Эпоха «доказательств по ощущениям»: существует опасение, что математика может сместиться от понимания того, почему что-то верно, к простому знанию того, что оно верно, поскольку машина это верифицировала. Однако использование формальных языков, таких как Lean, фактически смягчает это, поскольку оно требует уровня строгости, который человеческие письменные доказательства часто опускают.
- Гражданская наука 2.0: так же как любительские астрономы открывают кометы, мы вступаем в эру «гражданских математиков», которые могут вносить значимый теоретический вклад без институциональной принадлежности.
Заключение: будущее совместного интеллекта
Решение задач Эрдеша любителями — это не просто забавная новость; это вестник будущего интеллектуальной работы. В Creati.ai мы рассматриваем это как окончательное подтверждение Коллаборативного интеллекта (Collaborative Intelligence). ИИ не заменил человека; он усилил человеческое намерение, покрывая их слепые зоны и строгие слабости.
По мере того как эти инструменты становятся более доступными, мы ожидаем расширения определения «исследователь». Следующий великий прорыв в физике, биологии или компьютерных науках может прийти не из престижной лаборатории, а от любознательного ума с ноутбуком и мощным партнёром-ИИ, раскрывающего код вселенной по одному промпту за раз.
