От анализа котов до теорем Эрдёша: искусственный интеллект всё чаще атакует вершины математики

ИИ‑модели переходят от гуманитарных задач к решению сложной математики

*Сейчас большинство искусственных интеллектов изначально разрабатывались для работы с текстом и изображениями, но их разработчики всё чаще осознают потенциал применить их в математике. Это открывает два важных направления:*

1. Научный прогресс – новые модели позволяют быстро находить решения, которые раньше считались нерешаемыми.
2. Демонстрация возможностей ИИ – успехи в математике служат ярким доказательством эффективности технологий.

Примеры успехов

- Кембриджский студент использовал модель OpenAI и решил задачу Эрдёша, ранее считавшуюся недоступной.
- Модели показывают высокие результаты на Международной математической олимпиаде и других специализированных конкурсах.
- Бывшая члена совета директоров Хэлен Тоунер отмечает: «Мы уже вышли за рамки простых задач вроде различения кошек и собак; теперь ИИ решает задачи высокого уровня».

Специализированные разработки

Эти модели получили признание на бенчмарках Epoch AI, которые измеряют скорость и точность решений. Изначально большие языковые модели считались неподходящими, поскольку они генерируют текст «на основе вероятности» и часто «галлюцинируют». Однако внедрение обучения с подкреплением и рассуждающих архитектур значительно повысило их надёжность.

Усиление научной команды

OpenAI привлекла двух выдающихся математиков:

- Ernest Ryu – Калифорнийский университет, Лос-Анджелес
- Mehtaab Sawhney – Колумбийский университет

Эти специалисты помогают улучшить модели и их способности к решению сложных задач.

Математика как «проверяемый» тест

Математические доказательства можно автоматически проверять, что делает её идеальной областью для экспериментов с ИИ. Это также способствует развитию программного обеспечения:
- Anthropic инвестирует в Claude Code – ассистента, генерирующего программный код.

Что дальше?

Для решения действительно сложных научных вопросов ИИ должен опираться на уже существующие результаты и не рассчитывать на однократную «промежуточную» сессию. Сейчас модели умеют эффективно агрегировать информацию из разных дисциплин, что ускоряет открытие новых идей. Эксперты уверены: в ближайшем будущем это станет ключевым драйвером научного прогресса.

> *В математике ИИ уже доказал свою эффективность.*