ИИ от Google решил открытую задачу из Куровской тетради

ИИ от Google успешно решил открытую задачу из Куровской тетради, демонстрируя мощь современных технологий и их потенциал в математике.

Число просмотров: 1

Google DeepMind представил AI co-mathematician

AI co-mathematician — это новая система, созданная Google DeepMind, которая представляет собой не обычный чатбот, а агентная платформа на базе модели Gemini 3.1. Она задумана как рабочее пространство для математика с командой ИИ‑агентов. Эта система уже помогла топологу Марку Лакенби закрыть задачу 21.10 из Куровской тетради — сборника открытых задач по теории групп, который ведётся в Новосибирске с 1965 года. Параллельно система установила новый рекорд на математическом бенчмарке FrontierMath Tier 4, показав 48% правильных ответов. Разберём, что это означает, почему событие важно и какие практические выводы можно из него сделать.

Что именно случилось и почему это важно

AI co-mathematician — это не «умный собеседник», а набор инструментария и агентов, которые работают совместно с человеком‑математиком. С этой системой, Марк Лакенби смог решить конкретную открытую задачу из классического сборника по теории групп — Куровской тетради. Факт закрытия задачи из такого длительного и авторитетного списка говорит о том, что инструмент оказался полезен при решении реальной, заранее неопределённой математической проблемы, а не только при проверке очевидных утверждений.

Одновременно система показала высокий результат на FrontierMath Tier 4 — «самом сложном математическом бенчмарке», достигнув 48% правильных ответов. Это количественный показатель, который иллюстрирует способность модели работать на сложных теоретических задачах в стандартизированной оценке.

Кто такие участники и что такое Куровская тетрадь

Топологист — это специалист по топологии, разделу математики, изучающему свойства пространств, сохраняющиеся при непрерывных деформациях. Теория групп — это раздел алгебры, формулирующий свойства симметрий и операций, важный для многих областей математики и её приложений.

Куровская тетрадь — это сборник открытых задач по теории групп, который ведётся в Новосибирске с 1965 года. Поддержание такого списка на протяжении десятилетий делает его репрезентативным источником нерешённых проблем в данной области: закрытие любой задачи из него означает прогресс сообщества в понимании конкретной проблемы.

Чем агентная система отличается от чатбота

Разъясним ключевые отличия в понятных терминах:

Чатбот — модель, ориентированная на диалог: вы вводите запрос, она даёт текстовый ответ. Основная задача — генерация связного текста и помощь в формулировках.
Агентная платформа — это совокупность специализированных модулей (агентов), каждый из которых выполняет свою роль: поиск литературы, проверка формул, проведение вычислений, выработка идей, проверка доказательств. Всё это интегрируется в рабочее пространство, где человек‑исследователь координирует и оценивает результаты.

Из этого следует очевидный вывод: агентная архитектура даёт больше инструментов для систематической работы над сложной задачей, чем единичный чат‑интерфейс.

Почему участие человека остаётся ключевым

Событие подчёркивает не замену математика, а усиление его возможностей. Марк Лакенби как человек принял результат и, вероятно, проверил его. Это важный момент: алгоритмы помогают генерировать идеи, автоматизировать рутинные проверки и искать цепочки рассуждений, но окончательная ответственность и проверка остаются за человеком‑экспертом. Из этого следуют практические выводы:

Оценивайте предложения ИИ критически.
Требуйте формальной проверки доказательств там, где это возможно.
Используйте ИИ как средство ускорения итераций, а не как автоматический арбитр истины.

Что означает рекорд на FrontierMath Tier 4

48% правильных ответов на самом сложном математическом бенчмарке свидетельствует о значительном прогрессе в способности модели решать формальные математические задачи. Это не абсолютный триумф: успех на бенчмарке — лишь один из индикаторов, и он не заменяет экспертную проверку. Тем не менее такая цифра даёт основания ожидать, что аналогичные системы смогут помогать в подготовке гипотез, проверке частных случаев и автоматизации части доказательств.

Возможные последствия для математической практики и образования

Ниже перечислены реальные, логически вытекающие последствия внедрения подобных систем:

Ускорение исследовательской работы. Используйте ИИ для предварительного поиска подходов, проверки простых лемм и генерации контрпримеров.
Повышение доступности. Студенты и молодые исследователи смогут быстрее ориентироваться в области, получая помощь в разбиении сложных задач на простые шаги.
Новый формат сотрудничества. Ожидайте роста проектов, где человек и набор агентов работают совместно: человек ставит цели, агенты выполняют задачи, человек оценивает результаты.
Необходимость стандартов проверки. Потребуются устойчивые протоколы верификации автоматически сгенерированных доказательств, формальные проверки и прозрачные отчёты о шагах.
Этические и научные вопросы. Обсуждение авторства, признания вклада ИИ и критериев корректности станет актуальным.

Риски и моменты, на которые стоит обратить внимание

Любая новая технология приносит риск некритичного доверия и ошибок. Вот на что обратить внимание:

Не полагайтесь на ИИ без перепроверки. Автоматически сгенерированные выводы могут содержать скрытые ошибки.
Запрашивайте ясность в шагах рассуждений. Попросите систему объяснить каждое утверждение, используемое в доказательстве.
Отслеживайте происхождение данных. Если система использует внешние источники или внутренние базы, уточните, откуда берутся утверждения.
Сохраняйте репрезентацию работы. Фиксируйте промежуточные вычисления и аргументы, чтобы можно было восстановить ход рассуждений.

Практические рекомендации для читателя

Если вы математик, студент, преподаватель или просто интересуетесь применением ИИ в науке, присмотритесь к следующим шагам:

Попробуйте систему на практике: оцените, насколько она помогает разбивать задачу на части.
Требуйте пояснений: просите агента детализировать каждый шаг.
Научите проверять: используйте функции верификации в своей работе и просите коллег перепроверять ключевые утверждения.
Интегрируйте осторожно: начинайте с рутинных задач (поиск литературы, вычисления), постепенно расширяйте область применения.
Обсуждайте стандарты: участвуйте в разработке правил для использования ИИ в математике — критериев верификации и оформления доказательств.

Вопросы, которые стоит себе задать

Перед активным использованием таких систем подумайте:

Какие виды задач я готов отдать ИИ, а какие оставить за собой?
Как я проверю корректность предложенных решений?
Как задокументировать роль ИИ в моей работе для коллег и публикаций?
Какие институциональные правила необходимы для ответственной интеграции ИИ‑помощников?

Краткий итог

Появление AI co-mathematician и его участие в закрытии задачи из Куровской тетради — важный сигнал: агентные ИИ‑платформы достигают уровня, при котором они становятся полезными инструментами для реальной исследовательской работы. Рекорд на FrontierMath Tier 4 подтверждает технический прогресс. В то же время ключевая роль человека остаётся неизменной: математики должны контролировать, верифицировать и принимать результаты. Подходите к новым инструментам прагматично: оценивайте преимущества, устраняйте риски и развивайте стандарты для безопасной и продуктивной работы.