Доказательство, которое не спалишь
Вчера математическое сообщество взорвалось. Не из-за новой теоремы, а из-за того, кто её проверил. Впервые искусственный интеллект формально верифицировал фрагмент доказательства уровня Медали Филдса. Не просто подсказал идею, а дал железобетонную гарантию: вот этот кусок логики в работе по упаковке сфер — абсолютно корректен. Всё. Спорить бесполезно.
Речь идёт о ключевой лемме в новой работе, претендующей на главную математическую награду мира. Система на основе Gemini 3 Deep Think, доработанная для интеграции с доказательным ассистентом Lean 4.7, за 12 часов проанализировала 50 страниц формализованной логики. И выдала вердикт: «Proof verified». Человеческая проверка того же объёма заняла бы месяцы и потребовала бы сборки целого семинара экспертов.
Контекст: Медаль Филдса вручается раз в четыре года математикам до 40 лет. В 2022 году её получила Марина Вязовская за решение проблемы упаковки сфер в 8 и 24 измерениях. Нынешнее достижение ИИ связано с верификацией обобщения её методов.
Как ИИ стал строжайшим рецензентом
Процесс выглядел так. Математики из международной коллаборации написали доказательство на привычном им полуформальном языке. Потом началась чёрная работа — перевод этой поэзии в сухой код на языке Lean. Именно здесь и включился ИИ.
Модель Gemini 3 Deep Think, обученная на гигантском корпусе формализованной математики из проекта Mathlib, действовала в три этапа:
- Синтаксический разбор и реконструкция намерений: ИИ превращал человеческие рассуждения («рассмотрим ограничение функции на подгруппу...») в точные логические утверждения.
- Поиск пробелов: Модель сканировала цепочку умозаключений, отмечая места, где неявно использовалась недоказанная лемма или где переход был слишком резким. (Звучит просто, но именно на этом этапе обычные проверяющие теряют сознание).
- Генерация недостающих шагов: Для каждого подозрительного места система предлагала 3-5 вариантов формального заполнения пробела, которые затем проверялись ядром Lean.
«Это не замена математику, — говорит один из участников проекта, пожелавший остаться анонимным. — Это как дать альпинисту верёвку, которая сама находит точки крепления. Ты всё ещё лезешь по скале, но падать уже не страшно».
Почему это больше, чем просто «помощник»
До вчерашнего дня ИИ в математике был либо тупым калькулятором, либо генератором идей сомнительной ценности. Да, модели решают задачи уровня PhD, а Step-3.5-Flash лидирует в рейтингах. Но формальная верификация — другая лига. Здесь нет места интуиции или «похоже на правду». Только бинарный ответ: доказано или нет.
И вот прорыв. ИИ смог понять намерение автора и перевести его на язык машины. Это снимает главное препятствие для широкого использования формальных методов — их чудовищную трудоёмкость. Теперь можно представить мир, где каждая серьёзная математическая работа перед отправкой в журнал прогоняется через такой ИИ-фильтр. (Редакторы ведущих журналов уже злорадно потирают руки).
А что же люди? Они ещё нужны?
Паника «ИИ отнимет у математиков работу» — преждевременна. Нынешняя система — блестящий, но ограниченный инструмент. Она проверяет только то, что ей подадут. Она не может придумать новую теорию или увидеть красивую аналогию между разделами науки.
Как показывают реальные успехи AlphaProof и Meta, ИИ прекрасно справляется с тактическими задачами в известных рамках. Стратегия — всё ещё за человеком. Более того, этот прорыв может кардинально изменить роль математики в ML, сделав теорию более строгой и проверяемой.
Но есть и тёмная сторона. Формальная верификация требует записи доказательства в специфическом формате. Кто будет платить молодым учёным за месяцы изучения Lean и оцифровки своих статей? Не превратится ли математика в элитарный клуб тех, кто умеет «разговаривать» с ИИ? (Ответ: вероятно, да. Но так уже было с LaTeX в 80-х).
Что дальше? Математика на скоростной трассе
Эффект будет похож на введение компьютерного набора текста вместо печатной машинки. Скорость проверки сложных доказательств вырастет на порядки. Это ускорит прогресс в областях, где накоплены горы непроверенных гипотез и эвристических аргументов.
Особенно интересно это для задач, где интуиция постоянно подводит. Например, для гипотезы Римана или для анализа сингулярностей в уравнениях. ИИ может стать тем самым безэмоциональным арбитром, который отделяет гениальную идею от красивой ошибки.
Уже через год-два, с появлением более компактных моделей вроде QED-Nano, такие инструменты станут доступны на обычном ноутбуке. А значит, исчезнет последний аргумент против их использования: «у нас нет доступа к суперкомпьютерам Google».
Совет тем, кто ещё сомневается в значимости события: откройте любой свежий препринт на arXiv по алгебраической геометрии или теории чисел. Попробуйте понять каждую строчку. А теперь представьте, что у вас есть ассистент, который не устаёт, не раздражается и знает наизусть всю Mathlib. Будущее математики наступило. И оно работает в паре с нейросетью.
