В последние месяцы искусственный интеллект доказал, что его возможности выходят далеко за рамки написания эссе или генерации картинок. Новые модели начали решать сложнейшие математические задачи, которые десятилетиями оставались открытыми, и справляться с тестами, специально разработанными для того, чтобы поставить алгоритмы в тупик. Редакция The Economist разбиралась, почему математическое сообщество возлагает такие большие надежды на ИИ и какие барьеры еще предстоит преодолеть, передает Tech-news.
ИИ как «ускоритель» открытий
Математики надеются, что большие языковые модели (LLM), обладающие математической «грамотностью», смогут радикально ускорить процесс научных открытий. ИИ может быть полезен в двух направлениях: проверка существующих доказательств на наличие ошибок, что обычно занимает у людей месяцы и годы; помощь в создании совершенно новых теорем и доказательств.
Теоретически модель, способная удержать в «памяти» весь мировой математический корпус, может обнаружить неочевидные связи, которые веками ускользали от человеческого взора.
Кейс «упаковки апельсинов»: от столетий поиска к цифровому доказательству
Ярким примером сложности математических поисков является классическая задача об упаковке сфер (известная многим как проблема наиболее эффективной укладки апельсинов в ящик). На первый взгляд, это кажется детской забавой, но лучшие геометры мира не могли найти строгое доказательство веками.
Прорыв произошел в 1998 году, когда Томас Хейлс представил доказательство гипотезы о том, что гексагональная укладка (где каждая сфера лежит в углублении, образованном шестью сферами нижнего слоя) обеспечивает максимально возможную плотность. Однако даже после этого экспертному сообществу потребовались годы, чтобы проверить правильность его выкладок. ИИ призван сделать этот процесс мгновенным.
Вызовы на пути к «цифровому Эйнштейну»
Несмотря на успехи, эксперты предупреждают о препятствиях. Математика не терпит галлюцинаций – если чат-бот ошибется в одном символе, всё доказательство рухнет. Сейчас разработчики работают над созданием «общего языка» для математиков и ИИ, который позволит моделям не просто предсказывать следующее слово, а оперировать строгими логическими концепциями.
