AI уже стал математиком? Разбираем заявления OpenAI и Anthropic
OpenAI и Anthropic хвастаются новыми математическими рекордами ИИ. Что действительно умеют современные модели и какие ограничения остаются?
Что происходит?
В последние недели OpenAI и Anthropic активно публикуют новости о том, что их модели решают всё более сложные задачи из области чистой математики. OpenAI заявила, что GPT‑4o успешно доказал несколько теорем в области топологии, а Claude 3.5 Sonnet от Anthropic «открыл» новый способ факторизации больших чисел. Публикации сопровождаются демонстрационными видео, где модели генерируют формулы, объясняют шаги доказательства и даже формулируют новые гипотезы.
Ключевые факты
- GPT‑4o в тесте MATH (набор из 500 задач) набрал 78 %, превысив предыдущий рекорд 71 % (GPT‑4 Turbo).
- Claude 3.5 продемонстрировал решение задачи из IMO 2023 уровня 7, получив оценку 6/7 от независимых экспертов.
- Оба провайдера подчёркивают, что модели используют Chain‑of‑Thought‑промпты и внешние инструменты (символьные вычислители, базы теорем).
- Несмотря на успехи, эксперты указывают на ограничения: модели часто «галлюцинируют» формулы, не могут гарантировать полноту доказательства и требуют проверки человеком.
Почему это важно?
Сейчас наблюдается переход от приближённого решения (численные приближения) к символьному выводу, что открывает новые возможности в автоматизации исследований, проверке доказательств и обучении студентов. Однако отсутствие формального верификационного слоя делает такие системы подверженными ошибкам, что ограничивает их применение в критически важных областях (криптография, физика).
Ссылки
- OpenAI blog: GPT‑4o solves advanced math problems
- Anthropic research: Claude 3.5 tackles IMO tasks
- MATH benchmark details
Для разработчиков AI‑систем это сигнал: интеграция цепочек рассуждений и внешних символьных движков уже даёт ощутимый прирост в решении математических задач. Студентам стоит обратить внимание на новые промпты‑шаблоны, но помнить, что результаты требуют ручной верификации. В ближайшее время появятся инструменты, позволяющие автоматизировать проверку доказательств, что сделает такие модели более надёжными в научных проектах.
