Нейросети опровергли математические гипотезы возрастом до 90 лет
За последние недели модели Anthropic и OpenAI решили три старинные задачи: 87‑летнюю гипотезу, 80‑летнюю проблему Эрдёша и полувековую гипотезу о двойном покрытии циклами.
В начале августа сообщество AI‑исследователей получило три сенсационных подтверждения того, что современные языковые модели способны не только генерировать текст, но и решать задачи, которые стояли без ответа десятки лет.
1️⃣ Anthropic. В течение трансляции финала чемпионата мира один из разработчиков задал модели Claude вопрос о гипотезе, сформулированной в 1939 году. Модель мгновенно обнаружила логическую ошибку в её доказательстве и представила контрпример, что привело к официальному опровержению гипотезы, жившей 87 лет.
2️⃣ OpenAI. Через несколько дней команда OpenAI опубликовала результат работы модели GPT‑4, решившей задачу Эрдёша о минимальном числе различных расстояний между точками на плоскости – проблему, открытой в 1946 году. Алгоритм модели построил конфигурацию точек, достигающую теоретического нижнего предела, тем самым «закрыв» задачу, над которой работали математики почти полвека.
3️⃣ Доказательство двойного покрытия. Третье событие – публикация в arXiv доказательства полувековой гипотезы о двойном покрытии графов циклами, полученного совместно с помощью модели Claude и специализированных библиотек LangChain. Авторы отметили, что модель предложила ключевую индуктивную схему, без которой доказательство было бы невозможным.
Эти три случая демонстрируют, что современные LLM уже перешагивают границы чисто лингвистических задач и становятся полноценными исследовательскими инструментами, способными генерировать новые математические идеи и проверять их на корректность.
Для разработчиков AI это сигнал: интегрировать LLM в исследовательские пайплайны теперь не роскошь, а необходимость. Студенты могут использовать модели для быстрого тестирования гипотез, но важно помнить о проверке полученных доказательств. Такие возможности открывают новые пути в автоматизации научных открытий, однако требуют строгой валидации результатов. Будущее математики уже тесно связано с нейросетями.
