Google DeepMind запускает AI for Math: ИИ садится за доказательства

Что произошло

Google DeepMind объявила о запуске инициативы AI for Math — программы, объединяющей исследователей компании с математиками из нескольких университетов для применения искусственного интеллекта в фундаментальной математике. Речь идёт не о калькуляторе на стероидах, а о работе с формальными доказательствами, генерацией гипотез и формализацией уже существующих результатов.

Контекст важен. Летом 2024 года системы DeepMind AlphaProof и AlphaGeometry 2 набрали на задачах Международной математической олимпиады (IMO) результат, эквивалентный серебряной медали — они решили четыре задачи из шести. Это был первый случай, когда ИИ подобрался к медальному уровню на IMO. AI for Math — попытка перевести разовые демонстрации в систематическую исследовательскую практику.

Точный список университетов-партнёров и объём финансирования стоит сверять по официальному анонсу DeepMind — эти детали компания уточняет в пресс-материалах и они могут дополняться.

Чем занимается инициатива

AI for Math строится вокруг нескольких направлений, каждое из которых закрывает свою часть работы математика.

• Доказательство теорем. ИИ формулирует и проверяет шаги доказательства в формальных системах вроде Lean, где каждый переход машинно верифицируем.
• Формализация. Перевод математики, написанной на естественном языке, в строгий формальный код, который может проверить компьютер.
• Генерация гипотез. Поиск закономерностей и предположений, которые человек затем берёт в работу.
• Ускорение рутины. Проверка громоздких выкладок и перебор вариантов, на которые у людей уходят месяцы.

Ключевое слово здесь — формальная верификация. В отличие от языковой модели, которая может уверенно выдать правдоподобную чепуху, доказательство в Lean либо проходит проверку, либо нет. Это снимает главную претензию к ИИ в науке: галлюцинации here просто не выживают.

Математика — редкая область, где у машины есть абсолютный судья. Доказательство или верно, или нет, и проверяет это не эксперт, а компилятор.

Как это соотносится с конкурентами

DeepMind не одинока. Формальной математикой с помощью ИИ занимаются несколько игроков, и подходы у них разные.

Разница принципиальная. Модели общего назначения хорошо рассуждают текстом, но их вывод нужно проверять вручную. Специализированные системы вроде AlphaProof работают внутри формальной среды, где вывод проверяется автоматически, но и задачи они берут более узкие. AI for Math пытается соединить оба мира: мощь больших моделей и строгость формальной верификации.

Кому это пригодится и кому нет

Пригодится

• Математикам-исследователям. Формализация доказательства в Lean сегодня занимает месяцы ручной работы. Если ИИ возьмёт на себя черновую часть, останется время на идеи.
• Разработчикам верифицированного ПО. Формальные методы используют там, где ошибка стоит дорого — авионика, криптография, ядра ОС. Инструменты доказательства теорем напрямую связаны с этой областью.
• Преподавателям и олимпиадному сообществу. Разбор того, как машина находит решение, — отдельный обучающий материал.

Не пригодится

• Школьнику с домашкой по алгебре. Это не репетитор и не решатель уравнений, а исследовательский инструмент для передовой математики.
• Бизнесу, которому нужен готовый API «сегодня». AI for Math — научная инициатива, а не коробочный продукт с прайс-листом.
• Тем, кто ждёт, что ИИ сам докажет гипотезу Римана. Пока речь о помощи человеку на понятных задачах, а не о самостоятельном закрытии открытых проблем века.

Где границы

Серебро на IMO звучит громко, но это соревновательная математика с известным форматом задач. Настоящая исследовательская работа устроена иначе: неясно, что вообще доказывать, гипотезы формулируются годами, а «условие задачи» приходится придумывать самому. Здесь ИИ пока ассистент, а не автор.

Второе ограничение — стоимость вычислений. Некоторые задачи IMO 2024 система решала не в реальном времени, а за существенно большее время, чем отведено человеку на олимпиаде. Для практики это значит, что дешёвого доказательства «по кнопке» ждать рано.

AI for Math интересна не отдельным рекордом, а сменой рамки: математика превращается в область, где ИИ можно проверять машинно и потому доверять ему больше, чем в задачах со свободным текстом. Насколько быстро это дойдёт до рядового исследователя — вопрос ближайших лет, а не месяцев.