Революция в автоформализации: как ИИ покорил Великую теорему Ферма

Компания Anthropic объявила о важнейшей вехе на стыке искусственного интеллекта и фундаментальной науки. Разработанная ими языковая модель Claude в течение 11 дней практически полностью автономно перевела и верифицировала доказательство Великой теоремы Ферма (FLT) на строгий математический язык программирования Lean. Этот процесс, называемый автоформализации, традиционно требует от людей-математиков годы кропотливой работы. Достижение Claude доказывает, что современные ИИ-агенты способны не просто генерировать текст, но и оперировать сложнейшими логическими цепочками, исключающими человеческий фактор и ошибки.

От блокнота Ферма до машинного кода: исторический контекст

История Великой теоремы Ферма началась в 1637 году, когда Пьер Ферма записал на полях книги Диофанта знаменитое утверждение: уравнение aⁿ + bⁿ = cⁿ не имеет решений в целых положительных числах при n > 2. Спустя более чем 350 лет, в 1995 году, сэр Эндрю Уайлс представил первое верное доказательство на 129 страницах, проверка которого заняла у научного сообщества месяцы и потребовала исправления критических ошибок.

Однако человеческий аудит субъективен. Чтобы гарантировать абсолютную истинность, математики используют интерактивные доказательства (proof assistants) вроде Lean. Основная сложность для человека заключается в том, что компьютер требует расписывать каждый тривиальный шаг, который люди обычно опускают как "очевидный". Формализация доказательства Уайлса силами сообщества должна была занять годы. ИИ справился с этим за неполные две недели.

Технический стек: как устроен мультиагентный метод Anthropic

Успех проекта стал возможен благодаря интеграции продвинутой ИИ-архитектуры и специализированной платформы Prove2Me, разработанной учеными Колумбийского университета. Вместо одной нейросети исследователи задействовали целый оркестр агентов Claude Code, работавших параллельно.

  • Масштаб кода: Claude сгенерировал рекордные 13 миллионов строк кода на языке Lean - это в 5 раз превышает объем Mathlib, главной библиотеки математических доказательств Lean.
  • Объем вычислений: В процессе работы ИИ доказал 29 500 промежуточных теорем. На всю кампанию ушло около 6 миллиардов выходных токенов внутренней исследовательской модели уровня Claude Fable 5.1.
  • Платформа Prove2Me: Ключевой инструмент, который управлял направленным ациклическим графом (DAG) теорем. Это предотвратило деградацию контекстной памяти ИИ и позволило распараллелить задачи между агентами.
  • Автономность: Роль человека сводилась к редким высокоуровневым подсказкам вроде "приоритезируй схему Якобиана" или "ускорь завершение теоремы Мазура".

Почему это меняет будущее науки и ИИ

Автоформализация решает одну из главных проблем современной науки - кризис рецензирования. Верификация новых математических открытий сегодня затягивается на годы. Теперь ИИ может мгновенно проверять работы ученых на логическую целостность, подобно тому как компилятор проверяет код программиста на синтаксические ошибки. Более того, по мере того как сам ИИ будет генерировать новые научные гипотезы, автоформализация станет единственным надежным способом для человечества быстро верифицировать эти результаты, сохраняя доверие к фундаментальной науке.


Внедрение ИИ и корпоративных агентов - агентство МАВАЛ - Автоматизируйте бизнес-процессы и внедряйте ИИ-решения с экспертами агентства МАВАЛ. Оставьте заявку на сайте!