Исторический скачок в области автоматизированных рассуждений: AxiomProver решает многолетние математические гипотезы

В решающий момент для искусственного интеллекта (Artificial Intelligence, ИИ) и математических наук, стартап Axiom, специализирующийся на исследованиях в области ИИ, объявил об успешном решении четырех ранее нерешенных математических задач. Прорыв, достигнутый благодаря их запатентованному нейросимволическому движку AxiomProver, знаменует собой значительный отход от статистической аппроксимации, характерной для больших языковых моделей (Large Language Models, LLM). Вместо этого он демонстрирует способность к строгим, творческим и формально проверенным рассуждениям на исследовательском уровне.

Объявление, сделанное 4 февраля 2026 года, вызвало широкий резонанс в академическом сообществе. Среди решенных задач — сложная гипотеза в области алгебраической геометрии, которая заводила экспертов в тупик на протяжении пяти лет, а также новое доказательство, связанное с трудами Сринивасы Рамануджана. Это событие свидетельствует о том, что ИИ больше не является просто инструментом для вычислений или сортировки данных, а превратился в соавтора, способного к подлинным открытиям.

Гипотеза Чена — Жандрона: пятилетний барьер преодолен

Наиболее заметное из этих достижений касается конкретного препятствия в алгебраической геометрии, связанного с дифференциалами — элементами исчисления, используемыми для измерения расстояний вдоль кривых поверхностей. Пять лет назад математики Давэй Чэн и Квентин Жандрон столкнулись с теоретической блокадой при попытке классифицировать определенные геометрические структуры. Их аргументация опиралась на «странную формулу» из теории чисел, которую они не могли ни доказать, ни обосновать, что вынудило их опубликовать свои результаты как гипотезу, а не теорему.

Решение пришло во время случайной встречи на математической конференции в Вашингтоне, округ Колумбия, в январе 2026 года. К Кену Оно, известному математику и недавно назначенному руководителю в Axiom, обратился Чен по поводу застопорившейся проблемы. Согласно сообщениям, Оно представил Чену полное, формально проверенное доказательство уже на следующее утро.

«После этого все естественным образом встало на свои места», — отметил Чен в интервью после публикации доказательства в репозитории arXiv. «То, что нашел AxiomProver, было чем-то, что упустили все люди».

ИИ выявил тонкую связь между проблемой алгебраической геометрии и числовым феноменом, первоначально изученным в XIX веке. В отличие от стандартных LLM, которые могут «галлюцинировать», выдавая правдоподобно звучащую, но математически неверную связь, AxiomProver сгенерировал доказательство и одновременно подтвердил его правильность с помощью Lean — специализированного языка программирования для формальной математики.

Помимо распознавания образов: технология, стоящая за AxiomProver

Ключевая инновация Axiom заключается в её архитектуре. В то время как генеративные модели (Generative AI), такие как GPT-4 или Gemini, превосходно справляются с предсказанием следующего токена в последовательности на основе огромных массивов обучающих данных, они часто испытывают трудности со строгой логической последовательностью, необходимой для продвинутой математики. AxiomProver использует нейросимволический подход (Neuro-symbolic approach), сочетая интуитивное распознавание образов нейронными сетями с жестким логическим каркасом формальных доказателей теорем.

Карина Хонг, 24-летняя соучредительница Axiom и главный архитектор системы, спроектировала AxiomProver так, чтобы он воспринимал математику не как текст, а как систему ограничений и логических правил. Благодаря интеграции с Lean, система гарантирует, что каждый шаг сгенерированного доказательства является математически верным, прежде чем он будет принят.

Этот цикл «генерации и верификации» позволяет ИИ исследовать новые пути решения, которые математики-люди могли бы упустить из-за когнитивной предвзятости или огромной сложности необходимых вычислений. В случае с гипотезой Феля (Fel's Conjecture) — еще одной из четырех решенных задач — AxiomProver автономно разработал доказательство от начала до конца. Эта проблема касалась сизигий, математических выражений, описывающих отношения между многочленами, и неожиданно задействовала формулы, найденные в тетрадях легендарного индийского математика Сринивасы Рамануджана.

Сравнительный анализ математических возможностей ИИ

В следующей таблице перечислены конкретные прорывы, достигнутые AxiomProver в этом недавнем объявлении, сопоставляя сложность задач с результатами.

Таблица 1: Ключевые математические достижения AxiomProver (февраль 2026 г.)

Реакция индустрии и научного сообщества

Значение этого успеха выходит далеко за рамки конкретных доказанных теорем. Для индустрии ИИ в целом успех Axiom подтверждает целесообразность крупных инвестиций в модели «рассуждения» (Reasoning models), а не в чисто «генеративные» модели.

Результаты стартапа на конкурсе Putnam 2025, который считается самым сложным соревнованием по математике для студентов в Северной Америке, служат эталоном этого сдвига. В то время как предыдущие модели с трудом набирали даже несколько баллов, AxiomProver, по сообщениям, получил идеальный результат 12/12. Это достижение подразумевает уровень универсальности в решении проблем, который хорошо обобщается за пределы конкретных наборов данных для обучения.

Тем не менее, реакция научного сообщества остается сдержанно оптимистичной. Хотя скорость и точность доказательств неоспоримы, вопросы относительно «объяснимости» сохраняются. Формально проверенное доказательство в Lean гарантированно верно, но оно не всегда удобочитаемо для человека или «содержательно» в традиционном понимании.

Свое мнение высказали видные деятели в этой области. Теренс Тао, лауреат Филдсовской премии, который давно выступает за интеграцию ИИ в математику, предположил, что эти результаты указывают на то, что ИИ достигает важных вех раньше, чем ожидалось. Напротив, исследователи сильного ИИ (Artificial General Intelligence, AGI), такие как Бен Гертцель, утверждают, что хотя это и являются «узкими» сверхдостижениями, скачок к общему творческому интеллекту остается вызовом на горизонте 2027–2028 годов.

Будущее исследований с помощью ИИ

Прорыв Axiom сигнализирует о переходе роли ИИ в науке: от поисковой системы или помощника по коду к ведущему исследователю. Стартап, привлекший таких талантов, как Франсуа Шартон и Хью Лезер, стремится создать «самосовершенствующуюся суперинтеллектуальную систему рассуждений».

Для организаций и предприятий технология, продемонстрированная AxiomProver, имеет потенциальное применение в:

• Верификации программного обеспечения: доказательство отсутствия ошибок в критически важном коде (например, в аэрокосмической отрасли или финансах).
• Криптографии: выявление уязвимостей в алгоритмах шифрования до того, как это сделают злоумышленники.
• Материаловедении: моделирование сложных молекулярных взаимодействий с математической точностью.

Как отметил Кен Оно, сотрудничество между человеческой интуицией и машинной точностью только начинается. «ИИ еще не решил гипотезу Римана», — сказал Оно журналистам, ссылаясь на одну из самых известных нерешенных проблем. «Но он нашел ответы на вопросы, которые ставили экспертов в тупик годами. И это только начало».

Это развитие ставит Axiom в авангард сектора «Math-AI», отличая его от конкурентов, ориентированных на чат-ботов, и устанавливает новый стандарт вычислительных возможностей в XXI веке.