Математика и ИИ: Кен Оно Объясняет, Как Теперь Формулы Открывают Вместе с Машиной

ИИ в математике: от теоретических сценариев к практической реальности

Искусственный интеллект, который годом ранее казался предметом спекуляций, уже участвует в открытии новых формул для простых чисел, подтверждает известный теоретик Кен Оно.

Прорыв в бенчмарке Frontier Math Tier 4

В 2024 году был опубликован Frontier Math Tier 4 - самый сложный публичный тест на математическую эффективность для больших языковых моделей (LLM).

• Разработчики: международная команда исследователей, возглавляемая Институтом машинного обучения (ML Institute).
• Параметры: более 10 000 задач, охватывающих теорию чисел, алгебру, топологию и комбинаторику.
• Требования: решение без использования внешних баз данных, только внутренние представления модели.

Тест стал ориентиром для оценки способности LLM «понимать» и «создавать» оригинальные математические идеи, а не лишь имитировать известные решения.

Кен Оно о совместной работе с ИИ

В интервью, опубликованном на YouTube 15 марта 2025 года, Кен Оно, лауреат Феллоу Шоу Гарвардского университета, отметил, как ИИ-ассистент помог ему сформулировать новую гипотезу о распределении простых чисел.

«В прошлом году ИИ помог мне открыть новые формулы для определения простых чисел, дав идею для поиска закономерностей, которые, я бы и не подумал искать.»

Оно подчеркнул, что роль ИИ в его группе ограничивается статусом копилота - инструмента, ускоряющего исследовательский процесс, а не заменой научного интуитивного подхода.

Точки соприкосновения с публичным дискурсом

Иллюстрации из блога Тимa Urban'a 2015-го года, опубликованного на Wait But Why, часто воспринимаются буквально: «пройдут секунды, и ИИ решит любую задачу». Реальные данные из Frontier Math показывают, что такие заявления преувеличены, но не безосновательны.

• Сроки: текущие LLM способны генерировать корректные доказательства в диапазоне от нескольких минут до нескольких часов, в зависимости от сложности задачи.
• Ограничения: модели иногда создают «галлюцинации» - формальные шаги без истинной логической связи, требующие проверки человеком.

Академическая реакция: от скептицизма к внедрению

После завершения летнего проекта Frontier Math Оно и его коллеги планируют вернуться в университеты с практическим посланием:

1. Обучать исследователей использованию ИИ как вспомогательного инструмента.
2. Разрабатывать методологии верификации AI-генерированного материала.
3. Создавать междисциплинарные курсы, где математика встречается с машинным обучением.

Эти шаги направлены на предотвращение «замены учёного» и на укрепление роли человека как критика и арбитра.

Как выглядит ближайшее будущее

• Краткосрочно (2025-2026): рост числа публикаций, где LLM упоминается в методологическом разделе; более широкое принятие AI-копилотов в теоретической физике и криптографии.
• Среднесрочно (2027-2030): появление специализированных моделей, обученных исключительно на проверенных математических доказательствах, способных генерировать новые теоремы без человеческой подсказки.
• Долгосрочно: вероятна необходимость реформировать академические стандарты публикаций, включив обязательный «AI-audit» - проверку всех результатов, полученных с помощью ИИ.

Заключение

Тогда как публичные представления о мгновенном решении любой задачи ИИ остаются утрированными, опыт Кена Оно демонстрирует, что сотрудничество человека и машины уже приводит к конкретным научным открытиям. При условии строгого контроля и правильного образовательного подхода, AI-копилоты могут стать неотъемлемой частью исследовательского арсенала, ускоряя, но не заменяя, человеческое творчество.

Ссылки:

• Иллюстрации Тимa Urban'a, 2015 г.
• Интервью с Кеном Оно, 2025 г.