Репост из: Истории (не)успеха
Свежая работа по ИИ в математических доказательствах от Google DeepMind (AlphaProof)
Успехи ИИ в решении серьёзных математических задач уже мало кого удивляют, но новая работа Google DeepMind интересна не только результатами, а тем, как именно они были получены.
Исследователи представили AlphaProof Nexus — систему, где LLM перестаёт быть просто генератором текста и начинает работать как полноценный агент внутри среды с обратной связью.
Это важный сдвиг.
Главная проблема обычных LLM — галлюцинации. Для математики это критично: одна ошибка ломает всё доказательство. Но вместо попыток «сделать модель аккуратнее» исследователи изменили сам процесс работы ИИ.
Ключевая идея в том, что модель больше не работает в вакууме. Теперь у неё есть внешняя система проверки, которая может мгновенно подтвердить или опровергнуть каждый шаг рассуждений.
Для этого используется Lean — язык формальных математических доказательств, где каждое утверждение проходит строгую автоматическую верификацию компилятором.
Получается такой цикл:
— модель предлагает следующий шаг доказательства;
— система проверки валидирует его;
— при ошибке агент получает точную обратную связь;
— корректирует стратегию;
— и продолжает поиск решения.
То есть система работает уже не как чат-бот, выдающий ответ за один проход, а как агент, взаимодействующий со средой и постоянно адаптирующий свои действия.
Именно это сейчас становится одним из главных направлений развития ИИ:
не просто “больше нейронных связей”, а появление циклов
генерация → проверка → обратная связь → исправление → новая попытка.
По сути, модель получает нечто похожее на настоящий исследовательский процесс.
Результаты при этом очень серьёзные:
— решены 9 открытых задач Эрдёша;
— доказаны 44 гипотезы из OEIS;
— найден контрпример к одной из гипотез Бена Грина;
— продвинут 15-летний спор в алгебраической геометрии.
Но, возможно, главный вывод работы даже не в математике.
Похоже, что следующий этап развития ИИ — это не «ещё более умные чат-боты», а системы, которые умеют:
— долго работать над задачей;
— проверять себя;
— использовать внешние инструменты;
— хранить промежуточное состояние;
— и постепенно улучшать собственное решение.
Именно это и называют переходом к агентному ИИ.
📄 Статья:
https://arxiv.org/abs/2605.22763v1?ref=airadar.one
🔗 GitHub с полученными доказательствами:
https://github.com/google-deepmind/alphaproof-nexus-results
#AIAndMath #GoogleDeepMind #AlphaProof
Успехи ИИ в решении серьёзных математических задач уже мало кого удивляют, но новая работа Google DeepMind интересна не только результатами, а тем, как именно они были получены.
Исследователи представили AlphaProof Nexus — систему, где LLM перестаёт быть просто генератором текста и начинает работать как полноценный агент внутри среды с обратной связью.
Это важный сдвиг.
Главная проблема обычных LLM — галлюцинации. Для математики это критично: одна ошибка ломает всё доказательство. Но вместо попыток «сделать модель аккуратнее» исследователи изменили сам процесс работы ИИ.
Ключевая идея в том, что модель больше не работает в вакууме. Теперь у неё есть внешняя система проверки, которая может мгновенно подтвердить или опровергнуть каждый шаг рассуждений.
Для этого используется Lean — язык формальных математических доказательств, где каждое утверждение проходит строгую автоматическую верификацию компилятором.
Получается такой цикл:
— модель предлагает следующий шаг доказательства;
— система проверки валидирует его;
— при ошибке агент получает точную обратную связь;
— корректирует стратегию;
— и продолжает поиск решения.
То есть система работает уже не как чат-бот, выдающий ответ за один проход, а как агент, взаимодействующий со средой и постоянно адаптирующий свои действия.
Именно это сейчас становится одним из главных направлений развития ИИ:
не просто “больше нейронных связей”, а появление циклов
генерация → проверка → обратная связь → исправление → новая попытка.
По сути, модель получает нечто похожее на настоящий исследовательский процесс.
Результаты при этом очень серьёзные:
— решены 9 открытых задач Эрдёша;
— доказаны 44 гипотезы из OEIS;
— найден контрпример к одной из гипотез Бена Грина;
— продвинут 15-летний спор в алгебраической геометрии.
Но, возможно, главный вывод работы даже не в математике.
Похоже, что следующий этап развития ИИ — это не «ещё более умные чат-боты», а системы, которые умеют:
— долго работать над задачей;
— проверять себя;
— использовать внешние инструменты;
— хранить промежуточное состояние;
— и постепенно улучшать собственное решение.
Именно это и называют переходом к агентному ИИ.
📄 Статья:
https://arxiv.org/abs/2605.22763v1?ref=airadar.one
🔗 GitHub с полученными доказательствами:
https://github.com/google-deepmind/alphaproof-nexus-results
#AIAndMath #GoogleDeepMind #AlphaProof