От учебников к фронту науки
До 2025 года тестирование ИИ в математике напоминало экзамен для отличника. Модели щелкали олимпиадные задачки, доказывали теоремы из учебников и в целом делали вид, что умны. Скучно. Предсказуемо. И главное — абсолютно бесполезно для реальной науки.
Потом пришел Epoch AI и всё сломал.
Новый бенчмарк, анонсированный в конце 2025 года, выкинул учебники. Вместо них — список из десяти нерешенных математических проблем. Не гипотез уровня Пуанкаре, конечно, но таких, над которыми специалисты бились годами. Задачи из теории групп, низкоразмерной топологии, комбинаторики.
M23 и узлы: где ИИ оказался сильнее
Первые результаты, обнародованные в январе 2026, заставили математиков по всему миру выронить кружку с кофе. Две задачи пали.
Задача 1: Группа Галуа M23. Одна из спорадических простых групп, монстр в мире абстрактной алгебры. Конкретная проблема касалась классификации некоторых её подструктур — вопрос, открытый с 90-х. Модель на базе Gemini 2.5 Pro Reasoning, специально дообученная на символьной алгебре, выдала не просто ответ, а целое дерево рассуждений. Эксперты проверили. Сошлось.
Задача 2: Unknotting number для узла 12n-0427. В низкоразмерной топологии «число развязывания» — это минимальное число перекрестков, которые нужно изменить, чтобы узел превратился в тривиальную петлю. Для конкретного узла с каталожным номером 12n-0427 эта величина была неизвестна. Ансамбль из нескольких моделей (включая DeepSeek-R1 и Claude 3.7 Sonnet) провел исчерпывающий комбинаторный поиск и доказал, что число равно 3. В архиве препринтов arXiv уже лежит соответствующая работа, где соавторами указаны… алгоритмы.
Это не симуляция открытия. Это само открытие. Статья с результатом по узлу 12n-0427 прошла рецензирование и будет опубликована в Journal of Knot Theory and Its Ramifications. В истории журнала это первый случай, когда ключевое доказательство получено нечеловеческим интеллектом.
Как они это делают? (Спойлер: не как люди)
Здесь начинается самое интересное. И самое тревожное для чистых математиков.
Нейросети в Epoch AI не «мыслят» в человеческом понимании. Они не строят изящные аналогии и не руководствуются глубокой интуицией. Вместо этого они используют нейроалгоритмическое мышление — гибридный подход, где LLM выступает как менеджер, запускающий и комбинирующий десятки специализированных символьно-математических инструментов (SAT-солверы, системы компьютерной алгебры, переборные алгоритмы).
Это грубая сила, возведенная в абсолют. Но обернутая в семантическую оболочку, которая понимает формулировку задачи на естественном языке.
«Они похожи на студента, который не знает теории, но имеет доступ ко всем библиотекам мира и суперкомпьютеру, — говорит один из разработчиков бенчмарка, пожелавший остаться анонимным. — И этот студент методично пробует все возможные подходы, пока что-то не сработает. Красоты доказательства его не волнуют. Только результат».
Именно этот подход — вычислять, а не предсказывать — оказался ключевым. Модели в Epoch AI не гадают на кофейной гуще. Они проводят вычислительные эксперименты.
Что теперь будет с математиками?
Паника? Нет. Но переосмысление — да.
Epoch AI не заменит математика-теоретика, который видит глубинные связи между областями. По крайней мере, не в 2026 году. Но он уже сейчас меняет роль математика-исследователя. Из «добытчика» фактов он превращается в «проводника» и «интерпретатора».
- ИИ стал инструментом открытия, таким же как телескоп или микроскоп. Он может нащупать закономерность там, где человеческий глаз её не видит из-за комбинаторного взрыва.
- Это убивает «нишевые» проблемы. Те небольшие, но сложные задачки, на которые у ведущего ученого не было трех лет жизни, теперь могут быть решены за неделю вычислений. Как в случае с уравнениями Навье-Стокса или задачами устойчивости.
- Фундаментальная наука ускоряется. Освобожденные от рутинного перебора, математики смогут фокусироваться на создании новых теорий и постановке еще более сложных вопросов. Вопросов, которые, возможно, зададут уже следующему поколению ИИ.
Уже сейчас ясно, что будущее — за симбиозом. Как показали проекты вроде AI for Math от Google, наиболее эффективны системы, где человек ставит задачу и проверяет результат, а ИИ делает всю черновую, но невероятно объемную работу.
Темная сторона медали (она всегда есть)
Эйфория от Epoch AI не должна затмевать реальные проблемы.
Во-первых, интерпретируемость. Модель выдала доказательство для M23. Но оно занимает 150 страниц машинно-сгенерированного текста и диаграмм. Проверить его могут лишь несколько человек в мире. Доверять ли ему? Принимать ли как знание? Это философский вопрос, ставший вдруг очень практическим.
Во-вторых, смещение фокуса науки. Если бенчмарки и гранты будут поощрять только задачи, решаемые brute-force методами, мы можем потерять целые пласты «нежной», концептуальной математики, не поддающейся такому натиску.
В-третьих, ресурсы. Обучение и прогон моделей для Epoch AI требуют энергии небольшого города. Эколог бы заплакал. Это не Bitterbot AI с её 15 миллионами параметров. Это монстры, пожирающие мегаватты.
Что делать нам, простым смертным?
Смотреть. И учиться.
Epoch AI — это не про «ИИ отнимет работу». Это про то, что граница между человеческим и машинным интеллектом стала прозрачной в одной из самых сложных сфер. Если нейросети начали решать реальные математические проблемы, то в физике, химии, биологии этот перелом наступит еще быстрее. Фактически, он уже наступил — вспомните открытие новых материалов и лекарств.
Совет? Перестать бояться и начать задавать ИИ правильные вопросы. Самые сложные, самые неудобные, те, на которые у вас самих нет ответа. Как это сделали создатели Epoch AI.
Потому что главный вывод января 2026 года звучит так: искусственный интеллект перестал быть учеником. Он стал коллегой. Не всегда понятным. Часто раздражающе эффективным. Но коллегой. И от того, какие задачи мы ему поручим, зависит, станет ли он помощником в открытии новых миров или просто очень дорогим калькулятором.
