AI И НЕЙРОСЕТИ

ИИ и математик заявили о решении гипотезы Римана

167-летняя гипотеза Римана получила две заявленные версии доказательства: одну проверяет Lean, другую 12 лет писал математик.

✍️ Редакция iTech News | 21.11.2026 | ⏱ 4 мин | Источник: TechCrunch
ИИ и математик заявили о решении гипотезы Римана

Гипотеза Римана, одна из самых известных нерешённых задач математики с 1859 года, получила сразу два заявленных решения: одно подготовил математик Levent Alpöge при помощи Claude и формализовал для проверки в Lean, другое — Алессандро Масулло, работавший над ним 12 лет. Для IT-рынка это не очередной повод измерять модели олимпиадными баллами: речь о проверке, может ли ИИ участвовать в создании результатов, которые люди пока не способны быстро объяснить друг другу.

О ситуации гипотеза Римана сообщает TechCrunch. Alpöge работает в Anthropic и опубликовал решение, которое компилируется в Lean — открытом языке и системе формальной верификации математических доказательств. Несколько участников профильного сообщества Zulip, включая математика MIT Эндрю Сазерленда, подтвердили, что код доказательства успешно проходит проверку. Это ещё не означает, что академическое сообщество признало результат: компиляция подтверждает корректность формальной конструкции относительно заданных аксиом и библиотек, но не заменяет разбор идеи и независимую человеческую экспертизу.

Гипотеза сформулирована Бернхардом Риманом 167 лет назад. В грубом приближении она описывает скрытую закономерность в распределении простых чисел через нули дзета-функции Римана. Задача входит в список Millennium Prize Problems Института математики Клэя; за доказательство или опровержение предусмотрена премия в $1 млн. Именно поэтому вокруг новости столько шума: успешное доказательство затронуло бы фундаментальную теорию чисел, а не узкую техническую теорему, понятную только нескольким авторам препринта.

По описанию Alpöge, путь к результату был далёк от картинки, где языковая модель нажимает кнопку «решить». Он собирал аргумент в диалоге с Claude, перебирая фрагменты теории в условиях серьёзной путаницы и постепенно сводя их к формальной записи. В его доказательстве используются тяжёлые разделы современной математики: представления Галуа, автоморфные представления, теория когомологий, результаты о замене базиса и другие элементы, которые даже специалистам предстоит разбирать долго. Реакция в Zulip это хорошо иллюстрирует: коллеги обсуждают конкретные технические узлы, а не ограничиваются репостами о «машинах, победивших математику».

Ключевая особенность истории — разрыв между машинной проверяемостью и человеческой понятностью. Lean способен убедиться, что цепочка формальных шагов не содержит логической ошибки, если правильно описаны исходные определения и использованные библиотеки. Но математическая ценность результата не сводится к зелёному статусу сборки. Исследователям нужно понять, какие идеи сделали прорыв возможным, нет ли неверно выбранной формализации исходной задачи и можно ли извлечь из доказательства новые методы. Alpöge признаёт эту проблему и намерен подготовить объяснение, пригодное для людей, а не только для компилятора.

Параллельно вышло человеческое доказательство

Почти одновременно профессор Стэнфорда Рави Вакил опубликовал черновик доказательства обобщённой гипотезы Римана, написанный постдоком Стэнфорда Алессандро Масулло. Обобщённая версия расширяет исходную задачу на более широкий класс L-функций. Вакил пояснил, что первоначально авторы хотели доработать текст и показать его достаточному числу коллег до публичного объявления, однако на фоне появления AI-версии решили выложить текущий вариант. В отличие от работы Alpöge, этот текст пока не выражен в Lean, поэтому его корректность и даже полнота аргумента ещё требуют проверки.

Сам Масулло подчеркнул, что его работа — результат 12 лет исследований, и адресовал её математикам, которых деморализует нынешняя гонка вокруг ИИ. Контраст здесь почти театральный, но ложную дихотомию лучше отбросить. В одном случае человек использует модель как агрессивного партнёра по поиску и получает формально проверяемый артефакт. В другом — исследователь годами развивает собственную линию и публикует её в момент, когда окружающая среда резко меняет ожидания от скорости научного результата. Обе работы пока находятся на стадии, где сенсация должна уступить место рутинному, медленному чтению доказательств.

Для разработчиков эта история важна не только из-за громкого имени задачи. Она показывает, куда движутся LLM-инструменты для сложной интеллектуальной работы: ценность возникает не в красивом ответе в чате, а в связке модели с проверяемой средой. В программировании такой средой давно служат компиляторы, тесты, статический анализ и CI. В математике аналогом становятся proof assistant-системы вроде Lean. Если ИИ предлагает гипотезу, фрагмент кода или доказательство, следующий вопрос должен звучать не «насколько уверенно это написано?», а «какой независимый механизм способен это проверить?».

Для бизнеса это менее прямой, но показательный сигнал. Frontier-модели начинают претендовать на задачи, где результат нельзя оценить привычным human-in-the-loop ревью за один созвон. Значит, компаниям, внедряющим ИИ в инженерные и исследовательские процессы, придётся инвестировать не только в доступ к моделям, но и в инфраструктуру верификации: воспроизводимые данные, трассировку решений, тестовые контуры, контроль версий и понятные критерии приёмки. Без этого даже сильный агент остаётся очень убедительным генератором артефактов, которые никто не успевает проверить.

Гипотеза Римана ещё не получила окончательного статуса решённой: академическая проверка может занять месяцы или годы, а опубликованные тексты могут потребовать существенных исправлений. Но сам факт появления Lean-проверяемой заявки и параллельного человеческого черновика меняет тон разговора об ИИ в науке. Главный тест теперь не в том, смогла ли модель произнести правильный ответ, а в том, поможет ли она превратить сложное знание в результат, который можно воспроизвести, проверить и объяснить. Исходные материалы и детали заявлений собрал TechCrunch.

Поделиться: Telegram X LinkedIn