От анализ на котове до теореми на Ердеш: изкуственият интелект все по-често атакува върховете на математиката

ИИ-моделите преминават от хуманитарни задачи към решаване на сложна математика

*Сега повечето изкуствени интелекти първоначално са били разработени за работа с текст и изображения, но техните разработчици все по-често осъзнават потенциала да ги приложат в математиката. Това отваря два важни направления:*

1. Научен напредък – новите модели позволяват бързо намиране на решения, които преди се считали нерешими.

2. Демонстрация на възможностите на ИИ – успехите в математиката служат ярко доказателство за ефективността на технологиите.

Примери за успехи
- Кембрижски студент използва модел от OpenAI и решава задачата на Ердеш, която преди се считала недостъпна.

- Моделите показват високи резултати в Международната математическа олимпиада и други специализирани конкурси.

- Бивш член на борда на директори Хейлен Тауърън коментира: „Вече сме надвишили простите задачи като разпознаване на котки и кучета; сега ИИ решава задачи от високия ниво“.

Специализирани разработки
КомпанияМоделЗадачаDeepMind (Google)AlphaProofМатематикаDeepMind (Google)AlphaGeometryГеометрия
Тези модели са получили признание в бенчмарковете Epoch AI, които измерват скоростта и точността на решения. Първоначално големите езикови модели се смятали за неподходящи, защото генерират текст „на базата на вероятност“ и често „галюцират“. Въпреки това внедряването на обучение с подкрепление и разсъждаващи архитектури значително повиши тяхната надеждност.

Укрепване на научния екип
OpenAI привлече двама изключителни математици:

- Ернест Рю – Калифорнийски университет, Лос Анджелис

- Мехтааб Сауней – Колумбийски университет

Тези специалисти помагат да се подобрят моделите и способностите им за решаване на сложни задачи.

Математика като „проверяем“ тест
Математическите доказателства могат автоматично да се проверяват, което прави тази област идеална за експерименти с ИИ. Това също подпомага развитието на софтуера:

- Anthropic инвестира в Claude Code – асистент, генериращ програмен код.

Какво следва?
За решаване на истински сложни научни въпроси ИИ трябва да се опират върху вече съществуващи резултати и да не разчитат само на еднократна „посредническа“ сесия. В момента моделите умеят ефективно да агрегира информация от различни дисциплини, което ускорява откриването на нови идеи. Експертите са уверени: в близко бъдеще това ще стане ключов драйвер за научния напредък.

> *В математиката ИИ вече е доказал своята ефективност.*