Теорема Римана
За сутки математик MIT Эндрю Сазерленд проверил 175 тысяч модулей кода доказательства гипотезы Римана, которое Левент Альпеге из Anthropic подготовил в закрытой версии Claude. Он не ограничился стандартным Lean — прогнал массив еще через два независимых проверяльщика.
В таких проверках всегда два страха. Первый — вдруг в самом Lean есть баг и он пропустил ошибку. Это снимают независимые проверяльщики на других языках: если все сошлись, дыр в цепочке нет.
Второй страх хитрее: а вдруг ИИ сжульничал в условии и под видом дзета-функции доказал что-то попроще? Чтобы исключить и это, Сазерленд сцепил код Альпеге с чужой работой, где гипотеза переведена на язык обычной арифметики — в неравенства про делители целых чисел без всякой дзета-функции. Связка сошлась.
Чуть позже вышло совместное заявление сообществ Lean и Mathlib (его поддержали Lean FRO и Mathlib Initiative): и формулировка задачи, и само доказательство признаны корректными.
Формально доказательство приняли — машины проверили все 17 миллионов строк кода. Причем Lean и другие проверяльщики — строгие детерминированные системы, так что нейросетевые фантазии исключены.
Фактически за сутки гипотеза Римана стала теоремой (хотя историческое название, скорее всего, останется — как у доказанной Перельманом гипотезы Пуанкаре). Чего пока нет — человеческого понимания и премии Клэя на $1 млн: по правилам нужна статья для людей и два года проверки.
Альпеге пишет, что когда Claude нашла возможное доказательство, он попросил ее напечатать подробное объяснение — и получил 250 тысяч (!) страниц. Весь день вижу претензии: мол, столько математики никогда не прочтут, а значит доказательство не в счет.
Но читать все и не нужно: модели еще плохо понимают, на каком уровне объяснять работу человеку, поэтому перестраховываются и тащат все подряд. Отсюда и теорема, что если дробь не 1/2, то она больше или меньше 1/2.
Представьте студента, который приходит на первый курс математического вуза, а ему в библиотеке выдают набор учебников по математике, начиная с первого класса. Он покрутит пальцем у виска, отложит бесполезные и оставит нужный. То же самое предстоит сделать и с текстом доказательства — и это уже делается.
Пока Альпеге готовит статью, коллеги разбирают выложенный Lean-код. Работы уже выходят — пока рекомендую 11-страничный путеводитель по логике доказательства от польского математика Бартоша Наскренцкого.
Забавно, что препринты Григория Перельмана по гипотезе Пуанкаре были, наоборот, предельно сжатыми: очевидные автору вещи не понимали коллеги мирового уровня. В итоге Джон Морган и Ган Тянь три года разворачивали их в 500-страничную книгу, а правки в нее вносили почти спустя десятилетие.
Так что ИИ-открытия этого года проходят стандартный путь. Любое доказательство такого уровня долго осмысляют, правят в нем ошибки (они не обязательно все рушат), одни блоки упрощают, другие — разворачивают.
Уверен, с Риманом и Навье-Стоксом все пойдет даже бодрее: ученые уже активно используют ИИ для разбора блоков из незнакомых им областей математики, а модели растут чуть ли не каждый месяц.
Левент Альпеге еще в колледже решил, что через несколько десятилетий займется гипотезой Римана — и начал учить математику впрок, чтобы иметь хотя бы общее представление об инструментах, которые ему могут понадобиться.
Вчера Альпеге написал, что Claude в какой-то момент «пустилась в пляс» и использовала приемы из областей математики, которые ему только предстоит понять — то есть запасов не хватило. И это самое важное во всей истории: ИИ уже дает каждому из нас доступ к знаниям, на изучение которых мы потратили бы годы и десятилетия — а скорее всего, просто не взялись бы.
Распорядитесь ими правильно.
—
сбежавшая нейросеть
То, что происходит с математикой и ИИ, я бы объяснил вот как.
С одной стороны, уже много раз отмечали, что пока что доказательства и контрпримеры, которые находит ИИ, в том числе для самых знаменитых нерешенных задач - укладываются целиком в применение уже известных математический теорий и подходов, придуманных людьми. ИИ не придумывает (пока что) новых математических теорий, которые работают с новыми объектами, ставят новые гипотезы, открывают новые горизонты. Он идет не вглубь, а вширь - но благодаря тому, что владеет всей современной математикой и может соединять ее части лучше любого человека, быстрее любого человека, терпеливее любого человека - приходит к доказательствам, до которых человек вряд ли додумался бы. Это не значит, кстати, что доказательства ИИ чисто "механические", совсем нет. Это не пазл, в котором берешь существующие идеи и составляешь механически: так подходит, а так нет. Чтобы скомбинировать разные подходы и дойти до цели, ИИ проявляет огромную изобретательность, которая в свою очередь изумляет математиков-людей. Но тем не менее это все равно больше "вширь", а не "вглубь".
С другой стороны, последние два месяца математики повторяют всем, кто согласен их слушать, что знаменитые задачи - это не ценности сами по себе, а именно постольку, поскольку они открывают новые пути в математике. Это своего рода процесс отбора. Когда у математика возникает какой-то естественный вопрос о том, чем он сейчас занимается, чаще всего он сам на него может быстро ответить. Если нет, то он может спросить мнения коллег, поработать над этим немного, в конечном итоге поставить вопрос в виде гипотезы. Работая "вширь", эту гипотезу чаще всего он или другие математики вскоре закрывают, но если нет, и если она интересна многим математикам (это может быть по ряду причин: связь с другими областями математики, естественность вопроса, даже сама ее сложность), то через 5, 10, 50 лет она становится очередной "теоремой Ферма" или "гипотезой Римана" - ну, наверное не сразу на первые места по важности, поначалу где-то во второй сотне, а так как время покажет. Но после того, как заметное время задачу не удалось решить "вширь", математики ожидают, что скорее всего только решение "вглубь" поможет ее покорить. Решение "вглубь" расширяет наше понимание математики в целом, дает нам выход на другие задачи, на новые гипотезы, на связи с другими областями математики. А сильные, выжившие процесс отбора задачи мотивируют математиков на атаку "вглубь". И гипотеза Римана - это лучший пример такого: всем специалистам в этой области были понятно, что сегодняшнее знание математики неадекватно для ее решения. Их интуиция говорила им безошибочно, что нужно изобрести целые новые области математики, чтобы с их помощью решить гипотезу Римана.
Мы понимаем теперь, что их интуиция ошибалась, причем это не первая ошибка, и не случайная: то же самое было с неожиданным опровержением гипотезы Якобиана, то же самое с решением проблемы Навье-Стокса. Почему их интуиция так сильно ошибалась? Из-за ограничений человеческого мышления, которые естественным образом толкают людей к решениям "вглубь". Я вижу три таких главных ограничения.
1. У нас есть ограниченная рабочая память: мы не можем одновременно удерживать в сознании - как бы воспринимать одновременно больше, чем 5-7 разных объектов, хоть реальных, хоть абстрактных.
2. У нас есть ограниченная способность следить за хаотичными нарративами. Под этим я имею в виду следующее: мы воспринимаем любой длинный аргумент как нарратив, историю: из такого-то следует такое-то, и это нужно по такой-то причине, и это соединяется вместе с этим, итд. Если таких линий слишком много и они очень запутаны (аналог "кода спагетти" в программировании), нам очень тяжело за ним следить и находить ошибки.
3. У нас есть центральный узел, через который все должно пройти: собственно наше сознание. Если мы читаем или создаем математическое доказательство, то любая его деталь должна рано или поздно пройти через одну и ту же узкую точку, фокус нашего сознательного внимания. Мы не можем параллельно "вкуривать" разные части доказательства разными частями своего мозга, потом соединять это все вместе.
Эти три ограничения дают предел тому, чего мы можем добиться работой "вширь" (у гипотезы Римана первый "слоповый" подход к выписанному доказательству дает 250 тысяч страниц текста - звучит как издевательство), и более того, даже до достижения этого предела они делают очень некомфортной работу "вширь" и толкают нас к работе "вглубь".
У лучших моделей современного ИИ есть много разных ограничений, но этих трех у них вообще нет. Они вообще не замечают их, как проблему. Они могут, в процессе "мышления" (беру в кавычки сознательно, вопрос, что там происходит, непростой), держать в "уме" сотни и тысячи разных объектов, отслеживать тысячи разных нарративных путей, и параллельно стремиться совместить их сотнями разных способов. Они проскакивают пределы нашей возможности "вширь", даже не замечая их. И оказывается, что если не ограничен этими пределами, то даже гипотезу Римана можно решить "вширь".
Но насколько ценным окажется такое решение для математики? Вопреки обыкновению, у этого риторического вопроса, мне кажется, нет очевидного ответа. Мы постепенно начнем это понимать, по мере того, как математики смогут постепенно переварить ИИ-доказательства последних месяцев, найти для себя способы упростить, упорядочить их, обуздать слишком "широкую" их природу, возможно, создать нужные для этого вылазки "вглубь".
Тут можно провести аналогию с знаменитой проблемой раскраски карты (любую карту можно раскрасить не более чем 4 красками так, чтобы любые две области с общей границей имели разный цвет). Впервые доказать ее удалось в 1970-х только с помощью компьютерного перебора большого количества примитивных примеров, и это до сих пор остается верным, хоть количество перебора уменьшили к концу 90-х. То, что у этой теоремы нет "принципиального", "правильного" доказательства, воспринимается математиками как дефект, упущение, и если такое доказательство появится (не факт, что оно существует), это будет большим достижением. В данном случае "вширь" это вообще с помощью компьютерного перебора, который точно нам ничего интересного не говорит, и мы хотим иметь "вглубь". В случае гипотезы Римана "вширь" это тысячи разных применений глубокой современной математики креативными и интересными путями, и вполне возможно, что тщательное изучение всего доказательства в конце концов даст свою глубину - откроет математикам новое понимание нулей дзета-функции, распределения простых чисел итд. Но может быть, что и не даст. Может, в итоге, когда разберутся, это будет как если бы нам очень нужно было перепроверить руками компьютерный перебор в теореме с красками, и мы это сделали, но новой пищи для ума, нового понимания это не дало.
Математики часто любят говорить о том, "почему" какая-то теорема по-настоящему верна. У многих теорем есть много разных доказательств, использующих разные области математики. Нередко бывает так, что специалисты соглашаются, что одно из них - самое концептуальное, по-настоящему объясняющее, почему теорема верна. При этом оно может быть более сложным, более "глубоким". Бывает, что сначала доказывают с помощью длинного технического аргумента, и специалисты говорят: да, доказали, но мы ждем также и "настоящего" доказательства, которое объяснит, что там на самом деле происходит - и через какое-то время оно появляется. Может, и с гипотезой Римана тоже так будет - трудно сказать. Тогда интуиция математиков о том, что для нее нужны новые подходы "вглубь", окажется не совсем ошибочной. Строго говоря, не нужны, можно доказать "вширь", вот же ИИ это и сделал. Но "настоящее" доказательство еще в пути, настоящая новая интересная математика, которая показывает наглядно, почему гипотеза Римана верна, еще не придумана. В нахождении этой новой математики еще могут, наверное, поучаствовать люди. Пожелаю им удачи.
Авва
спасибо. я почитал про перельмана