Исследование
Claude создает первое полностью проверенное компьютером доказательство последней теоремы Ферма
Компания Anthropic заявила, что Claude завершил 13-миллионную формализацию Теоремы Ферма в Lean за 11 дней, превратив известное математическое доказательство в проверяемый машиной артефакт и подняв новые вопросы о научной верификации.
Майкл Г ·
Клод создал то, что Anthropic описывает как первое полностью проверенное компьютером доказательство Последняя теорема Ферма, работая в основном автономно в течение 11 дней и генерируя около 13 миллионов строк кода на Lean. Результат не заменяет историческое математическое доказательство Эндрю Уайлса. Он переводит цепочку рассуждений в формальный язык, который помощник по доказательствам может проверять построчно, без возможности использовать интуитивные шаги, которые математики обычно опускают.
Это различие имеет решающее значение. Claude не открыл Последнюю теорему Ферма и не создал более простое доказательство. Достижение заключается в проверке на масштабе, который исследователи ожидали, что потребует лет скоординированной работы. Anthropic утверждает, что десятки агентов доказали 30 300 промежуточных теорем, из которых примерно 29 500 присутствуют в финальной конструкции, используя только стандартные математические аксиомы Lean.
Почему формализация настолько трудна
Обычное доказательство пишется для экспертов, которые обладают большим объемом знаний. Авторы опускают шаги, которые коллеги могут восполнить, опираются на устоявшиеся результаты и свободно перемещаются между обозначениями. Lean не учитывает такой социальный контекст. Определения должны быть точными, зависимости — явными, и каждый логический переход должен быть принят проверяющей системой. Работа больше похожа не на то, чтобы спросить чат-бота и получить ответ, а на то, чтобы построить огромную проверенную программную систему.
С проект формализации Ферма, возглавляемый сообществом в Имперском колледже Лондона начался в 2024 году с 86-страничного плана только для начальной фазы. Результат Клода следует упрощённой экспозиции доказательства Уайлса, подготовленной Анри Дармоном, Фредом Даймондом и Ричардом Тейлором, при адаптации компонентов из того проекта и более широкой экосистемы Mathlib. Эта линия важна, потому что система строилась на многолетней формализации людьми, а не начиналась с пустой библиотеки.
Агенты Anthropic изначально потерпели неудачу. Они теряли контроль над проектом, дублировали работу и перестали эффективно координировать действия. Успешная попытка использовала Prove2Me, платформа для совместной работы, разработанная Тяньи Пэном и коллегами из Колумбийского университета. Она представляла доказательство в виде графа меньших обязательств, отделяла утверждения от реализаций и помогала агентам искать повторно используемые результаты.
Эта организация является частью научного результата. Один только мощный алгоритм работу не завершает. Агентам понадобились общее состояние, стратегия разложения, быстрая компиляция и система, делающая прогресс видимым. Этот урок напоминает крупные инженерные проекты: интеллект полезен, но организация определяет, станут ли тысячи отдельных правдоподобных вкладов одним согласованным артефактом.
Новый конвейер верификации
Самое сильное утверждение заключается не в том, что ИИ сделал математиков ненужными. Оно заключается в том, что машинная формализация может стать достаточно быстрой, чтобы сопровождать крупные исследования. Рецензирование сложных доказательств может занимать годы, и рецензенты все равно могут упустить пробелы. Артефакт Lean предлагает другой вид уверенности: вывод следует из закодированных предположений в соответствии с правилами помощника по доказательствам.
Эта уверенность имеет свои пределы. Lean проверяет данное ему утверждение, а не то, соответствует ли это утверждение предполагаемой теореме. Anthropic сообщает, что компаратор подтвердил, что исходное утверждение соответствует формулировке Последней теоремы Ферма в Mathlib. Независимым экспертам все еще необходимо проверить определения, импортированные аксиомы, воспроизводимость сборки и то, как были представлены человеческие математические концепции.
Масштаб также создаёт новую проблему рецензирования. Тринадцать миллионов строк не предназначены для чтения как статьи Уайлса. Исследователи будут полагаться на модульную структуру, автоматизированные проверки и выбранные читаемые объяснения. Формализация может снизить неопределённость в отношении логической корректности, одновременно делая изложение более важным, потому что корректный машинный артефакт автоматически не объясняет людям, почему аргумент работает.
По данным компании Anthropic, проект потребил примерно шесть миллиардов выходных токенов внутренней исследовательской модели, сопоставимой с Claude Fable 5.1. Это делает эксперимент дорогостоящим, хотя это крупнейшее построенное на данный момент доказательство Lean. Затраты должны уменьшиться по мере того, как будут улучшаться модели, поиск доказательств и компиляция, но доступ может оставаться неравномерным, если только хорошо финансируемые лаборатории смогут проводить кампании по верификации в таком масштабе.
Что меняется для исследований
Университетам придётся решать, как засчитывать труд машин. Формализация может содержать миллионы шагов доказательств, созданных агентами, высокоуровневое руководство небольшой команды людей и основы, внесённые сотнями разработчиков Mathlib. Традиционные нормы авторства не отражают этот процесс создания чисто. Репозитории и статьи будут нуждаться в подробных записях о вкладе, чтобы читатели могли различать математические решения, программную инфраструктуру и автоматическое выполнение.
Образование также может измениться. Студенты могут использовать формальные инструменты для проверки своего рассуждения, но им все равно нужно научиться строить аргументы и распознавать полезную абстракцию. Если система заполняет каждый пропущенный шаг в Lean, преподаватели могут оценивать разработку определений и стратегию доказательства, а не синтаксис. Опасность заключается в путанице проверенного артефакта с пониманием; возможность заключается в предоставлении учащимся мгновенной обратной связи о том, где логика действительно дает сбой.
Формальные помощники для доказательств уже используются в математике и программном обеспечении с высокой гарантией надежности, но их высокая трудоемкость ограничивает распространение. Если ИИ сможет надежно переводить обычные математические тексты на Lean, журналы могли бы запрашивать формальные артефакты для результатов, проверка которых в противном случае перегрузила бы рецензентов. Исследователи также могли бы проверять гипотезы на растущей проверенной библиотеке перед тем, как тратить годы на построение аргументации, основанной на скрытой ошибке.
Те же инструменты могут помочь в оценке математики, созданной ИИ. Языковые модели могут создавать связные доказательства, содержащие тонкие пробелы, создавая больше утверждений, чем могут проверить человеческие рецензенты. Процесс формализации заставляет эти утверждения проходить через безжалостный интерфейс. Компания Anthropic утверждает, что это может быть единственный масштабируемый способ сохранить доверие по мере того, как автоматизированные системы создают всё больше исследований.
Существует риск в том, чтобы позволить одной платформе или семейству моделей формировать официальный отчет. Библиотеки кодируют выбор определений и абстракций, и автоматизированные системы могут отдавать предпочтение доказательствам, которые легко формализовать, вместо аргументов, которые концептуально проясняют суть. Сообществу следует сохранять открытые репозитории, воспроизводимые сборки и пространство для конкурирующих инструментов, а не рассматривать закрытого агента как авторитет.
Пока это достижение как более узкое, так и более значимое, чем утверждение о том, что Клод разгадал многовековую тайну. Последняя теорема Ферма уже была доказана. Что изменилось, так это возможность превратить грандиозный человеческий аргумент в полностью проверенный вычислительный объект. Если результат воспроизводится при независимой проверке, узкое место в формальной математике может переместиться с написания каждой строки вручную на проектирование систем, которые решают, какие строки нужно написать.
Темы: Anthropic, Клод, Последняя теорема Ферма, Lean, математика