Исследования
Claude создает первое полностью проверенное компьютером доказательство последней теоремы Ферма
Anthropic говорит, что Anthropic завершил 13-миллионную формализацию Последней теоремы Ферма в Lean за 11 дней, превратив знаменитое математическое доказательство в проверяемый машиной артефакт и вызвав новые вопросы о научной верификации.
Майкл Г ·
Claude произвел то, что Claude описывает как первое полностью проверенное компьютером доказательство последней теоремы Ферма, работая в основном автономно в течение 11 дней и создав около 13 миллионов строк кода на Lean. Этот результат не заменяет историческое математическое доказательство Эндрю Уайлса. Он переводит цепочку рассуждений на формальный язык, который помощник по доказательствам может проверять строка за строкой, без возможности использовать интуитивные шаги, которые человеческие математики обычно оставляют недосказанными.
Это различие имеет решающее значение. Claude не открыл последнюю теорему Ферма и не предложил более простое доказательство. Достижение заключается в проверке на таком уровне, на который исследователи ожидали, что потребуется годы согласованной работы. Claude утверждает, что десятки агентов доказали 30 300 промежуточных теорем, из которых примерно 29 500 появляются в окончательной конструкции, используя только стандартные математические аксиомы Lean.
Почему формализация так сложна
Обычное доказательство пишется для опытных читателей, которые обладают большим объемом знаний. Авторы опускают шаги, которые коллеги могут восстановить, опираются на установленные результаты и свободно переходят между обозначениями. Lean не учитывает никакого социального контекста. Определения должны быть точными, зависимости явными, а каждый логический переход — принят проверяющей системой. Эта работа больше похожа не на то, чтобы попросить у чат-бота ответ, а на создание огромной проверенной программной системы.
The проект по формализации Ферма, возглавляемый сообществом в Империал Колледж Лондона начался в 2024 году с 86-страничного плана только для первой фазы. Результат Claude следует упрощённому изложению доказательства Уайлса, представленному Анри Дармоном, Фредом Даймондом и Ричардом Тейлором, при этом адаптируя компоненты из этого проекта и более широкой экосистемы Mathlib. Эта линия имеет значение, потому что система строилась на основе многолетней формализации человеком, а не с пустой библиотеки.
Агенты Anthropic изначально потерпели неудачу. Они теряли контроль над проектом, дублировали работу и перестали эффективно координировать свои действия. Успешная попытка использовала Prove2Me, это совместная платформа, 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.
Такая оркестровка является частью научного результата. Один мощный моделью работа не завершилась бы. Агентам было нужно общее состояние, стратегия разложения, быстрая компиляция и система, которая делала прогресс видимым. Этот урок похож на крупные инженерные проекты: интеллект полезен, но организация определяет, станут ли тысячи отдельных правдоподобных вкладов одним целостным артефактом.
Новый конвейер проверки
Самое сильное утверждение заключается не в том, что ИИ сделал математиков ненужными. Оно заключается в том, что формализация при помощи машины может стать достаточно быстрой, чтобы сопровождать крупные исследования. Рецензирование сложных доказательств может занимать годы, и рецензенты всё же могут пропустить пробелы. Артефакт Lean предлагает другой вид уверенности: вывод следует из закодированных предположений в рамках правил ассистента по доказательствам.
Уверенность имеет свои границы. Lean проверяет данное ему утверждение, а не то, отражает ли это утверждение предполагаемую теорему. Anthropic сообщает, что компаратор подтвердил, что его исходное утверждение соответствует формулировке Последней теоремы Ферма в Mathlib. Независимые эксперты всё ещё должны 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 так, как читают статьи Уайлса. Исследователи будут полагаться на модульную структуру, автоматические проверки и выбранные объяснения, доступные для человека. Формализация может уменьшить неопределённость относительно логической правильности, одновременно делая изложение более важным, потому что правильный машинный артефакт автоматически не объясняет людям, почему аргумент работает.
Проект потребил примерно шесть миллиардов выходных токенов внутренней исследовательской модели, сопоставимой с Claude Fable 5.1, согласно Claude Fable 5.1 Это делает эксперимент дорогим, хотя это и самая большая доказанная Lean-конструкция на сегодняшний день. Затраты должны снизиться по мере улучшения моделей, поиска доказательств и компиляции, но доступ может остаться неравномерным, если только хорошо финансируемые лаборатории смогут проводить кампании по проверке на таком уровне.
Что меняется для исследований
Университетам придется решить, как засчитывать труд машин. Формализация может содержать миллионы шагов доказательства, сгенерированных агентами, высокоуровневое руководство от небольшой человеческой команды и основы, внесенные сотнями разработчиков Mathlib. Традиционные авторские соглашения не отражают этот процесс производства четко. Репозитории и статьи будут нуждаться в подробных записях о вкладе, чтобы читатели могли различать математические решения, программную инфраструктуру и автоматическое выполнение.
Образование тоже может измениться. Студенты могут использовать формальные инструменты для проверки своих рассуждений, но им всё равно нужно научиться строить аргумент и распознавать полезную абстракцию. Если система заполняет все недостающие шаги бережливого подхода, преподаватели могут оценивать дизайн определений и стратегию доказательств, а не синтаксис. Опасность в том, чтобы путать проверенный артефакт с пониманием; возможность — давать обучающимся мгновенную обратную связь о том, где логика действительно ошибается.
Формальные вспомогательные системы доказательств уже используются в математике и программном обеспечении с высокими требованиями к надежности, но их высокая трудоемкость ограничила их применение. Если ИИ сможет надежно переводить обычные математические тексты в Lean, журналы смогут требовать формальные артефакты для результатов, проверка которых иначе бы перегружала рецензентов. Исследователи также смогут проверять гипотезы на растущей проверенной библиотеке, прежде чем тратить годы на аргумент, основанный на скрытой ошибке.
Те же инструменты могут помочь оценивать математику, созданную ИИ. Языковые модели могут создавать связные доказательства, содержащие тонкие пробелы, создавая больше утверждений, чем могут оценить человеческие рецензенты. Конвейер формализации принуждает эти утверждения проходить через безжалостный интерфейс. Anthropic утверждает, что это может быть единственный масштабируемый способ сохранить доверие по мере того, как автоматизированные системы создают больше исследований.
Существует риск в том, чтобы позволять одной платформе или семейству моделей формировать официальную запись. Библиотеки кодируют выбор о определениях и абстракциях, и автоматизированные системы могут отдавать предпочтение доказательствам, которые легко формализовать, вместо аргументов, которые концептуально проясняют. Сообществу следует сохранять открытые репозитории, воспроизводимые сборки и пространство для конкурирующих инструментов, а не рассматривать собственнического агента как авторитет.
Пока что это достижение одновременно более узкое и более значительное, чем утверждение о том, что Claude решил загадку, существовавшую веками. Последняя теорема Ферма уже была доказана. Изменилось то, что стала возможной конвертация монументального человеческого доказательства в полностью проверенный вычислительный объект. Если результат подтвердится при независимой проверке, узкое место в формальной математике может сместиться от написания каждой строки вручную к разработке систем, которые определяют, какие строки нужно писать.
Темы: Anthropic, Anthropic, последняя теорема Ферма, Lean, математика