Перейти к основному содержанию
Реклама
Прямой эфир
Мир
Председатели Верховных судов РФ и Казахстана подписали программу сотрудничества
Мир
Лавров заявил об открытом переходе Запада к пиратским практикам колониализма
Армия
Силы ПВО сбили девять ракет «Фламинго» и свыше 2,2 тыс. беспилотников ВСУ
Общество
Песков заявил об отсутствии сомнений в восстановлении Крымского моста
Армия
Российские военнослужащие нанесли удары по военным аэродромам Украины
Мир
Мерц занял последнее место в рейтинге немецких политиков
Мир
В МИД РФ назвали надуманными причины отказа Зеленского от поездки в Москву
Мир
В ГД сообщили о возможном сроке для Каллас в РФ за слова об участниках СВО
Общество
ФСБ задержала четырех агентов украинских спецслужб по делу о подготовке терактов
Общество
Правкомиссия рассмотрит вопросы восстановления Крымского моста
Армия
Российские бойцы поразили производящий комплектующие для БПЛА завод в Киеве
Армия
Армия России поразила Южный и Северный мосты в Киеве
Мир
Спецпосланник ЕС по санкциям против России объявил об уходе с поста
Мир
В Китае назвали шутку Мединского о европейцах позором для Евросоюза
Мир
Песков указал на немирный характер позиции Европы в переговорах по Украине
Армия
Пушилин заявил об освобождении от ВСУ 90% территории ДНР
Армия
Минобороны России получило новую партию истребителей Су-34
Общество
Уголовное дело о теракте возбудили после атак ВСУ на Крымский мост
Главный слайд
Начало статьи
EN
Озвучить текст
Выделить главное
Вкл
Выкл

Российские ученые создали систему, которая самостоятельно формулирует задачи математической оптимизации, подбирает методы их решения и формально доказывает полученные результаты. С ее помощью удалось сформулировать около 100 теорем, 35 из которых получили доказательства. На доказательство одной теоремы ИИ в среднем требуется от трех до семи часов — это в разы быстрее, чем у профессиональных математиков. Однако использование платформы несет и определенные риски. В частности, система может выдавать корректные ответы на некорректно сформулированные задачи, предупредили эксперты. Сможет ли алгоритм заменить ученых в отдельных операциях — в материале «Известий».

От перебора методов до доказательства

Ученые Института AIRI вместе с вьетнамским студентом Куок Вьетом разработали программную платформу LongTails, способную автоматизировать значительную часть математических исследований. Система формулирует новые задачи математической оптимизации, подбирает методы их решения, а затем доказывает полученные результаты. На доказательство одной теоремы агенту в среднем требуется от трех до семи часов, что позволяет решать подобные задачи в разы быстрее математиков.

Всего с помощью системы исследователи уже отработали около 100 теорем. В 50 случаях ИИ доказал, что алгоритмы могут работать быстрее и точнее, чем ранее считали ученые. Еще 35 результатов оказались настолько уникальными, что авторы подготовят по ним отдельные статьи для крупных международных журналов.

— Фреймворк за пару дней доказал больше результатов, чем я за всю свою карьеру. Сложно определиться, как я к этому отношусь, но это очень интересно. Мы продолжим доказывать новые теоремы, будем повышать сложность задач, структурировать их и добиваться того, чтобы найденные алгоритмы были эффективны на практике, — отметил руководитель научной группы «Методы оптимизации в машинном обучении» Института AIRI Александр Тюрин.

Вычислительные счеты
Фото: Global Look Press/Razmik Zackaryan/URA.RU

Система специализируется на математической оптимизации — области, которая занимается поиском наилучшего решения среди множества возможных вариантов. Такие методы применяются при обучении нейросетей, а также в логистике, энергетике, инженерии, химии и физике. Ключевая особенность платформы заключается в формальной проверке результатов с помощью языка Lean 4. Обычная языковая модель может выдать доказательство, которое выглядит убедительно, но содержит ошибку или относится не к той постановке задачи. LongTails проверяет, соответствует ли доказательство формально заданным условиям и поставленной цели.

Риски применения платформы

Главный риск подобных систем эксперты видят не столько в ошибках самого доказательства, сколько в возможности получить корректный ответ на неправильно поставленную задачу.

— Если постановку задачи сформулировал агент, ошибка может быть заложена уже на этом этапе. Тогда безупречное доказательство подтверждает неверный результат. Поэтому ответственность за то, что именно доказано и где это применяется, остается на исследователе, — отметила советник практики интеллектуальной собственности ЮК «ЭБР» Ольга Яшина.

Другой эксперт обращает внимание на различие между формальной корректностью и научным пониманием. По словам основателя финтех-платформы SharesPro Дениса Астафьева, доказательство может быть безупречным с точки зрения математики, но практически недоступным для человеческого понимания. Для развития науки этого недостаточно: исследователь должен понимать, почему работает найденный метод и как его можно применять в других задачах.

— Способность машины самостоятельно получать математически корректные результаты ставит вопрос о том, насколько такие исследования зависят от человеческого понимания, — пояснил он.

Математик за решением задачи
Фото: Global Look Press/Artur Cupak/imageBROKER.com

Перспективными могут стать системы, которые способны не только выдавать доказательство, но и объяснять ход рассуждений. В противном случае машина решает конкретную математическую задачу, но не обязательно дает человеку новое понимание, пояснил ведущий разработчик MWS AI Cowork Егор Старовойтов.

Основная трансформация будет связана с перераспределением функций. ИИ возьмет на себя все больше вычислений и технического поиска, тогда как специалисту останутся постановка исследовательских задач, построение моделей и оценка научной значимости результатов, полагает заведующий кафедрой теории и методики компьютерного спорта, шахмат и цифровых технологий РУС «ГЦОЛИФК» Михаил Новоселов.

— Здесь возникает и образовательный риск. Если постоянно передавать ИИ сложные этапы рассуждений, молодые исследователи могут получить меньше практики самостоятельного построения доказательств. Поэтому обучение должно сочетать работу с ИИ и самостоятельное решение математических задач, — пояснил доцент Финансового университета при правительстве РФ Артур Вафин.

ИИ-агент
Фото: ИЗВЕСТИЯ/Сергей Лантюхов

Оснований говорить о массовом неприятии подобных технологий среди математиков нет. Как отметил заместитель руководителя направления «Искусственный интеллект» ИТ-холдинга Т1 Евгений Григорьев, ИИ способен взять на себя значительную часть рутинной работы — поиск и проверку доказательств, перебор подходов и технические вычисления. Это позволяет ученым сосредоточиться на более сложных задачах.

Математики будут нужны и дальше

Такие фреймворки изменят профессию математика, но не приведут к ее исчезновению. Даже если агент самостоятельно формулирует задачи, определять, какие из них важны и для чего их решать, будет человек, отметил Егор Старовойтов. По его словам, ситуация напоминает появление калькуляторов и систем компьютерной алгебры: часть ручной работы исчезла, но сама профессия сохранилась. Теперь специалисту потребуется не только владеть математическим аппаратом, но и уметь корректно ставить задачи перед ИИ и проверять полученные результаты.

— Технологический прогресс в данном случае повышает требования к человеку, а не отменяет его роль. Исследователь должен будет определять, какие из множества возможных задач действительно представляют научную ценность, и контролировать применение полученных результатов, — отметила политолог Елена Штульман.

Робот ИИ
Фото: ИЗВЕСТИЯ/Сергей Лантюхов

С развитием ИИ профессия математика будет меняться — как содержание работы, так и направления применения полученных знаний, считает руководитель команды ИИ-тренеров модели Alice AI по высшей математике Ашот Маргарян.

— ИИ в этом случае не заменяет математика, а выступает в роли хорошего ассистента, которому можно делегировать проверку некоторых гипотез и рутинные вычисления. Однако создание концептуального подхода, поиск скрытой логики и получение подлинной научной новизны невозможны без ученого, — отметил он.

Опрошенные эксперты отмечают, что машина способна искать решения и доказывать теоремы быстрее человека. Но определить, какие проблемы стоит решать, почему полученный результат важен и какие новые направления могут из него следовать, по-прежнему предстоит исследователю.

Читайте также
Прямой эфир