Нейросеть решила математическую задачу, над которой люди бились с 1999 года

Одна задача из теории групп простояла открытой с 1999 года. Двадцать семь лет её крутили в руках сильнейшие математики планеты — и не могли сдвинуть с места. А в начале августа её закрыла программа: перебрала подходы, упёрлась в тупик, переписала сама себя и в итоге выдала решение, которое можно перепроверить машиной. На всё ушло около двух тысяч долларов вычислений. Это не «нейросеть стала умнее» — это другой способ работать, и он куда ближе к бизнесу, чем кажется на первый взгляд.

Что именно произошло

OpenAI показала исследовательскую систему под названием Astra, а вместе с ней — десять решённых задач, каждая из которых оставалась открытой минимум десять лет. Среди них та самая, из 1999 года, которую никто не мог осилить 27 лет. Темы разные: геометрия высоких размерностей, теория кодирования, квантовая сложность, криптография на решётках. Каждое решение записано на формальном языке Lean так, что его можно проверить автоматически, и выложено в открытый доступ — чтобы никто не верил компании на слово, а мог убедиться сам.

Почему это не «умный чат»

Привычная нейросеть работает как быстрый собеседник: ты спросил — она за секунды выдала ответ. Astra устроена иначе. Это не один ответ, а долгая работа: система дробит задачу, пробует путь, заходит в тупик, отбрасывает его, ищет другой — и так часами, а то и сутками. По сути, внутри трудится не одна модель, а связка агентов, которые передают друг другу промежуточные результаты и сами себя проверяют. Не «озарение», а упорный перебор с самоконтролем.

Главная деталь — результат можно проверить

Самое ценное здесь не сам факт решения, а то, что его нельзя подделать. Доказательство записано формально и проходит машинную проверку: либо оно верно, либо нет, третьего не дано. Для бизнеса это важнее, чем звучит. Одно дело, когда нейросеть уверенно выдаёт ответ, а ты не знаешь, можно ли на него опереться. И совсем другое — когда у результата есть встроенная проверка и видно: работа доведена до конца и сходится. Как раз доверия к результату обычно и не хватает, чтобы отдать машине что-то серьёзнее черновиков.

Что это меняет для бизнеса

Никто, конечно, не станет решать рабочие задачи через доказательства теорем. Важен принцип. Раньше от ИИ ждали быстрый ответ на короткий вопрос. Теперь появляется другой формат: система берёт длинную многошаговую задачу и грызёт её до проверяемого итога. Разобрать три сотни договоров и найти расхождения. Свести данные из пяти разных таблиц и показать, где не бьётся. Пройти большой массив заявок, рассортировать и собрать сводку. Это уже не «ответь на вопрос», а «сделай работу от начала до конца и покажи, что ничего не пропустил». Представьте бухгалтера, который в 18:30 закрывает ноутбук с горой непроверенных актов, — а к утру их уже кто-то сверил, отметил спорные и оставил короткий список того, что требует человека. Такие связки агентов и берут на себя рутину, до которой у людей просто не доходят руки.

Где подвох

Романтизировать рано. Одна задача обошлась примерно в две тысячи долларов вычислений — для науки это копейки, а для рядовой офисной задачи дорого и медленно. Система заточена под случаи, где ответ можно строго проверить; там, где «правильно» решается вкусом или переговорами, чуда не будет. Да и сама Astra пока закрыта: у неё нет ни цены, ни даты запуска, а перед публичным выходом её ещё должна проверить государственная комиссия. Так что это витрина возможностей, а не готовый инструмент на завтра.

Вывод

Сдвиг не в том, что машина «поумнела». Он в том, что ИИ научился долго и упорно работать над одной задачей — искать, ошибаться, переделывать и доводить дело до проверяемого результата. Для бизнеса это интереснее любого рекорда: именно так выглядит работа, которую можно доверить системе агентов, а не только совет, который потом перепроверяешь руками. В МАВИИ мы помогаем компаниям встроить такие ИИ-агенты в реальные процессы, чтобы длинные задачи закрывались без ручного досмотра каждой мелочи.