ИИ-математика переживает тот же «момент пощёчины», что и в мире го десять лет назад.
Такого мнения придерживается не кто-нибудь, а сооснователь DeepMind, который десять лет назад продвигал проект AlphaGo, — Хассабис.
Хотя в последнее время Хассабис пережил ряд изменений в статусе — от генерального директора DeepMind до главного научного сотрудника Google и председателя DeepMind.
Но когда речь идёт о том, как ИИ меняет человеческое познание, он остаётся одним из тех, кто имеет право голоса.
Десять лет назад он стал свидетелем того, как AlphaGo благодаря ошеломляющему 37-му ходу победил легендарного игрока Ли Седоля.
Десять лет спустя, находясь на передовой, где ИИ вторгается в математику и науку, он дал новый прогноз:
Если ИИ сможет решить одну из «задач тысячелетия» по математике, это будет прорыв уровня «37-го хода». Судя по всему, достижение такого уровня ИИ — лишь вопрос времени, и я не вижу причин, почему этого не произойдёт.
37-й ход — момент, когда человечество впервые получило пощёчину от ИИ, — навсегда остался в памяти людей.
Но мало кто помнит, что 37-й ход был не единственным ответом в той битве человека и машины.
Спустя две партии, уже проиграв три раза подряд, Ли Седоль сделал 78-й ход.
Этот ход также имел лишь одну десятитысячную вероятность быть сыгранным человеком, но он успешно сбил с толку AlphaGo и помог Ли Седолю одержать единственную победу человека в матче из пяти партий.
Оглядываясь на эту битву спустя десять лет, нельзя не поразиться:
Отношения между человеком и ИИ подобны этим двум числам.
Одно заставляет человечество заново познать ИИ, другое — заново познать себя.
37-й ход, заставивший человечество потерять лицо
Перенесёмся в март 2016 года: в Сеуле, Южная Корея, проходил матч из пяти партий между AlphaGo и Ли Седолем.
В первой партии Ли Седоль уступил AlphaGo, неудачное начало.
Ко второй партии весь мир ждал, что легендарный игрок нанесёт ответный удар.
В середине партии Ли Седоль временно покинул место, чтобы выкурить сигарету и успокоиться, но когда он вернулся к доске, чёрный камень уже был поставлен.
37-й ход.
Ли Седоль не сразу сел, он стоял и смотрел на доску, почти не веря своим глазам.
Причина проста: этот ход был слишком нечеловеческим.
AlphaGo поставил камень на пятую линию, отклонившись от интуиции профессионалов, которая складывалась веками. В обычном понимании го человеком, камень должен занимать как можно более высокую позицию, чтобы контролировать всю доску, но AlphaGo поставил его в область, где ещё не было прямого боя.
Комментаторы на месте сначала даже заподозрили, не ошибся ли AlphaGo.
Профессиональный игрок 9 дана Майкл Редмонд, комментировавший партию, долго не мог оценить этот чёрный камень и лишь сказал:
Я не знаю, хороший это ход или плохой, он очень странный.
Его напарник был ещё более прямолинеен:
Я думал, это ошибка.
Команда DeepMind позже подсчитала, что вероятность выбора этого хода человеком составляла лишь одну десятитысячную.
Но по мере продолжения партии люди постепенно поняли, что это не плохой ход, а гениальный ход, изменивший ход сражения в более широком масштабе.
Примерно через 100 ходов этот, казалось бы, неудачно поставленный чёрный камень стал ключом к победе AlphaGo во второй партии.
Позже этот момент, когда человечество коллективно ошиблось, стали в шутку называть «моментом пощёчины» —
Сначала думали, что ошибся ИИ, а на самом деле ошиблось само человечество.
Но помимо пощёчины, этот ход также впервые показал всему миру, что ИИ не просто имитирует игру человека, он может сделать ход, который человек никогда не рассматривал.
И вот, десять лет спустя, «37-й ход» действительно появился вновь, и на этот раз он связан с древней дисциплиной:
математикой.
Для ИИ у го и математики есть одна большая общая черта — проверяемость.
Поскольку логика и правила в этих областях достаточно ясны, ИИ может многократно повторять простой процесс:
попробовать идею, проверить её, извлечь урок из результата и продолжать попытки, пока не добьётся успеха (та самая схема обучения с подкреплением).
Этот механизм также объясняет, почему математика стала первой дисциплиной, подвергшейся массированной атаке «37-го хода» ИИ.
В разработке лекарств, биологии и других областях, эффективность идеи часто требует длительных экспериментов для проверки.
Математика иная: процесс доказательства можно проверить шаг за шагом, правильно — значит правильно, ошибка — значит ошибка, поэтому ИИ может неустанно искать.
Таким образом, по мере роста возможностей ИИ, изменения начали ускоряться с шагом в год.
Начиная с появления ChatGPT, в 2023 году большие языковые модели все еще спотыкались о простые арифметические задачи, например, курьезный случай с вопросом «Что больше: 9.11 или 9.9?» вызывал смех.
Но уже к 2024 году AlphaProof и AlphaGeometry 2 от DeepMind ворвались на Международную математическую олимпиаду.
Две системы решили 4 из 6 задач, набрав 28 очков, что соответствует уровню серебряной медали (всего 1 очко до золотой медали того года).
А всего через год Gemini Deep Think решил 5 задач за отведенные официальными правилами 4,5 часа, набрав 35 очков и достигнув уровня золотой медали IMO.
За два года ИИ прошел путь от новичка до золотой медали IMO — поразительная скорость.
Но это лишь экзаменационный зал.
Что действительно заставило математическое сообщество почувствовать прилив, так это переход ИИ от «решения задач» к «исследованию».
В 2025 году GPT-5 участвовал в решении проблемы Эрдёша №848, предложив ключевую оценку, необходимую для доказательства.
Математики скорректировали и уточнили ее, в итоге завершив полное доказательство.
В том же году математик из UCLA Эрнест Рю с помощью GPT-5 нашел прорыв в открытой проблеме, которая 40 лет мучила теорию оптимизации.
На этом этапе ИИ уже не просто вычисляет ответы, он начинает вносить ключевые идеи.
Затем наступил 2026 год, и серия крупных математических проблем начала получать прорывы.
Первой снова выступила OpenAI.
Внутренняя модель общего назначения взялась за проблему единичных расстояний на плоскости. Эта проблема была поставлена математиком Полом Эрдёшем в 1946 году: сколько пар точек на расстоянии ровно 1 можно разместить на плоскости, если дано n точек.
Почти 80 лет математическое сообщество считало, что конструкции типа квадратной решетки близки к оптимальным.
Но ИИ напрямую применил инструменты из, казалось бы, несвязанной алгебраической теории чисел, сконструировав новый набор точек, опровергнув эту давнюю гипотезу.
Все доказательство затем было проверено внешними математиками.
OpenAI заявила, что это первый случай, когда универсальный ИИ самостоятельно решил открытую проблему, имеющую важное значение в разделе математики.
Вскоре Anthropic тоже сделала свой ход.
В июле 2026 года математик Anthropic Левант Альпёге с помощью Claude Fable 5 нашел явный контрпример к гипотезе Якоби.
Гипотеза, мучившая математическое сообщество 87 лет, была опровергнута ИИ за одну ночь.
Были даже совместные усилия OpenAI и Anthropic.
Всего пару дней назад GPT-5.6 и Fable 5 совместно решили математическую задачу, остававшуюся нерешенной 25 лет.
(Подобных историй слишком много…)
Но самое впечатляющее — у Google: DeepMind превращает такие прорывы в конвейер.
Его математический агент Aletheia не просто генерирует ответ один раз, а многократно предлагает доказательства, проверяет на пробелы, опровергает себя и заново ищет пути.
DeepMind использовал его для сканирования 700 открытых проблем из базы данных гипотез Эрдёша.
Из них ИИ самостоятельно решил 4 нерешённые проблемы, а также участвовал в создании нескольких математических результатов уровня научных статей.
Эта попытка показывает, что ИИ уже начинает в массовом масштабе исследовать белые пятна в мире математики.
Поэтому нетрудно представить:
Решение ИИ большего числа крупных математических проблем — это лишь вопрос времени.
От решения задач к исследованиям, от повторения известных знаний к предложению неизвестных ответов — 37-й ход в математике продолжает совершаться.
В поисках 78-го хода человечества
И перед лицом этого момента, который, скорее всего, наступит, человечество, несомненно, столкнётся с мучительным вопросом:
Если ИИ продолжит находить новые пути, которые человек никогда не рассматривал, что тогда делать человечеству?
78-й ход из того матча десятилетней давности, возможно, и есть ответ.
В четвёртой партии матча из пяти партий, уже проиграв три партии подряд, Ли Седоль вклинил белую фигуру в центр построения AlphaGo.
Этот ход также отклонялся от стандартов, и AlphaGo оценивала вероятность того, что человек сделает такой ход, лишь в одну десятитысячную.
После этого машина потеряла самообладание.
Ли Седоль в итоге одержал единственную победу человека, и 78-й ход поэтому называют «божественным ходом».
Эта победа не означает, что человек снова победил ИИ.
Но, по крайней мере, она показывает, что человек может, поняв машину, найти следующий ход, которого машина не ожидала.
Именно в этом заключается урок 78-го хода для сегодняшнего дня.
Когда ИИ становится всё более искусным в предоставлении ответов, ценность человека будет всё больше смещаться в сторону постановки вопросов, определения направлений и решения, какие ответы действительно стоит искать.
Используя концепцию «кентавр-шахмат» из шахмат, то есть когда человек-игрок и компьютерный движок действуют совместно.
p.s. После того как в 1997 году IBM Deep Blue победил чемпиона мира Каспарова, Каспаров в 1998 году инициировал и провёл первый турнир по «кентавр-шахматам», исследуя возможности сотрудничества человека и ИИ.
Хассабис считает, что наука вступает в аналогичную «эпоху кентавров»:
Мы вступаем в эпоху совместной работы человека и компьютера, и я не знаю, как долго продлится этот цикл. Но для очень сложных областей это время может быть долгим. Например, в разработке лекарств, биологии, химии и т.д. Эти области очень сложны, ситуация меняется, и невозможно всё проверить. В таких случаях требуется человеческая интуиция и проницательность, чтобы определить направление движения.
Последующие изменения в го уже доказали это.
После появления AlphaGo ИИ быстро стал инструментом для анализа партий профессиональных игроков. Игроки могут использовать ИИ для перепроверки старых дзёсэки, выявляя, какие из них на самом деле ненадёжны, а также исследовать новые ходы, которые ранее считались нерациональными.
Исследование, проанализировавшее более 5,8 миллионов решений профессиональных игроков, показало:
После появления супер-ИИ качество ходов игроков значительно улучшилось, а количество новых ходов также увеличилось.
Однако есть и другая сторона медали:
Люди начинают полагаться на ответы ИИ и постепенно теряют способность оценивать эти ответы.
Как сказал Ли Седоль при завершении карьеры, столкнувшись с непобедимым противником, ему стало трудно получать удовольствие от го, которое он когда-то любил.
Возможно, это самый тревожный вопрос эпохи ИИ.
Когда всё больше областей, помимо математики, подвергаются влиянию ИИ, сделают ли нас более мощные системы более креативными, более эффективными и более человечными?
Или заставят людей отказаться от усилий?
В будущем ИИ продолжит делать 37-й ход.
Остаётся вопрос: сможет ли человечество найти свой 78-й ход.
Ссылки:
[1]https://www.wsj.com/tech/ai/move-37-ai-demis-hassabis-google-deepmind-alphago-ec832a41?st=9XMAjn&reflink=desktopwebshare_permalink
[2]https://x.com/demishassabis/status/2085914742414061886
Эта статья из публичного аккаунта WeChat «量子位», автор: следит за передовыми технологиями
