Математические агенты на базе Gemini от Google получили доказательства пяти ранее нерешённых математических задач, используя команды ИИ-агентов, работа которых оценивается строгими автоматическими системами проверки.

Наиболее полно задокументированная реализация этого подхода — фреймворк, который DeepMind называет AlphaProof Nexus. Он запускает несколько независимых субагентов-доказывателей в многоходовых циклах рассуждений на базе Gemini 3.1 Pro. Агенты не выдают один ответ и не останавливаются; они рассуждают, исправляют и повторяют попытки в течение нескольких раундов, пока доказательство либо не пройдёт автоматические проверки, либо не будет отклонено. Такая схема означает, что приём результата зависит от машиночитаемой верификации, а не от уверенности модели в собственном выводе.

Цифры за результатами

AlphaProof Nexus решил 9 из 353 ранее нерешённых задач Эрдёша — открытых вопросов, поставленных Полом Эрдёшем, плодовитым венгерским математиком XX века, известным тем, что назначал за свои задачи денежные призы, — две из этих задач ставили математиков в тупик на протяжении 56 лет. Тот же фреймворк доказал 44 из 492 гипотез, перечисленных в Online Encyclopedia of Integer Sequences, известной как OEIS, — справочнике с многолетней историей, где математики каталогизируют закономерности в целых числах. Результаты были получены при вычислительных затратах всего в несколько сотен долларов на задачу.

Подробная статья на arXiv, описывающая эту работу, была опубликована примерно в середине 2026 года. Эксперты в предметной области рассмотрели результаты и подтвердили как доказательства, так и корректную формализацию исходных гипотез. Формализация означает перевод математической задачи, записанной человеком, на точный машиночитаемый язык, а неточный перевод может означать доказательство совершенно неверного утверждения. Это экспертное одобрение важно: оно отвечает на повторяющийся вопрос о том, является ли сгенерированная ИИ математика действительно корректной или лишь убедительной.

Aletheia и олимпиадный результат

Отдельная система Aletheia, построенная на Gemini Deep Think, работает как полуавтономный исследовательский ассистент. С момента внедрения в декабре 2025 года Aletheia оценила около 700 открытых задач Эрдёша и нашла или создала решения для 13 из них получив похвалу от экспертов-рецензентов. Четыре из этих 13 решений стали новыми автономными результатами.

У Gemini Deep Think есть и соревновательные достижения. На Международной математической олимпиаде 2025 года — ежегодном конкурсе, который считается самым сложным соревнованием по математике для школьников, — система набрала 35 из 42 баллов, достигнув уровня золотой медали, и решила 5 задач из 6 в стандартные лимиты времени, отведённые участникам.

Почему агентный подход привлекает внимание

Пушмит Коли и другие исследователи DeepMind подчеркнули, что агентный подход может выйти за пределы чистой математики. В качестве потенциальных направлений они назвали такие области, как комбинаторика и квантовая оптика; в исследовании также отмечаются применения в алгебраической геометрии. Общая черта этих областей — возможность проверить заявленный результат по объективным критериям, то есть именно те условия, при которых связка «агент плюс верификатор» продемонстрировала измеримые результаты.

Что это значит для математики и ИИ

Результаты показывают, что сочетание агентных рассуждений с автоматической верификацией может иметь применения далеко за пределами рассмотренных задач, хотя в исследовании отмечается, что современные ИИ-системы всё ещё требуют контроля со стороны человека для оценки новизны: люди должны подтверждать, является ли результат действительно новым. Это требование участия человека очерчивает, за чем стоит следить дальше: от того, как фреймворк проявит себя в областях, обозначенных DeepMind, и будут ли эксперты-рецензенты продолжать подтверждать его результаты, зависит, насколько устойчивым окажется этот импульс для более широкой исследовательской практики.