Искусственный интеллект заметно ускоряет работу с математическими архивами, но пока не может заменить экспертную проверку. Нейросеть Claude за несколько дней подготовила 650-страничный разбор рабочих тетрадей логика и математика Курта Гёделя. Учёные Хельсинкского университета вручную изучали материалы со скоростью около одной страницы в неделю, а полный архив насчитывает 1009 страниц.
В ходе анализа ИИ обнаружил 663 утверждения, для которых у Гёделя были доказательства, наброски или идеи. Результаты проверили с помощью Coq, программы для формальной верификации доказательств: около 400 утверждений подтвердились, примерно 200 потребовали уточнений, а почти 50 оказались ошибочными. Это показывает разрыв между быстрой генерацией гипотез и доказанным математическим результатом.
На нерешённых задачах Эрдёша точность оказалась ниже. Google DeepMind проверила через свою систему 700 открытых задач, а люди изучили 200 предложенных ответов. Ошибочными признали 69% из них. Содержательно верными оказались только 13 решений, причём восемь уже были опубликованы в научной литературе. Отдельный пример связан с OpenAI: из 722 препринтов о продвижении в 372 задачах три работы отозвали на следующий день из-за ошибки в знаке.
По оценке старшего научного сотрудника Института ядерных исследований РАН Ивана Харука, ИИ пока слаб в концептуальной части и не умеет ставить оригинальные вопросы. При этом нейросети уже расширяют возможности исследователей: поиск и подготовка черновиков становятся быстрее, а основная нагрузка смещается на проверку доказательств. Для вузов и других форматов образования это означает необходимость учить не только решать задачи, но и находить ошибки в убедительно написанных текстах.