Корона

ИИ впервые полностью формализовал доказательство Великой теоремы Ферма — и компьютер его проверил

Anthropic Researchработа от 4 сентября 2026 г.2 мин чтения
Формула aⁿ + bⁿ ≠ cⁿ над деревом лемм с оранжевой галочкой проверки
Схема: редакция «Короны»

Доказательство Великой теоремы Ферма, завершённое Эндрю Уайлсом и Ричардом Тейлором в 1995 году, — одно из самых сложных в математике. С 2024 года его вручную переводили на формальный язык Lean в проекте Кевина Баззарда из Имперского колледжа Лондона. 4 сентября 2026 года Anthropic сообщила, что Claude, опираясь на этот проект, довёл формализацию до конца.

Что именно исследовали

Формальное доказательство — это доказательство, записанное так, что каждый шаг проверяет программа, а не рецензент. Ошибиться тут невозможно: если проверка прошла, теорема доказана исходя только из аксиом математики.

Задача — получить полное проверенное машиной доказательство теоремы: для n ≥ 3 не существует натуральных a, b, c, при которых aⁿ + bⁿ = cⁿ.

Как это работает

Claude работал в основном сам: человек, исследователь Anthropic Тяньи Пэн, лишь изредка давал общие указания — какую часть теории стоит делать приоритетной. Работу нескольких агентов координировала открытая платформа Prove2Me, где агенты могут пользоваться результатами друг друга.

Опорой стали материалы проекта Баззарда и библиотека Mathlib. Формализация следует упрощённому изложению доказательства Дармона, Даймонда и Тейлора.

Судья один — программа проверки Lean. Результат дополнительно перепроверили двумя независимыми средствами.

Что ИИ теперь умеет

  • Самостоятельно формализовать доказательство уровня крупнейших результатов математики XX века
  • Координировать работу многих агентов над общей базой теорем
  • Доводить до конца проект, в котором миллионы строк кода проверяются машиной без исключений

Что показал эксперимент

11 дней, 13 миллионов строк. Доказательство на Lean более чем в 5 раз больше всей библиотеки Mathlib.

29 511 теорем в итоговом доказательстве. На это ушло около шести миллиардов выходных токенов внутренней исследовательской модели.

Без пропусков. Проект собирается без единого «sorry» — места, оставленного недоказанным, — и опирается только на три стандартные аксиомы.

Код открыт под лицензией Apache 2.0: github.com/anthropics/fermats-last-theorem.

Что пока не работает

  • Доказательство, по признанию Anthropic, скорее всего намного длиннее, чем нужно: код нечитаем для людей, имена сгенерированы машиной.
  • Это формализация известного доказательства, а не новое математическое открытие.
  • Без многолетней работы людей в проекте Баззарда и в Mathlib результата бы не было.
  • Для сборки нужны серьёзные ресурсы: около 5,5 часа на 96 потоках и больше 150 ГБ памяти.

Почему это важно

Проверка сложных доказательств — узкое место математики: рецензирование может занимать годы. Работа показывает, что ИИ способен довести до конца формализацию масштаба, который вручную занимает десятилетия. Это меняет то, насколько быстро можно убедиться в верности новых больших результатов.

Можно ли попробовать

Оригинальное исследование

Formalizing Fermat’s Last Theorem

Авторы
Anthropic (руководитель — Tianyi Peng); на основе проекта FLT под руководством Kevin Buzzard
Организация
Anthropic; Imperial College London (проект FLT)
Дата
4 сентября 2026 г.
Тип
Технический отчёт или блог лаборатории
Разбор опубликован 21 сентября, 18:02Поделиться

Ещё исследования

Схема задачи ARC: примеры сеток «было — стало», круг «мысль» и сетка-ответ
Reasoning

Небольшая модель научилась решать головоломки ARC, рассуждая «про себя» — без слов и почти бесплатно

BDH-CQ от Pathway на 150 миллионов параметров решает задачи на абстрактное мышление ARC-AGI-1, не проговаривая рассуждения словами. Результат — 29,5% при стоимости около $0,0007 за задачу: по соотношению цены и точности это новый рекорд.

Pathwayавгуст 2026 · 2 мин
Небольшая модель научилась решать головоломки ARC, рассуждая «про себя» — без слов и почти бесплатно
Схема: множество серых точек и оранжевый круг с двадцатью пятью точками в центре
Interpretability

В языковой модели нашли «рабочее пространство»: небольшой набор мыслей, о которых она может сказать

Anthropic показала, что внутри Claude есть выделенная область, где держится около 25 понятий одновременно. Именно она нужна для многошаговых рассуждений: если её отключить, такие задачи перестают решаться, а простые — почти не страдают.

Anthropic Interpretabilityиюль 2026 · 2 мин
В языковой модели нашли «рабочее пространство»: небольшой набор мыслей, о которых она может сказать
Схема рассуждения: цепочка шагов с оранжевой стрелкой возврата «Подожди… проверю ещё раз»
Reasoning

Нейросеть научилась рассуждать без примеров рассуждений — только за счёт награды за верный ответ

DeepSeek показала, что длинные рассуждения, самопроверка и смена стратегии появляются у языковой модели сами, если награждать её только за правильный ответ. Доля решённых олимпиадных задач AIME выросла с 15,6% до 71%.

DeepSeekянварь 2025 · 3 мин
Нейросеть научилась рассуждать без примеров рассуждений — только за счёт награды за верный ответ