Разбор AI-доказательства оказался понятнее самого AI-диалога с ним

20 июля Anthropic заявила, что её модель Claude Fable 5 построила проверяемый вручную контрпример к гипотезе Якоби — открытой задаче полиномиальной геометрии с 1939 года. На следующий день Теренс Тао посвятил целый пост пошаговому разбору конструкции — и всё равно потерял часть самых технических читателей уже во втором разделе.

Вкратце

Claude Fable 5 построила отображение седьмой степени с постоянным Якобианом -2, которое всё равно отправляет три разные точки в один результат — ломая обещание 87-летней гипотезы, что такие отображения обязаны быть обратимыми.

Пост Тао восстанавливает эту конструкцию по кускам, а не называет её чудом, и признаётся, что опирался на AI-чат-бота, чтобы проверить собственную математику.

Один из давних комментаторов написал, что разбор потерял его на алгебре, и отправил всех к самой переписке Тао с чат-ботом как к более понятному объяснению.

87-летняя гипотеза и AI, который нашёл в ней дыру

Гипотеза Якоби даёт обещание про полиномиальные отображения: если F переводит ℂⁿ в ℂⁿ, а его определитель Якоби (число, описывающее, как отображение растягивает пространство в каждой точке) остаётся ненулевой константой везде, то F обязано быть глобально обратимым, с полиномиальным обратным отображением. Математики искали доказательство или контрпример с 1939 года; двумерный случай не решён до сих пор. 20 июля исследователь Anthropic Левент Альпёге объявил, что модель компании, Claude Fable 5, построила контрпример в трёх измерениях: полиномиальное отображение седьмой степени, чей определитель Якоби всюду равен константе -2, но которое отправляет три разные точки — (0, 0, -1/4), (1, -3/2, 13/2) и (-1, 3/2, 13/2) — в один и тот же результат. Посылка выполняется. Вывод — нет. Новость быстро разошлась на HN, с последующим тредом под сухим заголовком «Людей-математиков контрпримерят».

На следующий день Теренс Тао, один из самых заметных живых математиков, опубликовал «Разбор контрпримера к гипотезе Якоби», проходя через конструкцию Альпёге и Fable с нуля, а не подавая её как готовое чудо. Он разбивает её на три свойства, которые выстраивает по очереди: локальную инъективность, глобальную неинъективность и полиномиальный изоморфизм на ℂ³. Отображение получается перемножением симметрических степеней полиномов низкой степени, а решающим шагом стал выбор конкретного среза в пространстве кубических многочленов — случая, где определённый дифференциальный оператор имеет два повторяющихся корня, что неожиданно оказывается чистой геометрической поверхностью, а не случайным сечением.

Масштаб совпадения — то, что делает результат странным: отображение седьмой степени вроде этого в принципе может дать определитель Якоби такой же сложный, как многочлен восемнадцатой степени с 1329 непостоянными коэффициентами, которым всем нужно обнулиться. У типичного отображения седьмой степени от трёх переменных всего 120 чисел, которые реально можно настраивать. У перебора нет причин наткнуться на такое масштабное обнуление — это объясняет только реальная геометрическая структура. В самом конце поста Тао добавляет строчку, которая подрывает идею, что это была чисто человеческая работа: по его словам, он использовал AI-чат-бота, чтобы проговорить части рассуждения и сам проверить несколько вычислений.

Читателям нужен был чат-лог сильнее, чем сам разбор

В треде на 57 комментариев, оставшемся вежливым и в основном техническим, самая громкая реакция касалась не того, верен ли контрпример — сторонние математики проверили арифметику вручную в течение суток. Она касалась того, способен ли кто-то, кроме самого Тао, уследить за его собственным объяснением.

Даже один из самых читаемых комментаторов Hacker News признал, что разбор оказался ему не по зубам:

«Введение к этому материалу было легко читать, но как только он начал воспроизводить это алгеброй, я потерялся (потому что я плохо разбираюсь в математике). Но он приложил промпты GPT5 из своего диалога — их читать проще» — tptacek

Именно комментарий tptacek, а не расплывчатая формулировка самого Тао, называет прикреплённый диалог сессией GPT-5 и рекомендует его как более понятный путь через ту же алгебру, которая его остановила в тексте.

То же признание всплыло дальше по треду в более странной метафоре.

«читая это, я в какой-то момент понял, что похожее ощущение испытывает моя собака, когда я пытаюсь объяснить ей программирование на Python» — zzzeek, автор SQLAlchemy и Alembic

Не все отпустили суть

Не каждый ответ сдался перед математикой. Один комментатор прошёл весь подсчёт степеней у Тао, прежде чем тоже признать поражение — и оставил после себя более острый вопрос, на который тред так и не ответил:

«Похоже, самое интересное — узнать, какие подходы использовала LLM, чтобы понять, можно ли их применить где-то ещё... Потому что я тоже не смог дальше уследить за математикой» — читатель, прошедший подсчёт коэффициентов Тао, прежде чем потерять нить

Не все реакции были восхищёнными.

«Ребят, этот парень настолько гениален, что его математические выражения встроены как картинки в его блог на Wordpress. Правда потрясающе. Этому парню надо быть везде и получать одну сплошную похвалу» — читатель дальше по треду

У вопроса о переносимости есть реальный ответ, до которого тред не дошёл: трёхчастное разложение Тао — не разовый трюк для восхищения, а рецепт, способ целенаправленно искать другие структурированные обнуления вместо того, чтобы натыкаться на них случайно. Но никто из 57 комментариев не попытался обобщить его вручную, и никто, кто реально мог бы проверить рассуждения модели, тоже не появился; один читатель прямо спросил, можно ли вообще проверить эту цепочку рассуждений — и не получил ответа. Пятьдесят семь комментариев подтвердили пункт назначения. Ни один не проверил маршрут.

Получайте такие разборы каждый день

Главные истории Hacker News — на email, в Telegram или RSS.

Следующая новость · 21 из 29 Читать дальше
🚀Tech

Крошечная модель на 118 млрд параметров обошла гиганта DeepSeek на 1,6 трлн в кодинге

Poolside обучила Laguna S 2.1 меньше чем за девять недель на 4096 видеокартах Nvidia H200. Итог — модель на 118 млрд параметров, из которых активны лишь 8 млрд на токен, достаточно компактная для одного Nvidia DGX Spark, и при этом она обходит флагман DeepSeek на 1,6 трлн параметров в тестах на кодинг.

★ 236 · 💬 43 · poolside.ai · 5 мин