Триумф искусственного интеллекта на математических олимпиадах стал привычной новостью: современные модели уверенно берут «золото» на IMO, решая сложнейшие задачи за считанные минуты. Однако между конкурсными победами и реальной научной работой лежит огромная пропасть. Олимпиадная задача — это замкнутая система с известным решением, тогда как профессиональная математика требует навигации по бескрайнему морю существующей литературы, интуиции и построения доказательств, которые могут занимать годы.

Чтобы перекинуть мост через этот разрыв, Google DeepMind, чьи инновационные стратегии мы подробно рассматривали в материале «Physical Intelligence: Что это за робомозги Кремниевой долины?» [1], представила Aletheia — специализированного ИИ-агента, способного переходить от решения олимпиадных задач к полноценным научным исследованиям.

Ключевое отличие новой системы заключается в фундаментальной смене парадигмы: вместо решения изолированных уравнений агент учится работать с контекстом, синтезировать знания из научных статей и выстраивать долгосрочные цепочки доказательств. Фактически, Aletheia впервые демонстрирует качества, присущие настоящему ученому-исследователю, превращая ИИ из мощного калькулятора в автономного создателя нового знания.

• Архитектура разума: Как работает агентный цикл
• Время на раздумья: Технология Inference-Time Scaling
• Результаты и рекорды: От бенчмарков к гипотезам Эрдёша
• Инструментарий истины: Борьба с галлюцинациями
• Скепсис и риски: Не все так гладко?
• Экспертное мнение: Взгляд НейроТехнус
• Три сценария научного будущего

Архитектура разума: Как работает агентный цикл

В основе прорывных возможностей Aletheia лежит фундаментальное изменение подхода к генерации ответов. Вместо линейной выдачи текста, свойственной классическим чат-ботам, система опирается на сложную архитектуру, базирующуюся на продвинутой версии Gemini Deep Think. Ключевым нововведением здесь стал агентный цикл Google DeepMind — метод организации работы ИИ, при котором система действует как автономный субъект, проходя через повторяющиеся этапы планирования, исполнения и самопроверки. Вместо разового ответа модель итеративно дорабатывает решение, используя внутреннюю обратную связь для исправления ошибок.

Технически эта архитектура Aletheia, включающая Generator, Verifier, Reviser, реализуется через трехкомпонентную систему, которую разработчики называют «агентной обвязкой» (agentic harness). Она разбивает процесс мышления на три дискретные роли, имитируя работу небольшой исследовательской группы, где каждый участник выполняет свою функцию для достижения общего результата.

Первым в дело вступает Generator (Генератор). Его задача — предложить кандидатов на решение проблемы, сформулировать гипотезу или набросать черновик доказательства. На этом этапе важна способность модели строить сложные логические конструкции и предлагать варианты, даже если они пока не идеальны.

Затем подключается Verifier (Верификатор). Это, пожалуй, самый критический компонент для обеспечения надежности. Верификатор действует как независимый критик, использующий естественный язык для поиска логических изъянов, «галлюцинаций» или необоснованных скачков в рассуждениях. Важно отметить, что Верификатор не просто ставит бинарную оценку «верно/неверно», а предоставляет развернутую аргументацию, указывая на конкретные слабые места в предложенном решении.

Замыкает цикл Reviser (Корректор). Опираясь на критические замечания Верификатора, этот модуль вносит правки и исправляет выявленные недочеты. Процесс не останавливается на одной итерации: система может проходить этот цикл многократно, пока решение не удовлетворит строгим внутренним критериям качества.

Такое жесткое разделение обязанностей не случайно. Опыт DeepMind показал, что модели, пытающиеся одновременно генерировать и проверять контент, страдают от своеобразной когнитивной слепоты: они склонны подтверждать собственные заблуждения. Выделение верификации в отдельный этап позволяет системе находить ошибки, которые Генератор изначально не замечает. По сути, Aletheia ведет внутренний диалог, «спорит» сама с собой, что позволяет ей отсеивать неверные пути решения еще до того, как они будут представлены человеку. Этот подход позволяет модели «думать» дольше, имитируя вдумчивый человеческий подход к решению задач, где первое пришедшее в голову решение редко бывает окончательным.

Время на раздумья: Технология Inference-Time Scaling

Разработка агента Aletheia помогает понять, что такое Inference-Time Scaling — одна из самых важных тенденций в современном развитии искусственного интеллекта, которая выходит далеко за рамки простого решения математических уравнений. Мы привыкли к гонке размеров, где каждая новая модель должна быть больше предыдущей, однако Google DeepMind демонстрирует альтернативный путь. Исследователи обнаружили, что качество решения сложных задач зависит не только от объема знаний, заложенных при обучении, но и от времени, отведенного на поиск ответа.

В технический лексикон прочно входит понятие Inference-Time Scaling. Это подход, при котором точность ответов ИИ повышается за счет выделения большего объема вычислительных мощностей непосредственно в момент обработки запроса. Это позволяет модели «думать дольше», перебирая и проверяя большее количество вариантов решения перед выдачей финального результата. Вместо мгновенной реакции, свойственной чат-ботам прошлого поколения, новые системы имитируют глубокий мыслительный процесс человека, взвешивая альтернативы и корректируя собственные ошибки на лету.

Такая смена фокуса с обучения (training) на вывод (inference) кардинально меняет экономику вычислений. Раньше для повышения IQ модели требовалось экспоненциально увеличивать датасеты и количество видеокарт. Теперь же мы видим, как оптимизация процесса «размышления» дает кратный прирост производительности без раздувания самой нейросети. Статистика, полученная командой DeepMind, поражает: версия Deep Think от января 2026 года требует в 100 раз меньше ресурсов для решения задач уровня IMO по сравнению с версией 2025 года [1].

Эффект масштабирования вычислений при выводе (Inference-Time Scaling) позволил версии 2026 года стать в 100 раз эффективнее в решении сложных задач по сравнению с предыдущим годом. Это не просто сухие цифры бенчмарков; это разница между теоретической возможностью и практической применимостью. Именно благодаря такой эффективности Aletheia может позволить себе роскошь многократной самопроверки и итеративного улучшения доказательств, не разоряя при этом своих создателей счетами за электричество. Мы вступаем в эру, где «умный» ИИ — это не тот, кто больше всех знает, а тот, кто умеет наиболее эффективно распорядиться своим временем на раздумья.

Результаты и рекорды: От бенчмарков к гипотезам Эрдёша

Чтобы по-настоящему оценить масштаб технологического прорыва, который представляет собой Aletheia, необходимо отвлечься от громких заголовков и обратиться к языку сухих цифр. В индустрии разработки алгоритмов ключевым инструментом верификации прогресса служит Бенчмарк — стандартизированный набор сложных задач или тестов, используемый для объективной оценки и сравнения производительности различных систем искусственного интеллекта. В статье бенчмарки (например, IMO-Proof Bench) служат мерилом того, насколько ИИ приблизился к уровню профессиональных математиков. Именно в этой плоскости новая разработка Google DeepMind демонстрирует результаты, которые еще вчера казались недостижимыми.

Согласно опубликованным данным, Aletheia показала точность 95,1% на тесте IMO-Proof Bench Advanced, что стало огромным скачком по сравнению с прошлым рекордом в 65,7% [2]. Этот разрыв в почти тридцать процентных пунктов свидетельствует не об эволюционном, а о революционном развитии способностей модели к рассуждению. Если предыдущие итерации моделей с трудом преодолевали порог «олимпиадного» уровня, то текущие показатели говорят о готовности системы к решению задач докторского уровня сложности, где требуется не просто шаблонное мышление, а глубокий анализ.

Однако синтетические тесты — это лишь «песочница». Настоящая проверка на прочность происходит там, где заканчиваются известные ответы и начинается terra incognita современной науки. Aletheia доказала, что способна генерировать новое знание, а не просто рекомбинировать старое. Впечатляющим примером стала работа в области арифметической геометрии. В рамках исследования Feng26 ИИ-агент Aletheia без участия человека подготовил научную статью, в которой рассчитал структурные константы, называемые собственными весами (eigenweights) [3].

Этот кейс стал основанием для введения новой таксономии автономности ИИ, предложенной DeepMind. Данная работа была классифицирована как уровень автономности ИИ A2. Подобно уровням автономности беспилотных автомобилей, эта градация определяет степень независимости системы. Уровень A2 означает, что алгоритм действовал полностью автономно, создав материал, готовый к публикации в рецензируемом журнале. Это фундаментальный сдвиг парадигмы: от ИИ-ассистента мы перешли к ИИ-исследователю.

Финальным доказательством практической значимости системы стала атака на одну из самых известных баз данных нерешенных математических задач. Агент Aletheia проанализировал 700 открытых проблем из списка гипотез Erdős и автономно закрыл 4 открытых вопроса, продемонстрировав, как ИИ решает гипотезы Эрдёша [4]. Решение проблем, сформулированных великим Палом Эрдёшем, требует нетривиального подхода и глубокой интуиции, которой, как считалось ранее, машины лишены. Успешное закрытие четырех таких гипотез подтверждает, что Aletheia вышла за рамки простого перебора вариантов и способна выстраивать сложные логические цепочки, необходимые для настоящих научных открытий.

Инструментарий истины: Борьба с галлюцинациями

Одной из фундаментальных проблем, сдерживающих полноценное внедрение больших языковых моделей (LLM) в серьезную академическую деятельность, остается их врожденная склонность к творческому вымыслу там, где требуется строгая фактология. В профессиональной среде это явление получило устойчивое название «Галлюцинации», и эффективная борьба с галлюцинациями ИИ является ключевым условием для его применения в науке. В научных исследованиях это проявляется в создании несуществующих цитат, ссылок на ненаписанные статьи или построении ложных логических цепочек, что требует внедрения жестких механизмов внешней проверки.

Для стандартного чат-бота выдуманный факт может быть простительной ошибкой, но в математике, где доказательство строится на незыблемых аксиомах и ранее доказанных теоремах, подобная вольность недопустима. Aletheia решает эту задачу, выходя за пределы своих внутренних параметров. Ключевым отличием агента от предшественников стала способность не просто генерировать текст, а верифицировать его через внешние источники.

Интеграция с Google Search позволяет агенту работать с актуальной научной литературой и минимизировать риск галлюцинаций при цитировании. Это превращает модель из изолированного «мыслителя» в активного исследователя, способного проводить фактчекинг в реальном времени. Когда Aletheia предлагает решение или ссылается на работу, она использует веб-браузинг для подтверждения того, что упомянутые авторы и их результаты действительно существуют в реальности, а не являются плодом вероятностной генерации токенов.

Без этого инструментального слоя концепция автономной науки была бы невозможна. Научный прогресс — это всегда надстройка над существующим фундаментом. Если базис, на который опирается ИИ, оказывается фикцией, рушится вся конструкция доказательства. Таким образом, доступ к поиску и внешней литературе становится для Aletheia тем самым «инструментарием истины», который отделяет генерацию правдоподобного текста от создания подлинного научного знания.

Скепсис и риски: Не все так гладко?

Несмотря на энтузиазм вокруг Aletheia и её способности автономно решать задачи уровня IMO, экспертное сообщество призывает к осторожности. За фасадом впечатляющих метрик скрываются фундаментальные риски, которые могут трансформировать научный процесс не в лучшую сторону, если не подойти к внедрению технологии критически.

Первый камень преткновения — истинная природа достижений модели. Скептики справедливо отмечают, что высокие результаты на бенчмарках (IMO-Proof) могут свидетельствовать о переобучении на специфических типах задач, а не о реальном понимании математической логики. Существует вероятность, что мы наблюдаем не рождение искусственного математика, а работу сверхсложного статистического механизма, который виртуозно имитирует рассуждения, не обладая истинной когнитивной гибкостью и интуицией, присущей человеку.

Ещё более тревожным выглядит вопрос доверия к результатам. Даже при наличии специализированного модуля-верификатора в архитектуре Aletheia, сохраняется ненулевая возможность скрытых логических ошибок в доказательствах, которые могут быть пропущены как ИИ-верификатором, так и людьми из-за чрезмерной сложности вычислений. Если сгенерированное доказательство корректно на 99%, но содержит одну фундаментальную ошибку, замаскированную сложной риторикой и огромным объемом выкладок, это может направить будущие исследования по ложному пути, создавая эффект «отравленного» фундамента науки.

Социальные последствия внедрения таких агентов также вызывают серьезные опасения. Способность ИИ генерировать статьи уровня Feng26 без участия человека создает реальный риск интеллектуальной стагнации: массовая генерация статей ИИ может привести к замусориванию научной среды вторичными итерациями существующих знаний. Рецензируемые журналы рискуют утонуть в потоке формально безупречных, но концептуально вторичных работ, что затруднит поиск действительно прорывных идей и оригинальных гипотез.

Кроме того, технология усугубляет неравенство в научной среде. Метод Inference-Time Scaling, позволяющий модели «думать дольше» для повышения точности, требует колоссальных вычислительных мощностей. Это поднимает острый вопрос доступности технологий: из-за дороговизны вычислений передовые инструменты могут остаться в руках техногигантов, создавая непреодолимый разрыв между корпоративной наукой и академическим сообществом. Наконец, в «серой зоне» остается проблема авторского права. Поскольку Aletheia активно использует веб-поиск и синтезирует данные из существующей литературы, возникают юридические коллизии относительно оригинальности сгенерированных идей и прав на интеллектуальную собственность, созданную без участия человека.

Экспертное мнение: Взгляд НейроТехнус

Специалист отдела ИИ технологий компании НейроТехнус Милана Гаджиева отмечает, что архитектура Aletheia, основанная на разделении ролей между генератором и верификатором, отражает фундаментальный сдвиг в разработке ИИ-систем. Мы наблюдаем эволюцию от простой вероятностной генерации к логически выверенному, итеративному поиску решений. Это наблюдение выходит далеко за рамки академических математических задач и становится новым стандартом для создания надежного корпоративного программного обеспечения.

В бизнес-среде основным препятствием для массового внедрения агентов остается риск галлюцинаций и непредсказуемость выходных данных. Успех агентных циклов (agentic loops), продемонстрированный DeepMind, доказывает, что интеграция этапа верификации — критического «взгляда со стороны» внутри самой модели — способна кратно повысить надежность автономных систем. Система фактически получает право на «время для размышлений» (inference-time scaling), что позволяет ей выявлять и исправлять собственные ошибки до того, как они попадут к конечному пользователю или клиенту.

Для предприятий это означает переход от пилотных проектов к реальной интеграции: автономные агенты теперь могут брать на себя сложные, многоступенчатые задачи без необходимости постоянного микроменеджмента со стороны человека. Именно такая, технически зрелая ИИ автоматизация открывает путь к существенному повышению производительности труда и окупаемости инвестиций, о чем мы ранее писали в статье «OpenAI GDPval: экономическая оценка ИИ на реальных задачах» [2]. Взгляд НейроТехнус однозначен: технологии, подобные Aletheia, превращают ИИ из вспомогательного ассистента в полноценный драйвер операционной эффективности, способный нести ответственность за результат.

Три сценария научного будущего

Появление Aletheia знаменует собой фундаментальный сдвиг парадигмы: искусственный интеллект перерастает роль мощного калькулятора и заявляет о себе как о полноценном соавторе научных открытий. Переход от решения олимпиадных задач к генерации нового знания, продемонстрированный в работе Feng26, показывает, что мы стоим на пороге новой эры. Однако этот технологический скачок требует не только вычислительных мощностей, но и строгих механизмов контроля.

Рассматривая перспективы внедрения подобных систем, можно выделить три основных вектора развития событий. В наиболее оптимистичном варианте ИИ-агенты становятся стандартным инструментом ученых, освобождая исследователей от рутины и катализируя настоящий научный бум в математике и смежных дисциплинах. Нейтральный сценарий предполагает, что Aletheia интегрируется в академическую среду как продвинутый ассистент, который предлагает «дорожные карты» решений и проверяет гипотезы, но работает строго под стратегическим надзором человека. Тем не менее, нельзя игнорировать риск негативного исхода, при котором научное сообщество сталкивается с кризисом доверия из-за потенциального наплыва правдоподобных галлюцинаций и сложностей с верификацией машинных доказательств.

Именно для предотвращения последнего сценария предложенная DeepMind таксономия автономности становится критически важной. Введение уровней классификации, подобных достигнутому Aletheia уровню A2, должно стать новым стандартом прозрачности в науке. Четкое разграничение вклада человека и алгоритма — это единственный путь к тому, чтобы ИИ оставался надежным двигателем прогресса, а не источником информационного шума в рецензируемых журналах.

Часто задаваемые вопросы

Что такое Aletheia и в чем ее ключевое отличие от предыдущих моделей ИИ?

Aletheia — это специализированный ИИ-агент от Google DeepMind, разработанный для перехода от решения олимпиадных задач к полноценным научным исследованиям. Ключевое отличие состоит в фундаментальной смене парадигмы: агент учится синтезировать знания из научных статей и выстраивать долгосрочные цепочки доказательств. Фактически, Aletheia впервые демонстрирует качества автономного ученого-исследователя.

Как архитектура Aletheia обеспечивает надежность и самопроверку доказательств?

В основе системы лежит сложная архитектура, базирующаяся на продвинутой версии Gemini Deep Think, которая реализуется через трехкомпонентную «агентную обвязку». Она включает Генератор, предлагающий гипотезы, Верификатор, который ищет логические изъяны и галлюцинации, и Корректор, который вносит правки. Система итеративно проходит этот цикл, имитируя вдумчивый человеческий подход к решению задач.

Что такое Inference-Time Scaling и как эта технология повлияла на эффективность Aletheia?

Inference-Time Scaling — это подход, при котором точность ответов ИИ повышается за счет выделения большего объема вычислительных мощностей непосредственно в момент обработки запроса. Это позволяет модели «думать дольше», перебирая и проверяя большее количество вариантов решения. Благодаря этой оптимизации версия Deep Think 2026 года стала в 100 раз эффективнее в решении задач уровня IMO по сравнению с версией 2025 года.

Какие научные рекорды и достижения были зафиксированы у агента Aletheia?

Aletheia продемонстрировала точность 95,1% на тесте IMO-Proof Bench Advanced, что является значительным скачком по сравнению с прошлым рекордом в 65,7%. Кроме того, агент автономно подготовил научную статью в области арифметической геометрии (исследование Feng26), получив уровень автономности A2, и закрыл четыре открытых вопроса из списка гипотез Эрдёша.

Какие основные риски и опасения вызывает внедрение Aletheia в научную среду?

Скептики опасаются, что высокие результаты могут быть следствием переобучения, а не истинного понимания логики, а также существует ненулевая возможность скрытых логических ошибок в сложных доказательствах. Кроме того, дороговизна Inference-Time Scaling может усугубить неравенство в доступе к передовым технологиям, а массовая генерация статей ИИ грозит замусориванием научной среды вторичными работами.