Изкуствен интелект разчете тайните математически бележници на Курт Гьодел с доказателства на нови теореми
Източник: The Guardian / Hacker News
Международен екип от математици и компютърни учени постигна исторически пробив, използвайки генеративен изкуствен интелект и системи за автоматизирано разсъждение за дешифриране на личния архив на Курт Гьодел [1]. Ръкописите, съхранявани в Института за напреднали изследвания в Принстън и написани на архаична стенографска система от 30-те години на XX век, разкриват стотици завършени математически теореми в областта на модалната логика и теорията на множествата.
Технологичен стек: Невронно оптично разпознаване и Lean 4 верификация
Разчитането на архива дълго време бе невъзможно поради комплексния почерк на Гьодел, съчетаващ системата за бързопис на Габелсбергер с нестандартни логически оператори. Изследователите обучиха специализиран мултимодален модел върху малък корпус от ръчно транскрибирани страници, след което приложиха невронно търсене за реконструкция на липсващи символи.
Всяка разчетена лема е транслирана автоматично в езика за формална верификация Lean 4. Системата за автоматизирано разсъждение доказа коректността на над 85% от изведените формули без човешка намеса.
Научно значение на откритите логически структури
Сред дешифрираните документи са намерени нови подходи към континуум-хипотезата и непубликувани варианти на онтологичното доказателство на Гьодел. Логиците отбелязват, че Гьодел е предвидил редица концепции за изчислителната сложност десетилетия преди те да бъдат формулирани официално в компютърните науки.
Проектът доказва силата на симбиозата между невронни мрежи за обработка на неструктурирани данни и детерминистични системи за математическо доказване.
Инфографика: Аналитичен преглед на Svetni.me
Преходът към автоматизирано научно откривателство
Успехът при дешифрирането на архива на Гьодел бележи важен етап в еволюцията на изкуствения интелект от генератор на текст към незаменим партньор в чистата наука. Възстановяването на загубено историческо знание чрез съчетаване на невронни модели и логически верификатори отваря врати към хиляди непрочетени научни архиви по света.
За съвременната математика това означава създаване на нови хибридни методологии, при които невронните мрежи предлагат интуитивни хипотези, а формалните асистенти като Lean и Coq гарантират тяхната абсолютна математическа безпогрешност.