Claude повысил доказанную "планку" вокруг гипотезы Римана: теперь можно утверждать, что не менее 67,2% нетривиальных нулей дзета-функции лежат на критической прямой. Речь не о полном доказательстве гипотезы (до заветных 100% по‑прежнему далеко), а о заметном продвижении в обходной, но крайне важной линии исследований, которой математики следуют десятилетиями.
Гипотеза Римана, сформулированная в 1859 году, - одна из центральных загадок математики. Она описывает "скрытую регулярность" в распределении простых чисел: Риман показал, что информация о том, как встречаются простые, зашита в нулях дзета‑функции. Предположение звучит предельно строго: все нетривиальные нули должны иметь вещественную часть 1/2, то есть лежать на одной вертикальной линии комплексной плоскости - на критической прямой. Если это верно, то простые числа распределены настолько равномерно, насколько вообще позволяет математика. Именно поэтому гипотеза включена Математическим институтом Клэя в список задач тысячелетия с премией в миллион долларов.
Поскольку прямое доказательство не поддаётся уже более полутора веков, в аналитической теории чисел сложился "обходной маршрут": вместо утверждения "все нули на прямой" доказывают более слабые, но проверяемые результаты - что на прямой находится хотя бы некоторая доля нулей. Дальше эту долю шаг за шагом увеличивают. В 1942 году Сельберг показал, что доля вообще положительна. В 1974‑м Левинсон довёл её до одной трети. В 1989 году Конри поднял результат до 40,77%. А рекорд 2020 года - 5/12, то есть примерно 41,6%. После 1974 года прогресс шёл мучительно медленно: обычно прибавлялись доли процента или единицы процентных пунктов, и каждый прирост требовал лет работы.
На этом фоне скачок до 67,2% выглядит почти неправдоподобно: вместо "ещё немного" получилось "сразу на четверть". Anthropic сообщила об этом 10 августа, описывая эксперимент: исследовательскую версию Claude попросили "всерьёз взяться" за гипотезу Римана. Саму гипотезу модель не доказала - и компания прямо это подчёркивает. Но в процессе Claude смог усилить доказанную нижнюю границу доли нулей, лежащих на критической прямой, с 41,6% до двух третей.
Принципиальный момент: Claude не "изобрёл новую математику из воздуха". По сути, он обнаружил комбинацию уже существующих человеческих результатов, которую почему-то никто не собрал именно так. В ход пошла адаптация техники Монтгомери 1973 года, причём в варианте, который работает без предположения истинности самой гипотезы Римана - именно это развивали в свежих работах Балуйота, Голдстона, Сурьяджаи и Тёрнедж‑Баттербо. Дополнительно модель опиралась на статью Бомбьери 2000 года. Если переводить на человеческий язык, "смелость" заключалась в том, чтобы не отделять случаи "нули на прямой" и "нули вне прямой", а рассматривать картину целиком и извлекать оценку из совместного анализа обоих типов.
Не менее показателен сам процесс. Запрос сформулировал сотрудник Anthropic Джарред Самнер - человек не из академической математики. Он не подсказывал конкретные леммы и не направлял доказательство; выбор ходов оставили модели. Первая попытка закончилась провалом: Claude перебрал около 650 вариантов идей, но ни одна не дала результата. Во второй итерации модель уже действовала как координатор: примерно полтора суток она управляла около 60 собственных "субагентов", которые выполняли вычисления, запускали команды в shell, писали и переписывали Python‑скрипты, делали численные проверки на известных нулях дзета‑функции. В сумме - тысячи проверок, сотни скриптов, 2400 команд, две сессии в Claude Code и 31 миллион выходных токенов.
Самнер в этой истории выглядит почти как персонаж анекдота, но это важная деталь: его участие свелось в основном к ободряющим сообщениям вроде "продолжай" и "верь в себя". В Anthropic отмечают, что это было не "для красоты": поначалу Claude сам занижал свои шансы, будто бы исходя из усвоенного тезиса "ИИ не решает открытые математические проблемы". Поддерживающие промпты помогли убрать внутренний стоп‑сигнал и заставили модель продолжать поиск вместо раннего отказа.
Когда результат был найден, модель не остановилась на "я думаю, что доказал". Она организовала самопроверку: одни субагенты рецензировали выкладки других, пытались найти контрпримеры, заново выводили ключевые утверждения. Параллельно Claude скачал десятки работ (упоминается 54 статьи) и проверил, не получал ли кто-то тот же вывод раньше. После этого модель сама предложила оформлять находку как полноценную статью и отдельно порекомендовала привлечь к финальной верификации профессионального математика‑человека.
И люди действительно подключились уже на финише. Внутри Anthropic результат разобрали два штатных математика - Левент Альпёге и Ральф Фурман. Затем текст прошёл проверку у двух внешних экспертов, причём символично, кто именно это был: Брайан Конри, автор рекорда 1989 года, который держался больше двадцати лет, и Дэн Голдстон - один из соавторов тех самых работ, на которые Claude опирался. Дополнительно сотрудник Anthropic Эрик Изли вместе с моделью формализовал доказательство в Lean, чтобы оно проходило машинную проверку в системе формальных доказательств. Такой ход снижает риск того, что результат держится на "человеческом доверии" к рецензентам и невнимательности в деталях.
Важно понимать, что означает цифра 67,2% и чего она не означает. Это не утверждение о том, что "две трети всех нулей действительно на прямой", как факт природы. Это математически доказанная нижняя граница: даже если гипотеза Римана в целом окажется ложной, всё равно как минимум 67,2% нулей обязаны лежать на критической прямой. Для теории чисел такие оценки - не утешительный приз, а самостоятельная валюта: они влияют на точность асимптотик, на качество оценок ошибок и на то, насколько "хорошими" можно сделать многие условные результаты без принятия гипотезы целиком.
Почему такой результат выглядит особенно громко? Потому что он меняет темп. Долгое время прогресс шёл почти "по миллиметру": прирост на 0,1-1 процентный пункт воспринимался как серьёзное событие. Здесь же - скачок на 25+ пунктов относительно отметки около 41,6%. Даже если в дальнейшем выяснится, что формулировка нуждается в уточнениях, сам факт, что комбинация известных техник дала столь сильную оценку, станет поводом заново пересмотреть "карты" методов в этой области.
Отдельная тема - что именно в этой истории новое для науки: формально "новой теоремы" добилась связка из человеческих работ, но найти связку сумела модель, действовавшая как поисковик по пространству идей и как менеджер вычислительных экспериментов. Это не магия и не "ИИ заменил математика", а другой тип усиления: ускоренная генерация гипотез, быстрые проверки частных случаев, упорная итерация, плюс способность держать в памяти множество параллельных направлений и возвращаться к ним без усталости.
При этом сама Anthropic добавляет "ложку дёгтя": используемые техники, по их оценке, вряд ли напрямую ведут к полному доказательству гипотезы Римана. То есть это не прямой шаг к решению задачи тысячелетия и не "дорога к миллиону". Кроме того, работа ещё не прошла независимое журнальное рецензирование в классическом смысле: первичная проверка сделана силами команды Anthropic и приглашённых специалистов, а значит, сообществу аналитических теоретиков чисел ещё предстоит внимательно прочитать доказательство, проверить границы применимости и убедиться, что нет скрытых условий.
Однако даже с этими оговорками эксперимент показывает несколько практических выводов. Во‑первых, современные модели могут давать ощутимый результат в фундаментальной математике не через "озарение", а через компоновку разрозненных кирпичиков в конструкцию, на которую человек мог просто не посмотреть под таким углом. Во‑вторых, вычислительная дисциплина (скрипты, проверки, систематический перебор) становится частью доказательной культуры, а не лишь "подсказкой". В‑третьих, формальная верификация в системах вроде Lean всё чаще выглядит не экзотикой, а здравой страховкой, особенно когда результат рождается в гибридном режиме "модель + автоматизация + человек".
Наконец, эта история подчёркивает: прогресс вокруг гипотезы Римана - не только про финальную победу или поражение. Даже частичные, но усиленные оценки меняют инструментарий теории чисел. А если в ближайшие годы выяснится, что такие "машинно собранные" комбинации методов можно систематически воспроизводить, то у математики появится новый тип лаборатории - не вместо традиционных доказательств, а рядом с ними, как ускоритель поиска и проверки сложных конструкций.
