Каждый раз, когда ты оплачиваешь кофе или переводишь деньги, твой телефон и банк обмениваются зашифрованными сообщениями. Замок этого шифра держится на больших простых числах.

Их используют так: берут два гигантских простых, перемножают и делают из этого ключ. Тебе легко пользоваться ключом, а вот взломщику обратно разложить число на множители — почти невозможно, даже для суперкомпьютеров.

На этом стоит интернет-безопасность.

Но есть нюанс.

Чтобы сгенерировать такие замки, компьютер должен быстро находить большие простые. В среднем это получается, но нужны точные гарантии:

- сколько времени займёт поиск,
- какие есть погрешности,
- насколько устойчив шифр в долгую.

Этим и занимается усиленная теорема о простых числах — она уточняет, насколько сильно мы можем ошибаться в прогнозах распределения простых чисел. Задача не игрушка: от неё зависят криптография, генерация банковских ключей, работа криптовалют и даже надёжность хранилищ данных.

В 2024 году два топ-математика — Терренс Тао и Алекс Конторович — предложили челлендж: формализовать доказательство этой теоремы в системе Lean (это программа, где математику пишут как код, а компьютер строго проверяет каждое доказательство).

То есть переписать человеческое рассуждение на язык, где каждый шаг проверяет машина.

18 месяцев лучшие умы шли к цели и осилили только «среднюю версию».

Почему? Потому что формализация — это тысячи микродоказательств. Любая недописанная лемма (это маленькая вспомогательная «подзадача» внутри большого доказательства) рушит всю конструкцию.

Люди вязли именно на этом.
И тут появился Гаусс — ИИ от стартапа Math Inc. Компания с самого начала делает ставку на формальную математику: превратить её в проверяемый код, чтобы на этом обучать «машинных полиматов» — ИИ, которые могут рассуждать сразу в нескольких науках.

Что сделал Гаусс? За три недели он написал 25 тысяч строк проверенного кода, собрав больше тысячи связанных доказательств и определений. Работал автономно часами, без усталости, закрыв пробелы, где люди застряли.

Их план — увеличить эту базу знаний в 100–1000 раз за год, чтобы на ней строить «проверенный суперинтеллект».

Кейсы, где это полезно прямо сейчас:
Банковские ключи: точные оценки ускоряют генерацию RSA и делают параметры протоколов предсказуемыми.

Криптовалюты: подписи и верификация работают быстрее и надёжнее даже при перегрузках сети.

IT-инфраструктура: распределение данных по серверам и проверка ошибок становятся устойчивее.

И что?

Для бизнеса: меньше лет на R&D, быстрее вывод продуктов и дешевле криптография.

Для инвесторов: формализованная математика превращается в новый класс активов — знание как код.

Для людей: твои транзакции защищены надёжнее, а новые лекарства и технологии приходят раньше.

🚨 Нам 3.14здец

Учёные-теоретики — 9/10. ИИ сделал за недели то, что лучшие умы не смогли за полтора года. Научные открытия уходят от людей к алгоритмам. Что делать: учиться работать в связке с ИИ или уходить в сторону.

Академия — 8/10. Университеты и журналы не умеют валидировать тысячи доказательств от машин. Без перестройки доверие к науке посыплется.
Идея простая: люди уже не могут держать такие масштабы задач. Мы делегируем их ИИ — и чем дальше, тем больше.