Google DeepMind привезла на Міжнародну математичну олімпіаду спеціально натреновану версію Gemini — модель DeepThink. Мета амбітна: випробувати здатність ШІ до довгого міркування як сходинку до AGI. Суперниками стали шістсот тридцять підлітків з усього світу.
Олімпіадні задачі унікальні тим, що вимагають творчості, стійкості до хибних стартів і вміння будувати докази. Вони одночасно підсвічують сильні сторони людей і слабкі місця моделей. Тож саме тут перевіряють, чи просувається штучний загальний інтелект.
Організатори погодили для DeepMind суворий режим: без інтернету, середовищ і інструментів. Лише підказка з умовами, як у людей: комбінаторика, евклідова геометрія, теорія чисел. Команда вводила задачі у таблицю, а DeepThink генерував докази послідовно.
Перший день пройшов блискуче: і найкращі школярі, і модель взяли усі три задачі. На другий день тактика дала збій. «Шістка» з комбінаторики виявилася пасткою: DeepThink зайшов у хибну гіпотезу і вперто доводив її, тоді як більшість людей бодай набрали бали.
Це добре ілюструє природу LLM. На глибинному рівні такі системи підбирають наступні токени, а не гарантують істинність висновків. Коли ланцюг доведення довгий, ризик «правдоподібної нісенітниці» зростає. Перевірка теорем вимагає механізмів суворішої логіки.
Відповідь інженерів — reinforcement learning: винагороджувати корисні кроки, карати помилки, конструювати траєкторії міркувань. Підхід працює, але коштує дорого: тисячі анотацій, мільйони експериментів, мегавати енергії. Дивіденди часто інкрементальні.
На Google I/O показали «паралельне мислення»: модель розгалужує розв’язки й об’єднує інсайти. Це імітує людські чернетки, але з машинною швидкістю. Проте на задачі №6 стратегія спіткнулася: замість аналізу структури DeepThink застиг у доведенні здогадки.
Люди ж мають природну здатність відкотитися, переосмислити лему, спробувати інший інваріант. Для LLM відступ «назад» невигідний: архітектура лінійна, пам’ять крихка, а пошук глобальної картини нестабільний. Тому найважчі задачі досі беруться одиницями.
Чи означає золото ШІ в ІМО «прорив до AGI»? Питання відкрите. Олімпіадні задачі — вузький клас, із чіткими критеріями істинності й обмеженою кількістю шляхів. Узагальнення до відкритих проблем, фізики чи інженерії потребує іншого рівня планування. Це слід тестувати поза еталонами.
Водночас є вагомі сигнали з практики. На ICPC оновлена DeepThink здобула золото і розв’язала задачу, що не підкорилася жодній людській команді. У програмуванні формат «умова—код—вердикт» дає негайний фідбек і штовхає моделі до кращої декомпозиції. Це важливо для практики.
PR-битва теж загострилася: OpenAI повідомила про ідентичний результат ChatGPT ще до оголошення офіційних балів, і це викликало дискусію. Частина науковців назвала аналогії з «місяцехідним моментом» перебільшенням, але прогрес визнали навіть скептики.
Головна інтрига — переносимість навичок. Чи конвертується вміння доводити середнє олімпіадне твердження у здатність будувати нові алгоритми, довгострокові плани в науці або дизайн складних систем? На це запитання дасть відповідь лише час і тести. Проміжні метрики мають бути чесними і публічними.
Небезпека перегонів — перенавчання на бенчмарках. Коли змагання стає KPI компаній, зростає спокуса оптимізувати під формат, а не під реальне міркування. Врятує репутацію лише подвійно сліпе оцінювання, приховані набори і перевірка доказів формально. Це стримує «накручування» балів.
Формальна верифікація — наступний рубіж. Інтеграція довідників, автоматичних довідників теорем і програмного доведення має перетворити «красивий текст» на коректний доказ. Тут важливі Isabelle, Lean, SAT/SMT і автоформалізація математичних тверджень.
Паралельно варто інвестувати в «інструментальне мислення» моделей: планери, зовнішню пам’ять, системи ескалації сумнівів, механізми самоперевірки. Це не просто підвищує бали — це зменшує частку небезпечної самовпевненості під час довгих міркувань. Так формується відповідальна поведінка.
Освітній вимір недооцінюють. Олімпіадні таланти на кшталт «Тигра» й надалі випереджатимуть машини у знаходженні інваріантів. Але тандем «учень+ШІ-наставник» вже сьогодні пришвидшує підготовку, вчить писати доказ, а не шукати відповідь у пам’яті. Це доповнює класичну підготовку і знижує бар’єр входу.
Політика відкритої науки теж критична. Потрібні протоколи відтворюваності, журналювання обчислень і прозорість тренувальних даних. Без цього оцінити реальний поступ неможливо, а довіра академічної спільноти тане швидше, ніж ростуть показники. Без реплікації і відкритих логів висновки малоцінні.
Безпека — тінь кожного прориву. Здатність до кращого міркування корисна, але також підсилює потенціал зловмисного використання. Тести на небажану поведінку, sandbox-обмеження інструментів і поетапний доступ — ціни за швидкість, які доведеться сплатити.
Для індустрії урок простий: математика й кодинг — не реклама, а лабораторія AGI. Якщо моделі навчаться планувати, відмовлятися від поганої гіпотези і будувати довгі стратегії, це перейде і в науку, і в інженерію. Та коротких стежок тут не існує. Це дорожня карта для всієї галузі на роки вперед.
Що далі для Google DeepMind? Команда ставить планку на «ідеальний скрипт» наступного року. Але справжній прорив вимагатиме стійкого прогресу поза бенчмарками: у задачах без відомої відповіді, де потрібно формулювати нові леми, а не впізнавати шаблони.
Конкуренція з OpenAI корисна, доки вона не підміняє науку піаром. Ринок вимагатиме прозорих демонстрацій: незалежного журі, сертифікованих стенографів рішень і детектора витоків. Лише так оцінять, чи модель справді мислить, а не вдає переконливість. Потрібні незалежні аудити.
Горизонт на десятиліття: потрібен перехід від «мовної правдоподібності» до «математичної істинності». Це означає сумісність із формальними системами, здатність шукати контрприклади і пояснювати, чому шлях тупиковий. Інакше AGI лишиться гаслом. Лише тоді отримаємо стабільні й надійні системи.
Висновок прагматичний: золото на ІМО — важливий маркер, але не «місячна висадка». Вміння розв’язувати олімпіадні задачі — необхідна, та не достатня умова загального інтелекту. Міряймо там, де темно й незручно, — і тоді титул AGI перестане бути мрією.
