Нейро-символические циклы и «параллельное мышление»: Google раскрыл методы работы Gemini в науке

Google Research опубликовала 151-страничный сборник кейсов, в котором 34 исследователя из Google и ведущих университетов (CMU, MIT, Harvard, EPFL, Stanford) описали, как использовали Gemini Deep Think для решения открытых научных задач. Речь не о демонстрационных примерах — авторы утверждают, что модель помогла доказать теоремы, опровергнуть гипотезы и улучшить алгоритмы в областях от теории информации до физики космических струн.

Среди решенных задач — гипотеза Кортада-Кумара в теории информации, улучшение оценок для задачи Max-Cut, вывод аналитических спектров для космических струн и доказательство NP-трудности для задачи Ratio Difference Maximization. Статья охватывает теоретическую информатику, криптографию, теорию игр, потоковые алгоритмы и оптимизацию.

Авторы выделяют несколько техник, которые сработали в исследованиях: итеративное уточнение через диалог (исследователь направляет модель, исправляя ошибки), "кросс-опыление идей" (модель находит связи между далекими областями — например, связала деревья Штейнера с теоремой Киршбраума из функционального анализа) и нейро-символические циклы, когда модель сама пишет код для проверки своих гипотез, получает ошибки и автоматически корректирует решение без участия человека.

Отдельный кейс — использование Gemini как строгого рецензента-оппонента. Модель обнаружила критическую ошибку в свежем препринте по криптографии, который заявлял прорыв в построении SNARGs на основе LWE. Баг — несоответствие между определением и конструкцией — пропустили человеческие рецензенты, но Gemini нашел его через протокол итеративной самопроверки.

Авторы подчеркивают, что описанные техники работают с публично доступными версиями Gemini, хотя в большинстве экспериментов использовалась внутренняя версия Deep Think с "параллельным мышлением" — способностью исследовать несколько веток доказательства одновременно. По сути, статья — готовая методичка для исследователей, которые хотят использовать LLM не как поисковик, а как соавтора.

P.S. Поддержать меня можно подпиской на канал "сбежавшая нейросеть", где я рассказываю про ИИ с творческой стороны.