ИИ сошел с ума: Почему новые модели ИИ спотыкаются на школьной геометрии?
Современный Искусственный интеллект с легкостью пишет программный код, сдает экзамены на адвоката в США в 90-й перцентили и переводит медицинские трактаты с латыни. Но дайте передовой языковой модели (LLM) стандартную задачу из ОГЭ за 9 класс на доказательство подобия треугольников, и она с пугающей вероятностью выдаст вам полную, хотя и очень уверенную, галиматью. Этот парадокс стал главной темой обсуждения среди разработчиков в 2026 году.
Анализ логов показал, что ИИ блестяще справляется с алгебраическими уравнениями, где можно применить линейные алгоритмы, но Школьная геометрия вызывает у него "галлюцинации". Модель может заявить, что гипотенуза короче катета, или провести биссектрису, которая волшебным образом оказывается параллельна стороне. Почему машины, способные обыграть чемпиона мира в го, не могут справиться с теоремой Фалеса?
Проблема кроется в самой архитектуре языковых моделей. Трансформеры (такие как ChatGPT) мыслят не пространственными образами, а токенами — кусками текста. Геометрия же требует визуально-пространственного воображения. Когда школьник решает задачу, он делает дополнительное построение, мысленно вращает фигуру, "видит" скрытые закономерности на чертеже. У текстовой модели нет внутреннего "ментального холста", на котором она могла бы начертить фигуру.
Для LLM слова "треугольник", "высота" и "медиана" — это просто статистически связанные токены. Модель пытается угадать следующее слово в доказательстве, опираясь на текстовые паттерны из обучающей выборки, а не на реальные геометрические законы Евклида. В результате рождаются внешне красивые, академически звучащие абзацы текста, в которых полностью отсутствует геометрический здравый смысл.
Чтобы преодолеть этот барьер, разработчики прямо сейчас внедряют нейросимволический ИИ — системы, объединяющие языковые модели со строгими логическими и геометрическими движками (solver engines). Пока ИИ не научится "видеть" чертеж, а не просто читать о нем, профессия школьного учителя геометрии будет оставаться в полной безопасности от автоматизации.
1. Источники материалов: Отчеты лаборатории OpenAI, публикации в Journal of Artificial Intelligence Research, статистика бенчмарков MATH и GSM8K.
2. Названия экспертов: Илья Суцкевер, Ян Лекун, Гэри Маркус (критик чистых LLM и сторонник нейросимволического подхода).
3. Что еще изучить: Нейросимволический искусственный интеллект, Проблема галлюцинаций LLM, Геометрия Евклида, Компьютерное зрение и пространственный анализ.
Последнее от Александр
- Математика против маркетинга: проверяем честность распродаж и промокодов
- Книги и журналы на английском для учебы и работы: зачем заказывать их в Штатах
- Почему умные дети начинают учиться хуже: скрытые причины школьного кризиса
- Как использовать нейросети для учебы и сэкономить сотни часов
- Геометрия времени: Какая математика скрыта за механизмом швейцарских часов