Эпоха веры на слово в сфере исследований и разработок (R&D) подходит к концу. Пока стандартные большие языковые модели продолжают выдавать «галлюцинации» при решении университетских задач, исследователи из Кембриджа и их коллеги представили FormalScience — агентный конвейер, который переводит научный хаос в математически безупречный код на языке Lean 4. Это не просто очередная попытка заставить нейросеть «подумать еще раз», а полноценный мост между неструктурированной версткой в LaTeX и строгой верификацией, где каждый символ проверяется логическим ядром Lean.
Главная проблема современных моделей — неспособность корректно обрабатывать специфическую нотацию, например, векторы или уравнения Дирака. Как отмечают авторы исследования, стандартная автоформализация часто страдает от «семантического дрейфа»: код формально запускается, но исходный научный смысл в процессе теряется. Чтобы преодолеть этот барьер, в FormalScience используется архитектура с участием человека в цикле (Human-in-the-Loop). Эксперт в предметной области, даже не владея навыками программирования, может курировать работу агентов, которые итеративно исправляют ошибки на основе обратной связи. Это превращает процесс из гадания на кофейной гуще в промышленную сборку доказательств.
Техническая составляющая процесса гораздо серьезнее обычного промпт-инжиниринга. Исследователи создали бенчмарк FormalPhysics, состоящий из 200 сложнейших задач по квантовой механике и электромагнетизму. В отличие от стандартных тестов, где точность логики часто бывает приблизительной, пайплайн FormalScience добился стопроцентной формальной валидности. Агенты генерируют блоки кода, а человек выступает лишь высокоуровневым контролером синтаксиса, что исключает логические ошибки еще на этапе формализации документа.
Для бизнеса и R&D-подразделений это означает радикальный пересмотр совокупной стоимости владения (TCO) научными изысканиями. Вместо того чтобы тратить недели дорогостоящего времени на ручной аудит 50-страничных технических предложений, компании получают возможность масштабировать экспертизу через автоматику. Мы переходим от субъективной интуиции старшего научного сотрудника к вычислительной проверке непротиворечивости идей. Если вы планируете интегрировать ИИ в принятие критически важных решений, пора перестать генерировать тексты и начать проверять структурную целостность гипотез.
Попробуйте запустить пилотный аудит вашей внутренней R&D-документации: прогоните один из ключевых теоретических отчетов через инструменты формализации на базе Lean. Это лучший способ вскрыть те логические пробелы, которые человеческий глаз по привычке не замечает годами.