Google DeepMind представила обновленную модель Gemini с функцией глубокого мышления, которая достигла уровня золотой медали на международных олимпиадах по математике и программированию.
3 мин
Google DeepMind анонсировала значительный прорыв в развитии своих языковых моделей. Новая версия Gemini, оснащенная возможностями «глубокого мышления» (Deep Think), официально достигла уровня золотой медали на Международной математической олимпиаде (IMO) и финале Чемпионата мира по программированию (ICPC). Это событие маркирует переход от моделей, которые просто генерируют код или текст, к системам, способным решать сложные научные задачи на уровне лучших человеческих умов.
Важность этого достижения трудно переоценить. Долгое время математические доказательства и спортивное программирование оставались «последним бастионом» человеческого интеллекта, где интуиция и нестандартное мышление ценились выше простого перебора данных. Теперь ИИ демонстрирует способность к сложным рассуждениям в этих дисциплинах.
В последние годы индустрия искусственного интеллекта сместила фокус с простого увеличения параметров моделей на улучшение их способности рассуждать (reasoning). Ранее мы видели попытки OpenAI с их моделями серии o1, которые используют цепочку рассуждений (chain-of-thought) для проверки собственных выводов перед выдачей ответа.
Google DeepMind имеет долгую историю в этой области. Их системы, такие как AlphaGo и AlphaFold, уже решали узкоспециализированные, но невероятно сложные задачи. Gemini Deep Think — это попытка перенести этот успех в более универсальную плоскость, объединив возможности большой языковой модели с алгоритмической точностью, необходимой для математики и физики.
Согласно представленным данным, ключевые достижения модели датируются второй половиной 2025 года:
Термин «Deep Think» подразумевает, что модель тратит больше вычислительного времени на «размышление» перед ответом, перебирая стратегии решения и верифицируя их, подобно тому, как это делает человек-эксперт.
Появление инструмента такого уровня меняет ландшафт научных исследований. Gemini Deep Think позиционируется не как замена ученым, а как «научный компаньон».
Во-первых, это ускоряет проверку гипотез. В математике и теоретической физике проверка доказательств часто занимает столько же времени, сколько их создание. ИИ может взять на себя рутинную часть верификации.
Во-вторых, это демократизирует доступ к экспертизе высокого уровня. Исследователь в области биологии или химии, не обладающий глубокими знаниями в олимпиадном программировании, теперь может использовать ИИ для создания оптимизированных алгоритмов обработки своих данных.
Однако стоит отметить, что олимпиадные задачи — это закрытые системы с четкими правилами. Реальная наука часто работает с неполными данными и плохо формализованными проблемами. Способность решать задачи IMO не гарантирует автоматического открытия новых законов физики, хотя и является мощным индикатором интеллектуального потенциала системы.
Мы вступаем в фазу, когда ИИ перестает быть просто поисковиком или генератором текста и становится активным участником процесса познания. В ближайшем будущем можно ожидать интеграции подобных моделей в специализированное ПО для инженеров, физиков и математиков.
Главный вопрос сейчас — насколько масштабируем этот подход. Требует ли «глубокое мышление» экспоненциального роста вычислительных мощностей для каждой новой задачи, или же архитектура позволяет эффективно решать проблемы реального мира, а не только конкурсные задания? Время покажет, но заявка на лидерство сделана серьезная.
Gemini Deep Think достигла уровня золотой медали на международных олимпиадах по математике и программированию, доказав способность ИИ к сложным, многоступенчатым рассуждениям.
Успех в олимпиадных задачах — это тест на способность модели «думать» (тратить время на поиск решения), а не просто предсказывать следующее слово.
