Убивает ли искусственный интеллект математику избытком результатов?
Премия Филдса 2026 года была вручена в момент необычайной турбулентности в математическом сообществе.
Убьёт ли ИИ математику, порождая её в избытке?
Введение
Премия Филдса 2026 года была вручена в момент необычайной турбулентности в математическом сообществе.
Международный математический союз наградил Дэн Юя, Джона Паттона, Якоба Циммермана и Хун Вана. Почти мгновенно внимание переключилось с достижений лауреатов на то, что, по мнению одного из них, должно произойти.
Циммерман объявил о планах присоединиться к OpenAI и сосредоточиться на безопасности ИИ. В интервью, опубликованном до и после вручения премии, он предсказал, что в течение двух лет ИИ может превзойти математиков-людей в своей работе.
Это предсказание, а не точный график. Но, исходящее от одного из ведущих математиков мира, оно имеет необычайный вес.
На Международном конгрессе математиков в Филадельфии Теренс Тао передал столь же серьёзное, но более осторожное послание. Он предположил, что математика может вступать в период потрясений, когда основы её ценностей и практики должны быть пересмотрены и восстановлены.
Ещё один лауреат премии Филдса, Тимоти Гауэрс, также размышляет об этом же изменении с другой точки зрения.
Его опасения не только в том, что ИИ будет быстрее решать задачи, занимать академические должности или лишать престижа традиционные способы нахождения доказательств. Его более глубокая тревога в том, что математика может продолжать производить огромное количество верных результатов, но потеряет человеческое сообщество, способное их понимать, организовывать, передавать и оценивать.
В таком сценарии математика погибнет не от нехватки знаний.
Она будет затоплена изобилием.
ИИ может не «уморить математику голодом» — а «перекормить» её
Самая поразительная часть аргументации Гауэрса заключается в том, что он не считает, что ИИ приведёт к стагнации математического прогресса.
Он представляет себе обратное.
Предположим, что всё более автономные системы способны:
- читать существующую литературу,
- выбирать нерешённые задачи,
- генерировать новые гипотезы,
- создавать формальные доказательства,
- автоматически верифицировать эти доказательства,
- объяснять результаты с любой требуемой степенью детализации,
- продолжать эту работу непрерывно на машинной скорости.
С точки зрения производства теорем, это будет выглядеть как необычайный успех.
Объём литературы будет расти быстрее, чем в любой период истории математики. Давние гипотезы могут быть решены стремительно. Целые подполя могут быть исследованы параллельно. Результаты, на получение которых человеческой исследовательской группе потребовались бы годы, могут появиться за часы.
Однако Гауэрс ставит под сомнение, не сделает ли такая экспансия дисциплину пустой, а не богатой.
Математика — это не просто набор истинных утверждений, хранящихся в статьях и базах данных. Она одновременно существует как живая сеть интуиций, примеров, объяснений, привычек, открытых вопросов, суждений и общих стандартов в сообществе математиков.
Теорема может быть верной, но не обязательно —
понятной.
Доказательство может быть верифицировано, но не стать частью рабочего знания кого-либо.
Область может содержать миллионы результатов, но постепенно терять тех, кто понимает, почему эти результаты важны.
В этом и заключается ключевой парадокс: ИИ может позволить математическому производству процветать, одновременно подрывая математическую культуру.
Лейденская декларация определяет底线 человеческих математических ценностей
2 июня 2026 года международная исследовательская группа опубликовала Лейденскую декларацию об искусственном интеллекте и математике.
Эта декларация возникла из семинара, проведённого в 2025 году в Лейденском центре Лоренца, где собрались математики, компьютерщики, философы, историки и исследователи ИИ для обсуждения меняющихся отношений между ИИ и математическими исследованиями.
Международный математический союз официально признал эту декларацию. По состоянию на 29 июля на открытом веб-сайте было зарегистрировано более 3200 подписавшихся.
В декларации определены несколько ценностей, которые, по мнению её авторов, должны быть защищены:
- Доказательства должны давать как уверенность, так и понимание.
- Результаты должны быть приписаны ответственным авторам.
- Математические аргументы должны быть прозрачными и независимо проверяемыми.
- Исследования должны оцениваться по общим критериям, таким как глубина, сложность и значимость.
- Математика должна продолжать порождать человеческое понимание, суждение и экспертизу, а не просто растущий список результатов.
- Исследовательское сообщество должно сохранять существенный контроль над своим направлением и методами.
Её рекомендации включают раскрытие использования ИИ, защиту систем рецензирования от низкокачественного автоматического вывода, поддержку общественной исследовательской инфраструктуры, сохранение человеческого образования и наставничества, а также предотвращение концентрации математических знаний в руках нескольких частных компаний.
Декларация получила публичную поддержку от известных математиков: Теренса Тао, Петера Шольце, Джереми Авигада, Кевина Баззарда и Стивена Строгаца.
Поддержка Шольце была особенно прямой. Он считает, что цель математических исследований — человеческое понимание, и что математика может процветать только через сообщество математиков-людей. Он также заявил, что обычно избегает чтения математических текстов, созданных ИИ, и не использует ИИ при формировании своих собственных идей.
Тао охарактеризовал декларацию как результат нескольких месяцев обсуждений в сообществе и заявил, что полностью поддерживает её рекомендации.
Гауэрс не подписал её.
Этот выбор не означает, что он отвергает цели декларации. Он участвовал в первоначальном семинаре в Лейдене и назвал декларацию важным вкладом. Его колебания связаны с некоторыми утверждениями и рекомендациями, которые, по его мнению, требуют более точных формулировок.
Мысленный эксперимент Гауэрса: библиотека без читателей
Гауэрс начинает с
намеренно экстремального сценария.
Представьте, что ИИ никогда не существовало. Представьте пандемию, которая каким-то образом убила всех математиков, но не затронула остальных.
Все математические статьи, книги, базы данных и архивы останутся нетронутыми.
Никакая информация не будет физически уничтожена.
Однако традиция математики понесёт огромный урон.
Одна лишь литература не сможет рассказать новому поколению: какие идеи являются центральными, какие техники принадлежат к одной системе, какие определения естественны, где находятся трудности или на какой забытый результат стоит обратить внимание.
Восстановление этой культуры может занять десятилетия.
Причина в том, что математическое знание хранится не только в формальных текстах. Значительная его часть существует в умах исследователей:
- неявное знание о том, какие методы многообещающие,
- интуиция о том, какие примеры типичны,
- знакомство с историей вопроса,
- знание неудачных подходов, которые никогда не появляются в статьях,
- суждение о том, что является глубоким, рутинным, удивительным или важным,
- общий язык, развитый через семинары и сотрудничество,
- способность помещать новые результаты в более широкую концептуальную картину.
Таким образом, письменная статья больше похожа на сжатый файл, чем на полный интеллектуальный мир. Математическое сообщество предоставляет декодер.
Теперь изменим этот мысленный эксперимент.
На этот раз искусственный интеллект существует и способен объяснять любое доказательство с любой степенью детализации по запросу пользователя.
Поскольку машина может так легко решать задачи и объяснять их, всё меньше людей готовы тратить годы на то, чтобы стать математиками-исследователями. Студенты, возможно, всё ещё изучают некоторую математику, но мотивация развивать глубокую профессиональную экспертизу ослабевает.
Десять-двадцать лет спустя объём литературы резко возрастает. Системы ИИ порождают бесчисленное множество верных результатов. В то же время число экспертов, обладающих рабочим пониманием в этих областях, резко падает.
Архивы полны.
Семинары пусты.
Результаты существуют, но мало кто заботится о том, чтобы их читать.
Это версия «смерти математики», которой опасается Гауэрс.
В первом сценарии (пандемия) математика умирает от нехватки: сообщество исчезает, новые знания не производятся.
В сценарии с ИИ математика умирает от перепроизводства: объём материала становится огромным, а человеческая культура, придающая ему смысл, постепенно исчезает.
Аналогия с эвтрофикацией
В исходной статье эта возможность сравнивается с эвтрофикацией озера.
Озеро умирает не всегда от недостатка питательных веществ. Оно может умереть и от их избытка.
Избыток азота и фосфора приводит к бурному росту водорослей. Сначала экосистема кажется необычайно продуктивной. Вода кишит биологической активностью.
В конце концов этот рост потребляет доступный кислород. Рыба и другие организмы погибают, и некогда живая экосистема превращается в стоячий водоём.
Эта аналогия не совсем точна, но она улавливает суть опасений Гауэрса.
Если математическое сообщество не может усваивать, организовывать, преподавать и обсуждать математические результаты, то бесконечный объём математической продукции может не сделать математику сильнее.
Дефицитным ресурсом может стать не порождение доказательств.
Им может стать человеческое внимание и общее понимание.
Что считать математическим прогрессом?
Этот переход ставит сложный вопрос: что именно максимизирует математика?
Если ответ — просто «количество решённых задач», то высокоавтономный ИИ может означать почти безусловный успех.
Но математическая практика никогда не сводилась только к производственной квоте теорем.
Результат вносит вклад в область только тогда, когда другие математики способны:
- проверить его
- понять его ключевые идеи
- связать его с существующей теорией
- повторно использовать его методы
- преподавать его
- осознать его важность
- поставить на его основе новые вопросы
Теренс Тао сделал аналогичное различие в своём докладе на Международном конгрессе математиков.
Правильность необходима, но недостаточна. Доказательство также должно быть сообщено, осмыслено, принято и включено в общее понимание математического сообщества.
В его итоговых рекомендациях подчёркивается важность человеческого образования, прозрачности использования ИИ, более строгих механизмов проверки, новой математической инфраструктуры и открытого обсуждения возможностей и ценностей.
Таким образом, будущее узкое место может пройти несколько этапов:
| Этап | Основной вопрос |
|---|---|
| Порождение доказательства | Можно ли получить решение? |
| Верификация | Верно ли решение? |
| Изложение | Можно ли ясно его объяснить? |
| Усвоение | Могут ли эксперты понять и повторно использовать его? |
| Принятие сообществом | Станет ли результат частью общей математики? |
| Канонизация | Попадёт ли он в учебники, преподавание и долгосрочную структуру области? |
В конечном итоге ИИ может преуспеть на каждом этапе.
Однако на данный момент последние три этапа остаются глубоко социальными процессами. Область держится не только на ответах. Она держится на группе людей, которым небезразличны одни и те же идеи и которые способны мыслить сообща.
Гауэрс когда-то делал ставку на традиционное автоматическое доказательство теорем
Гауэрс особенно примечателен тем, что много лет занимался автоматическим доказательством теорем.
В 2022 году он объявил о проекте, использующем более традиционный подход к ИИ. Этот проект, в отличие от преимущественной опоры на большие языковые модели, был направлен на понимание того, как математики-люди находят доказательства, и на кодификацию этих методов в более явную систему.
Проект руководствовался идеей мотивированного доказательства.
Мотивированное доказательство не просто подтверждает вывод. Оно делает путь к выводу естественным.
Оно объясняет:
- почему вводится то или иное определение
- какое препятствие устраняет та или иная лемма
- почему выбрана именно эта конструкция, а не другая
- какие неудачные попытки сформировали окончательный аргумент
- как доказательство могло быть найдено, а не только верифицировано
Гауэрс считал, что автоматизированная система, построенная вокруг этой структуры, возможно, сможет порождать доказательства, пригодные для изучения людьми и даже для преподавания на уровне бакалавриата.
Позже он выступал за создание базы данных мотивированных доказательств, поскольку опубликованные статьи обычно показывают лишь окончательный, отшлифованный результат долгого процесса. Они опускают ошибочные отправные точки, промежуточные интуиции, изменения обозначений и причины, по которым исследователь выбрал один путь, а не другой.
Быстрый прогресс больших языковых моделей нарушил этот план.
Гауэрс по-прежнему считает, что прозрачные и мотивированные системы доказательств ценны. Изменилось его прежнее убеждение в том, что этот метод определит границы возможностей машинной математики.
Языковые модели прогрессировали слишком быстро.
ChatGPT 5.5 Pro изменил его оценку
В мае 2026 года Гауэрс опубликовал подробный отчёт об эксперименте с ChatGPT 5.5 Pro.
Он дал модели комбинаторную задачу, требующую реальных исследовательских построений. Согласно его отчёту, он не предоставил практически никакого существенного математического руководства.
Система проработала около часа и выдала результат, который Гауэрс назвал работой уровня докторской диссертации.
В аргументе использовались сильно несвязанные множества для контроля аддитивных соотношений. Гауэрс пишет, что задним числом он может понять и мотивировать эту конструкцию, но то, что модель решила использовать этот приём, показалось ему остроумным и, насколько ему известно, оригинальным.
Это различие крайне важно.
Идея может стать понятной после того, как её показали математику, но это не означает, что она была очевидной до своего появления. Именно так исследователи-люди оценивают новые работы.
Это событие не доказало, что ИИ достиг универсальной математической автономии. Но оно действительно изменило оценку Гауэрсом возможностей современных языковых моделей.
Порог полезной задачи для начинающего исследователя сместился.
Проблема перестаёт быть безопасной и доступной для студентов только потому, что она официально остаётся нерешённой. Она должна быть ещё и достаточно сложной, чтобы ведущие модели не могли быстро с ней справиться.
Для подготовки аспирантов это серьёзное изменение.
Образование в области исследований традиционно строилось на поиске задач, которые действительно открыты, но при этом остаются доступными для тех, кто набирается опыта. Если машины смогут быстро решать множество таких задач, факультетам, возможно, понадобятся новые способы обучать открытиям, суждениям, изложению и исследовательской самостоятельности.
Единичное расстояние
Прорыв повысил уровень сложности
Следующий рубеж ещё более значителен.
20 мая OpenAI объявила, что её внутренняя модель опровергла ключевую гипотезу, связанную с задачей о единичных расстояниях на плоскости — известной проблемой, восходящей к Полу Эрдёшу.
Модель обнаружила бесконечно много конфигураций точек, которые в полиномиальном смысле превосходят решётчатые конструкции, долгое время считавшиеся близкими к оптимальным. OpenAI опубликовала это доказательство вместе с сопроводительной статьёй, написанной в соавторстве с ведущими математиками, включая Ногу Алона, Тимоти Гауэрса, Арула Шанкара, Якоба Цимермана и других. В этой статье приводится более компактная, проверенная человеком формулировка, а также обсуждается значение полученного результата.
Этот результат значим по нескольким причинам.
Во-первых, модель не просто извлекла известное доказательство или скомбинировала несколько шагов из учебников. Она использовала идеи, связанные с глубокой алгебраической теорией чисел, и нашла контрпример к широко распространённой гипотезе.
Во-вторых, внешние математики рецензировали и осмыслили доказательство, а не просто доверились выводу модели.
В-третьих, этот случай выявил новую модель разделения труда.
Система искусственного интеллекта создала ключевую конструкцию. Математики-люди верифицировали её, упростили, проследили её научный контекст, объяснили, почему она работает, и оценили, насколько она изменила облик данной области.
Гауэрс считает, что в условиях будущего обилия машинных результатов эта работа по «осмыслению» может заслуживать большего признания, чем роль человека, который просто ставит задачу перед моделью.
Если один человек получает готовое решение, а другой тратит месяцы на то, чтобы превратить его в понятную математику, то второй вносит больший вклад в выживание дисциплины.
Формализация также становится проще
Один из способов защиты от ненадёжных математических результатов, полученных с помощью ИИ, — это формальная верификация доказательств.
Доказательства, написанные на языке Lean, могут быть проверены небольшим доверенным ядром. Если в процессе компиляции нет неподдерживаемых аксиом или уязвимостей, система обеспечивает гораздо более высокие гарантии корректности, чем просто неформальный текст.
Исторически формализация исследовательской статьи требовала от пользователя глубоких знаний в работе с ассистентами доказательств и значительных ручных усилий.
Этот барьер рушится.
Гауэрс сообщает, что он использовал систему Aristotle от Harmonic для формализации сложной статьи на языке Lean, хотя сам не был знаком с ним. Он загрузил статью и попросил систему обрабатывать её раздел за разделом; весь процесс занял около полутора недель, при этом он затратил лишь небольшое количество времени на активные подсказки.
Aristotle сочетает неформальные рассуждения с поиском доказательств в Lean и формальной верификацией. Harmonic описывает её как агента, способного доказывать или формализовывать математический материал в ходе длительных сессий.
Этот прогресс ослабляет одно из возражений против машинных доказательств: что результаты всегда слишком ненадёжны, чтобы им доверять.
Формальная верификация решает не все проблемы.
Формальная теорема может кодировать неверное утверждение. Определения могут не улавливать предполагаемое понятие. Верифицированное доказательство всё ещё может не обладать эвристической ценностью. Переход от неформальной математики к формальным утверждениям всё ещё требует суждения.
Но по мере того как автоматическая формализация становится всё более мощной, сценарий, при котором ИИ генерирует как кандидатные результаты, так и проверяемые машиной доказательства, становится всё более правдоподобным.
Бутылочное горлышко снова смещается — от корректности к значимости, объяснительной силе и культуре.
Позиция Гауэрса сложнее, чем «ИИ убьёт математику»
Заголовочная версия этой дискуссии может вводить в заблуждение.
Гауэрс не утверждает, что математику следует отвергать только потому, что она создана машиной.
Он ставит под сомнение некоторые части «Лейденской декларации» именно потому, что не уверен, смогут ли традиционные представления об авторстве и собственности сохраниться.
Если система ИИ самостоятельно открыла верную теорему, он не считает, что человек, просто управлявший интерфейсом, должен получить за это признание.
Он также сомневается, что существующие рецензируемые журналы обязательно являются подходящими институтами для защиты математической культуры от потока результатов, созданных ИИ. Нынешняя система публикаций уже серьёзно несовершенна, и новая среда может потребовать новых форм отбора, интерпретации и коллективной оценки.
Таким образом, его взгляд — это не просто сопротивление или слепой энтузиазм.
Он ожидает, что ИИ превзойдёт человека во многих аспектах математической работы. Он считает, что это может произойти в ближайшие годы, хотя не исключает и более длительного плодотворного сотрудничества человека и машины.
Он также находит этот прогресс разрушительным на личном уровне.
В своей статье за июль Гауэрс пишет, что GPT-5.6 Pro дважды дал «готовое» решение проблем, над которыми он сам серьёзно размышлял. Молодые исследователи-соавторы с его разрешения задавали модели подсказки.
Он был рад, что проблемы решены.
Он также описывает этот опыт как странный и неприятный — как будто земля ушла из-под ног.
Оба чувства могут существовать одновременно.
Реквием по области?
В тот же день, когда Гауэрс опубликовал свою статью о «Лейденской декларации», математик и физик из Колумбийского университета Питер Войт опубликовал пост под названием «Реквием по области?».
В этом посте он связал получение Цимерманом Филдсовской медали, его переход в OpenAI и растущую роль агентов ИИ в математике.
Войт отмечает, что математика отличается от таких игр, как шахматы.
Когда компьютеры превзошли людей-шахматистов, человеческие турниры всё ещё имели смысл. Игроки продолжают соревноваться по тем же правилам, и зрители по-прежнему рассматривают эту деятельность как проявление человеческих способностей.
Но границы математики более размыты.
Исследователи уже широко используют в своей повседневной работе программное обеспечение, системы символьных вычислений, базы данных, ассистенты доказательств и, в последнее время, агенты на основе больших языковых моделей. Если почти все будут использовать одни и те же мощные системы, может не остаться категории «чисто человеческой профессиональной математики», аналогичной «чисто человеческим шахматам».
Проблема авторства также может измениться.
Нынешняя академическая система вознаграждает приоритет: кто первым открыл теорему, метод или определение. Автономные агенты не имеют личного интереса к тому, чтобы теоремы называли их именами.
Если открытия станут дешёвыми и обильными, культурный акцент может сместиться с авторства на:
- Отбор
- Верификацию
- Интерпретацию
- Синтез
- Преподавание
- Историческую реконструкцию
- Связывание разрозненных результатов
- Выбор проблем, имеющих человеческую или научную ценность
Но Гауэрс сразу же задаёт более глубокий вопрос: почему мы считаем, что ИИ в конечном итоге не сможет выполнять и эти роли?
Репетитор на основе ИИ может адаптировать объяснения к конкретному ученику, редактор на основе ИИ — отбирать результаты, историк на основе ИИ — отслеживать линии влияния, генератор учебников на основе ИИ — адаптировать целую дисциплину под уровень знаний конкретного читателя.
Простое перечисление задач, которые машины ещё не освоили, не защитит оставшиеся роли человека.
Более весомый аргумент лежит в культурной плоскости: математика важна отчасти потому, что это деятельность, которой люди занимаются вместе.
Что может делать математик в эпоху машинных открытий?
Пока никто не может дать полного ответа.
Но несколько возможных ролей уже намечаются.
1. Постановка целей и выбор проблем
Математики могут решать, какие вопросы связаны с наукой, обществом, образованием или более глубокими концептуальными идеями.
Эта роль всё ещё важна, хотя Гауэрс считает, что в конечном итоге ИИ тоже сможет предлагать ценные проблемы и теории.
2. Верификация и формализация результатов
Ассистенты доказательств могут устанавливать корректность. Эксперты-люди всё ещё должны убедиться, что формальные утверждения точно отражают предполагаемые теоремы и что скрытые предположения не меняют сути задачи.
3. Осмысление и упорядочивание машинных результатов
Будущие математики, возможно, будут изучать огромное количество результатов, сгенерированных искусственным интеллектом, чтобы выделить немногие заслуживающие внимания достижения и выстроить вокруг них связные теории.
Это больше напоминает написание хорошего учебника, чем борьбу за приоритет в доказательстве.
4. Сохранение истории идей и авторства
Даже если модель генерирует новые результаты, она может опираться на концепции, созданные исследователями прошлых поколений. Прослеживание этих связей имеет решающее значение для понимания того, что является действительным новшеством.
5. Обучение математическому чутью
Студентам нужны не только ответы. Им необходимо понимать смысл задач, как взаимодействуют допущения, почему та или иная абстрактная концепция полезна и как распознавать вводящие в заблуждение аргументы.
Искусственный интеллект может помогать в этой работе, но образование остаётся сферой, требующей глубокого участия человека.
По мнению Теренса Тао, человеческое измерение должно быть надёжно защищено.
6. Поддержание сообщества
Семинары, сотрудничество, наставничество, научные дискуссии и общие стандарты превращают разрозненную информацию в академическую среду.
Персонализированный ИИ-тьютор может объяснить пользователю теорему, но он не способен автоматически сформировать академическое сообщество, разделяющее коллективную ответственность за систему знаний.
Реальная угроза — не конец математических исследований
Фраза «ИИ убьёт математику» звучит так, будто предрекает прекращение открытия теорем.
А вот Гауэрс выдвигает противоположную точку зрения.
Литература, созданная машинами, может оказаться богаче всего, что человечество создало бы самостоятельно.
Что действительно может исчезнуть, так это связь этой литературы с живой человеческой академической традицией.
Эта угроза не является неизбежной.
Лейденская декларация, рекомендации Тао на Международном конгрессе математиков, проекты формальной верификации, общедоступная математическая инфраструктура, а также критика самого Гауэрса — всё это указывает на прагматичные пути решения:
- требовать прозрачного раскрытия использования ИИ-помощи
- сохранять механизмы строгих доказательств и независимой верификации
- инвестировать в общедоступные и академические ИИ-инструменты
- поощрять работу по разъяснению и синтезу
- разрабатывать более эффективные механизмы фильтрации машинно-генерируемого контента
- защищать образование и наставничество
- сохранять способность человека понимать собственную область исследований
- создавать инфраструктуру, поддерживающую коллективные, а не сугубо частные изыскания
- оценивать математическую работу по прозорливости и вкладу, а не просто по объёму продукции
Задача заключается в том, чтобы построить эти системы до того, как скорость производства теорем превысит возможности существующих институтов управления ими.
Часто задаваемые вопросы
Действительно ли лауреат Филдсовской премии сказал, что ИИ превзойдёт математиков через два года?
Да. Якоб Циммерманн заявил журналу Quanta Magazine, что, по его мнению, ИИ сможет превзойти математиков-людей в математике через два года. Это личный прогноз, а не подтверждённый временной график развития.
Выступает ли Тимоти Гауэрс против использования ИИ в математике?
Нет. Сам Гауэрс использует передовые ИИ-системы и публично обсуждал впечатляющие результаты ChatGPT и Aristotle. Его беспокойство в том, что быстрая автоматизация, создавая ценные результаты, может нанести вред математической культуре, профессиональным знаниям, системе образования и общему пониманию.
Что такое Лейденская декларация по искусственному интеллекту и математике?
Это академическая декларация, опубликованная 2 июня 2026 года, в которой излагается влияние ИИ на математические исследования, образование, публикации, вопросы авторства, инфраструктуру и этику. Она одобрена Международным математическим союзом, и по состоянию на 29 июля 2026 года её подписали более 3200 человек.
Какую задачу о единичных расстояниях решила OpenAI?
Внутренняя модель OpenAI опровергла широко признанную гипотезу о максимальном количестве пар точек на единичном расстоянии в плоском множестве точек. Модель сгенерировала бесконечное множество конфигураций, которые по полиномиальному уровню превзошли ранее считавшиеся предпочтительными конфигурации на основе решётки.
Было ли доказательство OpenAI о единичных расстояниях проверено человеком?
Да. OpenAI опубликовал исходное доказательство и отдельную сопроводительную статью, содержащую более краткое, проверенное человеком изложение и комментарии ведущих математиков.
Что такое формализация автоматизированного доказательства?
Формализация — это перевод математических доказательств в точный формат, проверяемый компьютером.
Преобразование математических утверждений и доказательств в такие языки, как Lean, чьё небольшое ядро проверки доказательств может верифицировать каждый шаг логических рассуждений. Такие ИИ-системы, как Aristotle, всё активнее помогают преобразовывать неформальные исследовательские математические материалы в форму, проверяемую машиной.
Сохранится ли математика, если ИИ будет производить большинство новых доказательств?
Объём литературы, безусловно, может продолжать расти. Открытым остаётся вопрос, сможет ли сильное человеческое академическое сообщество продолжать понимать, преподавать, систематизировать и ценить эти материалы, а не превратится в пассивного потребителя машинного вывода.
Какие навыки будут наиболее востребованы у будущих математиков?
Верификация, выбор задач, разъяснение, синтез, формализация, установление исторического авторства и преподавание могут стать более важными. Однако и в этих задачах ИИ может постоянно прогрессировать, поэтому для сохранения математики как осмысленного человеческого сообщества потребуются институциональные и культурные решения, а не только новые технические навыки.
Соответствующие инструменты
- Lean: Интерактивный доказатель теорем и язык программирования для создания математических доказательств, проверяемых машиной.
- Mathlib: Крупная библиотека формальной математики для Lean, поддерживаемая сообществом.
- Aristotle: Агент, разработанный компанией Harmonic, способный в течение длительного времени доказывать и формализовать математические утверждения в Lean.
- Erdős Problems: База данных сообщества, отслеживающая более тысячи задач, связанных с Полом Эрдёшем.
- arXiv: Основная открытая платформа для предварительной публикации, на которой в настоящее время распространяется большая часть математических исследований.
Соответствующие ссылки
- Тимоти Гауэрс: Размышления о Лейденской декларации: Полное изложение взглядов Гауэрса на математическую культуру, авторство, результаты ИИ и Декларацию.
- Лейденская декларация по искусственному интеллекту и математике: Официальная декларация, рекомендации, одобрения и список подписавших.
- Теренс Тао: Математика в эпоху ИИ: Презентация Тао на Международном конгрессе математиков 2026 года, охватывающая верификацию, разъяснение, принятие сообществом, образование и ценности в математике.
- Объявление OpenAI о задаче единичных расстояний: Официальный отчёт OpenAI о прорыве своей модели в дискретной геометрии.
- Комментарий к проверке человеком результата о единичных расстояниях: Сопроводительная статья, объясняющая и оценивающая сгенерированное ИИ доказательство.
- Тимоти Гауэрс: Опыт использования ChatGPT 5.5 Pro: Техническое описание Гауэрсом результатов в комбинаторике, полученных с помощью ИИ.
- Питер Войт: Элегия для области?: Комментарий о Циммерманне, OpenAI и культурных изменениях в математических исследованиях.
Резюме
Искусственный интеллект одновременно воздействует на профессиональную математику на нескольких уровнях: решение задач, генерация доказательств, формальная верификация, разъяснение, обучение, установление авторства и академическая карьера.
Главное предостережение Гауэрса не в том, что машины помешают развитию математики, а в том, что они могут породить такое огромное количество верных математических результатов, что человеческое сообщество утратит желание и способность коллективно их осмысливать.
Лейденская декларация, выступление Тао на Международном конгрессе математиков, прорыв OpenAI в задаче о единичных расстояниях и бурное развитие автоматизированной формализации — всё это указывает на то, что математике срочно необходимы новые системы верификации, разъяснения, образования и оценки сообществом.
Будущее математики зависит не только от того, сколько теорем сможет доказать ИИ, но и от того, сможет ли человек превратить эти теоремы в общее знание.