Ведущие математики мира выступили с беспрецедентным предупреждением о рисках, которые несёт искусственный интеллект для фундаментальной науки. 24 лауреата Филдсовской премии — высшей награды в математике, часто называемой аналогом Нобелевской премии — подписали открытое письмо, в котором выразили серьёзную обеспокоенность подходом ИИ-компаний к решению сложных математических задач.

Непосредственным поводом для письма стало заявление компании OpenAI о решении одной из семи «задач тысячелетия» — уравнений Навье-Стокса, описывающих движение вязкой жидкости. Эта проблема, сформулированная ещё в XIX веке, остаётся одной из нерешённых загадок математики, за решение которой Институт Клэя назначил премию в $1 млн.

OpenAI опубликовала 166-страничную работу, созданную с помощью внутренних моделей, которые пока недоступны широкой публике. Однако, как отмечает The Economist, в публикации практически отсутствуют объяснения того, как именно был получен результат.

Подписанты письма считают, что ИИ-компании превращают сложные математические задачи прежде всего в демонстрацию вычислительной мощности своих моделей, что противоречит самой сути математики.

По их мнению, такой подход «вредит математической науке и математическому сообществу», поскольку решение задачи — лишь инструмент, а главная цель математики заключается в глубоком понимании и генерации новых идей.

Один из подписантов письма, выдающийся математик Теренс Тао, лаконично сформулировал суть проблемы: «Мы слишком хорошо научились оптимизировать».

Это высказывание отражает обеспокоенность тем, что современные ИИ-системы способны находить решения через оптимизацию и перебор, не создавая при этом нового математического знания и не формируя концептуального понимания проблемы.

Другой лауреат Филдсовской премии Уго Дюминиль-Копён предложил яркую метафору для описания ситуации: «Высадить человека на вершину с воздуха — совсем не то же самое, что подняться туда самому».

Это сравнение подчёркивает фундаментальное различие между получением результата и процессом его достижения. В математике именно путь к решению — построение доказательств, открытие новых методов, формирование интуиции — составляет суть научного открытия, а не просто финальный ответ.

The Economist отмечает, что подобные опасения сопровождали появление практически всех значимых технологий в истории человечества. Когда появились шариковые ручки, опасались, что люди разучатся писать пером. С изобретением калькуляторов звучали предупреждения об утрате навыков устного счёта.

Зачастую эти страхи оказывались преувеличенными — новые инструменты не уничтожали навыки, а трансформировали их, освобождая время для более сложных задач.

Однако издание указывает и на реальную проблему, которую исследователи называют «когнитивной разгрузкой» (cognitive offloading) — тенденцию людей перекладывать запоминание и размышления на внешние инструменты.

Исследования показывают, что:

— поисковые системы уже стали для людей своего рода внешней памятью, снижая потребность запоминать информацию;
— частое использование ИИ связано с более слабыми навыками критического мышления;
— зависимость от алгоритмов может приводить к атрофии способности самостоятельно анализировать проблемы.

The Economist подчёркивает, что именно в абстрактной математике этот вопрос стоит особенно остро. Математика — это не просто набор правильных ответов, а язык описания фундаментальных структур реальности.

Если доказательства начнут массово создавать машины, а люди перестанут понимать, как они получены, может потеряться сама цель такой науки — человеческое понимание.

В истории математики уже были прецеденты, когда компьютерные доказательства вызывали споры. В 1976 году доказательство теоремы о четырёх красках с использованием компьютера было встречено скептически, поскольку математики не могли проверить все вычисления вручную. Спустя десятилетия сообщество приняло такие методы, но вопрос о природе математического понимания остался открытым.

Заявление 24 лауреатов Филдсовской премии прозвучало на фоне активной гонки ИИ-компаний за демонстрацию возможностей своих моделей. OpenAI, Google DeepMind, Anthropic и другие лаборатории регулярно публикуют результаты решения сложных научных задач — от предсказания структуры белков до открытия новых математических теорем.

Однако критики указывают, что коммерческая логика требует быстрой демонстрации результатов, что противоречит неторопливому и тщательному процессу математического исследования, где проверка и понимание доказательства могут занимать годы.

Открытое письмо ведущих математиков поднимает фундаментальный вопрос о будущем науки в эпоху ИИ: что важнее — получить правильный ответ или понять, почему он правильный? И если машины начнут давать ответы быстрее, чем люди способны их осмыслить, не потеряет ли математика свой человеческий смысл?

Читайте также: Массированная атака на Москву: сбиты сотни БПЛА