Философия искусственного интеллекта и его смысл

13 сентября 2026 года математик Нестор Гильен опубликовал в гостевом блоге Теренса Тао эссе, где попытался ответить на вопрос, который тревожит не только математиков: что делать профессионалам, когда LLM (большая языковая модель, программа, обученная на массивах текстов и способная генерировать связный текст, код и даже доказательства) врываются в их область?

Поводом стал конкретный скандал: Тристан Бакмастер объявил о доказательстве взрыва за конечное время для трёхмерных уравнений Эйлера с вынуждающей силой (совместно с Левентом Алпёге) и одновременно выдвинул обвинения в неправомерных действиях против OpenAI. На следующий день OpenAI заявила, что их внутренняя LLM самостоятельно получила результат для трёхмерных уравнений Навье-Стокса с вынуждающей силой. Русскоязычный перевод эссе выполнил @avshkol.

Что стоит за скандалом Бакмастер и OpenAI?

• Бакмастер и Алпёге доказали взрыв за конечное время для уравнений Эйлера. Это одна из задач, которые десятилетиями не поддавались решению. Бакмастер публично отдал должное идеям математиков Кордовы и Мартинес-Сороа.

• Бакмастер обвинил OpenAI в неправомерных действиях. Конкретика обвинений в эссе не раскрыта, но сам факт зафиксирован: математик публично указал на проблему в поведении корпорации.

• OpenAI на следующий день заявила о результате своей LLM для уравнений Навье-Стокса. Близость дат и тематики сделала событие скандальным и привлекла внимание прессы (Гильен ссылается на репортаж Кеннета Чанга).

• Гильен утверждает: LLM как технологию нельзя отождествлять с продуктом корпораций. Это центральный тезис эссе. Большие языковые модели могут помогать математикам, но для этого нужно отделить инструмент от бизнес-интересов компаний, которые его создают.

Зачем это читать, если вы не математик?

Гильен опирается на знаменитое эссе Билла Тёрстона 1994 года «О доказательствах и прогрессе в математике». Тёрстон писал, что математики не просто доказывают теоремы: они «переваривают» результаты, находят им новое применение, и это углубляет понимание. Теренс Тао в своём докладе на Международном конгрессе математиков в июле 2026 года развил эту метафору: LLM переносят науку в «эру изобилия доказательств», подобно тому как массовое производство продуктов питания изменило отношение к еде.

Гильен считает, что новость о том, что LLM выдала оригинальную математическую идею, может быть поводом для гордости, а не для паники. Его аргумент: ценность математики для человечества не в установлении истинности конкретного утверждения, а в понимании, которое возникает в процессе. Математики, по его словам, «пытаются познать причины вещей».

Это напрямую касается основных представителей аналитической философии в сфере ИИ, которые десятилетиями спорят о том, может ли машина действительно «понимать» или только имитирует понимание. Скандал вокруг Бакмастера и OpenAI превратил философский спор в практический вопрос: если LLM генерирует доказательство, кому принадлежит результат и считать ли его математикой?

Как прочитать первоисточники?

1. Найдите блог Теренса Тао (terrytao.wordpress.com) и откройте гостевой пост Нестора Гильена от 13 сентября 2026 года.
2. Прочитайте перевод тезисов доклада Теренса Тао на Хабре: «Математика в эпоху ИИ: публичная лекция Теренса Тао на Международном конгрессе математиков 24 июля 2026».
3. Обратите внимание на репортаж Кеннета Чанга о скандале, на который ссылается Гильен.

Есть ли параллели с российскими инструментами?

Для тех, кто работает с нейросетями в России: YandexGPT и GigaChat пока не заявляли о результатах в области математических доказательств. Но логика Гильена касается любого применения LLM в экспертных областях: от написания текстов до медицинской диагностики. Если вы автор на Дзене и используете нейросеть для генерации контента, перед вами по сути тот же вопрос: где заканчивается инструмент и начинается подмена вашей экспертизы?

Что делать с этим прямо сейчас, по ролям?

Авторам Дзена. История Бакмастера показывает: если LLM генерирует текст на экспертную тему, нужно проверять каждый факт вручную. Галлюцинация (когда ИИ уверенно выдумывает то, чего не было) в математике ведёт к ложным доказательствам, в контенте к потере доверия читателей.

Исследователям и преподавателям. Гильен открыто призывает отделять технологию от корпоративного продукта. Если вы выбираете, использовать ли LLM в работе, оценивайте конкретный инструмент, а не бренд.

Предпринимателям. Скандал с OpenAI и Бакмастером напоминает: при внедрении ИИ в бизнес-процессы юридические и этические риски так же реальны, как технические.

Правда ли, что LLM уже доказывают теоремы?

Может ли LLM самостоятельно доказать математическую теорему?

По данным эссе Гильена, OpenAI заявила, что их внутренняя LLM получила результат для уравнений Навье-Стокса с вынуждающей силой. Однако эссе не содержит независимой оценки этого результата. Доказательство Бакмастера и Алпёге для уравнений Эйлера было получено людьми, с указанием источников идей. Вопрос верификации результатов LLM остаётся открытым.

Чем отличается позиция Гильена от позиции «ИИ заменит всех»?

Гильен прямо пишет: ценность математики не в установлении истинности утверждений, а в понимании, которое возникает по ходу работы. Если LLM генерирует ответ, но никто его не «переварил» и не понял причин, это не математика в полном смысле. Основные представители аналитической философии в сфере ИИ задавали этот вопрос ещё до появления современных нейросетей, но теперь он стал практическим.

Стоит ли математикам бояться LLM?

Гильен считает, что нет, если удастся отделить технологию от корпоративных интересов. Его позиция: LLM могут помогать «переваривать» результаты и открывать путь новым прорывам, но только если сообщество сохранит контроль над процессом и его смыслом.

Скандал вокруг Бакмастера и OpenAI ещё далёк от завершения, но одно уже ясно: вопрос «кто автор доказательства, человек или модель» перестал быть абстрактным и стал юридическим, этическим и профессиональным одновременно.