Искусственный интеллект решает задачи, над которыми математика билась десятилетиями: академики в кризисе

Журналист The Verge Роберт Харт, специализирующийся на ИИ, провёл серию интервью с ведущими математиками и зафиксировал то, что он назвал полноценным экзистенциальным кризисом в дисциплине. Публикация решений OpenAI стала, по его словам, «бомбой» для профессионального сообщества. Математики, привыкшие к тому, что нейросети не справляются даже с подсчётом букв в слове strawberry, за полгода столкнулись с системами, работающими на уровне профессиональных исследователей.

Искусственный интеллект и математика: что именно произошло?

OpenAI опубликовала набор решений давних нерешённых задач в математике. По словам Харта, это вызвало масштабную дискуссию в академической среде.

Парадокс в том, что ИИ-модели по-прежнему плохо справляются с элементарной арифметикой и даже с определением дня недели или текущего времени. Журналистка The Verge Элисса Уэлл ранее писала, что ChatGPT не умеет определять время, и это до сих пор не исправлено.

Но абстрактная математика устроена иначе. Как объясняет Харт, в академических математических статьях часто вообще нет чисел. Значительная часть работы математика состоит не в вычислениях, а в рассуждениях: поиске связей между областями, применении старых методов к новым задачам. И именно в этом ИИ-модели за последний год совершили резкий скачок.

Харт сравнивает математику с биологией: это не единая дисциплина, а огромный спектр от наблюдения за поведением животных до биохимии клеточных механизмов. ИИ хорош в одних разделах математики и по-прежнему слаб в других. Математики, по его данным, называют топологию (раздел, изучающий свойства фигур, которые сохраняются при деформации) одной из областей, где ИИ пока справляется плохо.

Аргументы за: ИИ как ускоритель математической мысли

Сторонники использования ИИ в математике видят в нём не замену, а усилитель:

• Скорость и масштаб. Модели способны за часы перебрать комбинации подходов, на которые у человека ушли бы годы. Если они умеют находить связи между разными областями и применять старые методы по-новому, это именно то, чего не хватает исследователям, работающим в узких нишах.
• Параллели с другими областями. Программирование прошло через похожий кризис раньше: ИИ-ассистенты пишут код, но это не уничтожило профессию, а сдвинуло фокус с рутины на архитектуру. Математика может пройти тот же путь.
• Новые задачи. Если ИИ закрывает старые нерешённые проблемы, у людей высвобождается ресурс на постановку новых вопросов, а формулировка задачи в математике часто ценнее решения.

Аргументы против: обесценивание дисциплины и маркетинговая ловушка

Критики поднимают вопросы, которые выходят далеко за рамки математики:

• Смысл грантов и программ. Если фронтирные модели (самые продвинутые ИИ-системы крупных лабораторий) способны отвечать на нерешённые вопросы, зачем финансировать подготовку нового поколения математиков? Этот вопрос прямо ставит Харт в интервью.
• Маркетинг вместо науки. Есть подозрение, что всё внимание вокруг математики, это рекламная кампания ИИ-лабораторий, которым безразлична судьба одной из старейших академических дисциплин. Харт формулирует это как открытый вопрос, а не как установленный факт.
• Галлюцинации не исчезли. Модели, которые не могут определить день недели, предлагают решения задач, проверка которых требует месяцев работы рецензентов. Ошибка (галлюцинация, когда ИИ уверенно выдумывает то, чего не было) на уровне передовой математики может долго оставаться незамеченной.
• Скорость шока. Математики оказались в ситуации, через которую другие области проходили пять лет, но всё сжалось в полгода. Харт использует слово shell-shocked, «контуженные», и это не метафора, а описание реакции конкретных собеседников.

Это полноценный экзистенциальный кризис: что такое математика, чем занимаются математики и какова роль математиков в будущем. : Роберт Харт, журналист The Verge

Что это значит для российской аудитории?

Кризис искусственного интеллекта в математике не останавливается на границе. Вот что стоит учитывать:

• Преподавателям и научным сотрудникам. Российские вузы готовят математиков по программам, заточенным на решение задач. Если ИИ берёт на себя часть этой работы, программы нуждаются в пересмотре: фокус смещается на постановку задач, интерпретацию результатов и верификацию ответов ИИ.
• Авторам Дзена, пишущим об образовании. Тема «зачем учить математику, если ИИ считает лучше» уже горячая, но требует точности. Писать «ИИ заменит математиков» некорректно: он заменяет часть работы в части областей. Нюанс, это и есть контент.
• Грантовым комитетам и чиновникам от науки. Вопрос финансирования фундаментальной математики становится политическим. Ответ «модели всё решат сами» так же опасен, как ответ «ничего не изменилось».

Из доступных в РФ инструментов: YandexGPT и GigaChat работают с математическими запросами, но их уровень ближе к тому, что Харт описывает как «всё ещё ужасно», чем к решению нерешённых задач. Для экспериментов с передовыми математическими моделями пока приходится обращаться к зарубежным сервисам через обходные пути.

Через год дискуссия сдвинется с вопроса «может ли ИИ решать задачи» на вопрос «кто проверяет ответы ИИ и кому за это платят». Именно здесь, на стыке верификации и доверия, будет решаться судьба грантов, учебных программ и самой профессии математика, и в России этот разговор лучше начать сейчас, пока есть что перестраивать.