Математики против машин: 25 лауреатов Филдсовской премии объявили тревогу из-за гонки ИИ
- 12.09.2026, 20:43
Филдсовскую медаль нередко называют математическим аналогом Нобелевской премии.
Искусственный интеллект научился решать задачи, над которыми математики бились годами. Казалось бы – научная революция, о которой можно только мечтать. Но 25 обладателей Филдсовской медали неожиданно выступили с коллективным предупреждением: если превратить математику в гонку по скоростному получению правильных ответов, победа машин может обернуться поражением самой науки.
А разразившийся почти одновременно скандал вокруг решения задачи тысячелетия системой OpenAI показал, что их опасения вовсе не академическая фантазия.
Открытое заявление под названием «Серьезное несоответствие ИИ в математике» (A Severe Misalignment of AI in Mathematics) появилось вчера на портале «Математика и ИИ». Его первоначально 25 лауреатов Филдсовской премии, среди них Теренс Тао, Максим Концевич, Марына Вязовская, Седрик Виллани, Петер Шольце, Пьер Делинь, Андрей Окуньков и другие звезды мировой математики.
Филдсовскую медаль нередко называют математическим аналогом Нобелевской премии, хотя вручается она лишь раз в четыре года и только исследователям не старше сорока. Одновременное публичное выступление двух с лишним десятков ее обладателей – событие из ряда вон выходящее.
Теренс Тао рассказал, что заявление выросло из обсуждений между лауреатами в течение всего одной недели. Обычную долгую процедуру согласований решили сократить: ситуация показалась авторам достаточно срочной, чтобы выступить немедленно.
Примечательно, что письмо начинается вовсе не с жалоб на «страшные машины».
Наоборот, математики признают произошедший технологический скачок. За несколько последних месяцев, пишут они, способности больших языковых моделей выросли настолько, что те уже способны решать серьезные нерешенные задачи из разных областей математики.
Именно поэтому, считают авторы, пора задать менее приятный вопрос: зачем вообще математики решают задачи? Ответ кажется очевидным лишь до тех пор, пока в игру не вступает ИИ.
Для технологической компании знаменитая нерешенная проблема выглядит почти идеальным тестом. Вчера модель не могла ее решить, сегодня сумела. Есть ясный результат, громкий заголовок и отличная демонстрация прогресса.
Но для самих математиков решение задачи никогда не было конечной целью. Авторы декларации сравнивают знаменитые проблемы с ориентирами или маяками. Они важны потому, что дорога к ним обычно заставляет открывать новые идеи, методы и целые области математики. На пути к большому доказательству ведется огромная работа: отдельные попытки и промежуточные итоги месяцами и годами разбирают на семинарах, упрощают, ищут более ясные аргументы, увязывают с прежними теориями и постепенно превращают отдельный прорыв в общее знание.
Поэтому правильный ответ, полученный на последней странице, для математики лишь часть результата.
Иными словами, в науке действует принцип «учись учиться». В целом это аналогично базовой школьной установке – ученик должен не просто написать готовый ответ, а изложить всю цепочку решения, чтобы продемонстрировать понимание задачи и ход собственной мысли. В «большой науке» в роли такого школьника выступает все научное сообщество.
Главная ценность научных открытий состоит в том, что "стало понятно по дороге". И здесь, по мнению 25 лауреатов, интересы математического сообщества и разработчиков ИИ начинают серьезно расходиться.
Если ответы появляются быстрее, чем люди способны их прочитать, проверить, объяснить и встроить в существующую науку, количественный успех может начать разрушать то, что он якобы измеряет.
Авторы используют довольно сильную формулировку: массовое производство все новых истинных или ложных утверждений способно не оживить математику новыми идеями, а, наоборот, уничтожить ту плодородную почву, на которой эти идеи появляются.
Это уже не старый спор «человек против компьютера». Опасение другое: математика может превратиться в огромный склад правильных результатов, которые почти никто не успел понять.
Есть и более прозаическая проблема. Нейросети обучены на колоссальном массиве созданных людьми математических концепций. Новое машинное доказательство может опираться на идеи десятков или сотен предыдущих работ, комбинировать их и развивать дальше. Но если система выдает результат сразу, а компания спешит объявить очередное достижение, то разобраться, откуда именно взялась ключевая идея и кому принадлежит научный приоритет, становится намного сложнее.
Отсюда еще одно предупреждение ученых: стремительная публикация «искусственных решений» создает серьёзные проблемы авторства, научного вклада и плагиата. По мнению авторов письма, при такой скорости зачастую не остается времени даже на нормальное изложение результата и перечисление работ предшественников, не говоря уже о полноценном осмыслении нового метода.
Но, пожалуй, самый любопытный тезис касается не машин, а людей. Математика существует не только в статьях. Знание передается между живыми исследователями: кто-то объясняет доказательство на семинаре, кто-то придумывает более простой вариант, ученик усваивает метод учителя и применяет его к другой задаче.
Если машина перескакивает через весь этот процесс прямо к правильному ответу, возникает разрыв цепочки. Авторы декларации прямо предупреждают: без математиков, которые добровольно возьмутся развивать, объяснять и включать машинные идеи в математический канон, даже верные открытия ИИ могут так и остаться чужеродными объектами, не став полноценной частью человеческого знания.
Теренс Тао объяснил это еще проще. Получить готовое машинное решение великой проблемы, говорит он, все равно что посмотреть первые десять минут фильма, а затем сразу перемотать на финал. Формально история закончена и все сюжетные линии разрешились. Но почти все, ради чего фильм вообще смотрят, осталось между ними.
И проблема, считают авторы письма, далеко не ограничивается математикой. Годы профессионального обучения нужны врачу, инженеру, ученому или художнику не только для того, чтобы в конце концов выдать правильный продукт. За эти годы человек учится понимать предмет, отличать важное от второстепенного, задавать новые вопросы и замечать то, чего раньше никто не замечал.
ИИ все чаще позволяет получить конечный продукт, минуя большую часть этого пути. Возникает неприятная перспектива: общество продолжит получать все больше результатов интеллектуального труда, одновременно теряя людей, которые понимают, как и почему эти результаты появились.
При этом авторы декларации вовсе не предлагают остановить ИИ. Они специально подчеркивают, что искусственный интеллект способен значительно ускорить настоящее математическое исследование и углубить понимание. Вопрос лишь в том, какие цели ему поставят люди.
Будет ли машина помогать математике лучше понимать мир — или математика постепенно превратится в удобный стадион, где технологические компании меряются числом поверженных задач?