За пределами хайпа: почему Теренс Тао предупреждает о чрезмерном упрощении математического прорыва ИИ

Реальность, которую никто не ожидал

Когда заголовки провозглашали, что искусственный интеллект в одиночку решил математические задачи, неподдающиеся решению десятилетиями, математическое сообщество раскололось на два лагеря: одни праздновали приход силиконового гения, другие защищали святость человеческого интеллектуального достижения. Этот нарратив был опьяняющим — AI идет за наши теоремы. Однако недавно один из самых яростных сторонников AI в области математики решил притормозить. Терренс Тао, известный математик и последовательный сторонник применения машинного обучения, опубликовал срочное разъяснение: история о математических способностях AI требует серьезного контекста.

Что на самом деле сказал Терренс Тао

Поздние ночные посты Терренса Тао редко остаются незамеченными, и этот не стал исключением. Вместо того чтобы полностью отвергнуть вклад AI, он поставил под сомнение преобладающий нарратив, выделив семь критических слепых зон в оценке достижений AI:

Парадокс сложности задач: задачи Эрдаша охватывают огромный спектр — от легендарных нерешенных вызовов, которые сопротивлялись лучшим умам человечества на протяжении поколений, до того, что Терренс Тао называет «задачами с длинным хвостом», которые по сути сводятся к математической бухгалтерии. Объединение их создает ложное равенство. Большинство успехов AI сосредоточены именно в последней категории, однако заголовки воспринимают их как равнозначные решению фундаментальных математических загадок.

Проблема обзора литературы: многие задачи, отмеченные как «нерешенные» в базах данных, не имеют полного обзора существующей литературы. То, что кажется прорывом AI, зачастую было решено несколько лет назад с помощью немного других подходов. Постыдная реальность: AI иногда «открывает» то, что уже есть в академическом архиве.

Ловушка селекционного смещения: мы видим победы. Неудачи, тупики и задачи, в которых AI не добился прогресса, остаются невидимыми. Эта односторонняя видимость искажает нашу оценку реального уровня успехов AI.

Проблема неточности: иногда исходные формулировки задач содержат двусмысленности или ошибки. Использование этих лазеек не является настоящим математическим инсайтом — это скорее выигрыш на техническом нюансе. Восстановление истинного замысла требует глубокого контекстуального знания и экспертизы в области.

Отсутствие слоя знаний: когда люди доказывают теоремы, они вставляют доказательство в богатый контекст — связанная работа, методологические границы, вдохновение из других областей, возможные обобщения. Терренс Тао отмечает, что доказательства, созданные AI, хотя и технически корректны, часто лишены этой связующей ткани, которая придает математике ее истинную интеллектуальную ценность. Правильное доказательство не всегда является значимым вкладом.

Пробел в публикациях: решение малоизвестной задачи с помощью рутинных методов не гарантирует автоматического попадания в ведущие журналы. Влияние важно так же, как и правильность. Большинство задач, решенных AI, не обладают новизной или значимостью, которые ищут журналы.

Риск формализации: перевод доказательств AI в системы формальной проверки, такие как Lean, повышает доверие, но таит опасности. Подозрительная краткость или необычная многословность формальных доказательств требуют осторожности — могут скрываться дополнительные аксиомы, формулировка задачи может быть искажена, или система может эксплуатировать крайние случаи в математических библиотеках.

Реальный разбор роли AI

Обновленная документация Терренса Тао классифицирует то, чего AI действительно достиг. Некоторые задачи получили полные решения, созданные AI, с полной проверкой в Lean. Другие оказались решенными ранее в литературе, несмотря на первоначальную оценку AI. AI отлично справляется с разведкой литературы — эффективно выявляя, какие «открытые» задачи на самом деле остаются нерешенными. Он перерабатывает существующие доказательства, формализует аргументы и помогает человеческим математикам в редакционной работе.

Конкретные данные показывают, что AI вносит значимый вклад, но в ограниченных рамках: он работает с механическими, проверяемыми, поисковыми задачами — не с видением будущего.

Переформатирование человеческо-AI партнерства

Ключевое понимание, подчеркнутое Терренсом Тао, — это то, что AI не является математиком. Это инструмент в расширяющемся математическом арсенале. Настоящая мощь математики будущего не будет состоять из одиночных гениев или автономных машин, а из математиков, управляющих AI-системами для выполнения инфраструктурных задач — рутинных доказательств, формализации, управления цитатами, синтеза литературы.

Человеческое интеллектуальное ядро остается незаменимым: постановка новых вопросов, изобретение концепций, которые меняют целые области, распознавание значимых проблем, понимание взаимосвязи открытий между дисциплинами. AI занимается скелетом. Люди проектируют структуры.

Почему эта разница важна

Смешивание «AI может давать проверяемые результаты по конкретным задачам» с «AI обладает подлинным математическим творчеством» — именно то, что Терренс Тао хотел разрушить. Точность в языке отражает точность в мышлении. Завышение возможностей ведет к двум ошибкам: во-первых, к нереалистичным ожиданиям и разочарованию; во-вторых, к недоинвестированию в человеческие математические исследования, которые остаются движущей силой нашего открытия.

Математики, которые преуспеют в грядущую эпоху, не будут бояться AI — они поймут его сильные и слабые стороны, стратегически используют его, одновременно развивая уникальную человеческую способность к математическому видению, которую еще ни один алгоритм не смог воспроизвести.