Двадцать пять лауреатов медали Филдса, включая Терренса Тао, Питера Шольце, Марину Вязовскую и Максима Концевича, предупредили, что гонка ИИ-компаний за решением знаменитых математических задач начинает вредить самой математике. Учёные считают, что стремление как можно быстрее продемонстрировать возможности новой модели конфликтует с тем, как наука проверяет доказательства, развивает новые методы и распределяет авторство.
Авторы обращения признают резкий прогресс больших языковых моделей. За последние месяцы ИИ-системы научились получать результаты по крупным открытым задачам, которые ещё недавно считались недоступными для автоматизированных методов. Проблема, по мнению математиков, возникает тогда, когда решение задачи превращают прежде всего в тест мощности модели. Для науки конечный ответ служит лишь частью работы. Не меньшую ценность представляют понимание причин, новый метод доказательства, связь с предыдущими исследованиями и возможность передать полученное знание другим людям.
Филдсовские лауреаты опасаются, что поток автоматически найденных результатов может нарушить привычный цикл математического исследования. После появления доказательства специалисты обычно месяцами или годами проверяют его, обсуждают слабые места, упрощают аргументы и выделяют новые идеи, которые затем начинают применять в других задачах. ИИ способен резко ускорить первую часть процесса, но остальные этапы по-прежнему требуют большой работы математиков.
Особое беспокойство вызывает скорость публикаций. По словам авторов обращения, результаты нередко объявляют до подготовки полноценного текста, анализа использованных методов и корректного цитирования предыдущих работ. Такая практика создаёт проблемы с установлением приоритета, авторством и возможным плагиатом. Математики опасаются ситуации, когда модель выдаёт правильное доказательство, но научное сообщество не успевает понять, откуда появились использованные идеи и кому принадлежит исходный вклад.
Обращение появилось через три дня после того, как OpenAI представила решение одной из семи задач тысячелетия, проблемы существования и гладкости решений уравнений Навье-Стокса. Компания сообщила, что внутренний ИИ за несколько дней построил доказательство возникновения сингулярности, после чего GPT-6 Astra формализовала результат в Lean. На решение задачи агенты потратили около 130 млрд выходных токенов и обменялись 2,7 млн сообщений. Независимая проверка результата математическим сообществом продолжается.
История вокруг Навье-Стокса одновременно показала проблему авторства, о которой говорят подписанты нового обращения. Математик Нью-Йоркского университета Тристан Бакмастер и сотрудник Anthropic Левент Алпёге параллельно работали над близкими задачами и публично спорили с OpenAI о приоритете и обстоятельствах появления корпоративного результата. OpenAI заявила, что сотрудники и ИИ-агенты не получали доступа к их неопубликованной работе, а проведённая компанией проверка показала, что запросы Бакмастера к Codex не могли повлиять на модель, использованную для доказательства. Подробнее сам результат OpenAI и его математический контекст SecurityLab разбирал после публикации доказательства.
Нынешнее предупреждение не стало первым сигналом тревоги со стороны математического сообщества. В июне Международный математический союз поддержал Лейденскую декларацию об ИИ и математике, подготовленную после конференции в Лейденском университете. Авторы документа призывали сохранять возможность независимой проверки результатов, понятное авторство, ответственность за корректность доказательств и открытый доступ исследователей к вычислительной инфраструктуре. Новое обращение получилось заметно жёстче и появилось после недели обсуждений между лауреатами медали Филдса.
При этом подписанты не предлагают отказаться от ИИ. Математики прямо признают, что новые системы способны ускорить исследования и помочь находить идеи, которые людям было бы трудно обнаружить самостоятельно. Опасность они видят в другом. Если успех ИИ измерять количеством покорённых знаменитых задач и скоростью публикации рекордов, компании получат стимул производить всё больше готовых ответов, тогда как наука заинтересована прежде всего в понимании того, почему найденный результат верен и какие новые знания из него можно получить.
Авторы обращения считают конфликт вокруг математики ранним примером более широкой проблемы интеллектуального труда. Годы подготовки учёного, программиста, инженера или автора нужны не только ради конечного продукта. Обучение формирует способность задавать новые вопросы, оценивать чужие идеи и развивать собственные методы. ИИ всё лучше воспроизводит конечный результат такой работы, поэтому общество рискует начать оптимизировать производство ответов и одновременно разрушить среду, в которой появляются новые вопросы.
