Кратко
- Теренс Тао утверждает, что ИИ истощает запас плодотворных открытых математических проблем быстрее, чем математики успевают находить новые.
- Его предупреждение следует за реальным прецедентом, когда лаборатории ИИ решили исторически сложные проблемы.
- Тао хочет, чтобы математики помечали некоторые проблемы как «требующие анализа», чтобы голый ответ, сгенерированный ИИ без объяснения рассуждений, мало что значил.
Теренс Тао, профессор Калифорнийского университета в Лос-Анджелесе, которого широко считают лучшим ныне живущим математиком-чистовиком, поднял тревогу по поводу ускоряющейся гонки ИИ в математике, происходящей прямо сейчас.
Тао, награждённый Филдсовской медалью в 2006 году, вчера опубликовал предупреждение на математическом инстансе Mastodon Mathstodon, в котором он утверждает, что ИИ истощает запас хороших открытых проблем в этой области — нерешённых вопросов, которые на самом деле продвигают математику вперёд. Не доказательства. Не статьи. Хорошие вопросы.
Любой может придумать бесконечное множество новых математических вопросов; гугол-я цифра числа пи технически является открытой проблемой, которую никто не вычислил. Почти ни одна из них не имеет значения, потому что большинство не учат ничему о более широкой области. Что действительно важно, написал Тао, — это знать, что на самом деле стоит усилий.
«Короче говоря, неизбирательное использование мощных инструментов извлечения решений может достичь непосредственной краткосрочной цели решения текущих проблем, но ценой поддержания экосистемы для следующей волны прогресса или понимания уже достигнутого прогресса», — написал Тао.
С выпуском моделей рассуждений и последнего поколения передовых систем ИИ лаборатории начали бросать огромные объемы вычислений на математические и научные проблемы. Anthropic и OpenAI проверили свои модели на задачах, которые сопротивлялись математикам-людям годами, иногда десятилетиями.
Результаты варьировались от квантовой физики до прикладной математики и медицины. Но математика отличается: действительно трудные проблемы относительно редки, и исследователи часто тщательно выбирают, на какие из них тратить месяцы или даже годы.
Выяснение этого раньше зависело от «ландшафта сложности» области — какие вопросы тривиальны, какие требуют реальных усилий, какие безнадежны с текущими инструментами. Новые методы всегда сглаживали части этого ландшафта, но они также открывали новые рубежи за своими пределами. ИИ нарушает эту закономерность, утверждает Тао, потому что никто не может точно сказать, где заканчиваются возможности модели.
От слуха до гонки
Тао не описывает гипотетическую ситуацию. В мае модель OpenAI опровергла гипотезу Эрдёша о единичном расстоянии, 80-летний вопрос о том, сколько пар точек на плоскости могут находиться ровно на расстоянии одной единицы друг от друга. Внешние математики, включая медалиста Филдса Тима Гауэрса, проверили это.
В течение той же недели исследователь Anthropic Левент Альпёге прогнал ту же задачу через Claude Mythos, невыпущенную модель высшего уровня компании, работая офлайн, чтобы она не могла скопировать опубликованное решение OpenAI. Инженер Anthropic Шолто Дуглас назвал результат "милым, простым доказательством", более коротким, чем у OpenAI. Математик Дэниел Литт назвал его "немного хуже", чем версия OpenAI, хотя Mythos также нашёл собственное решение OpenAI.
Огромная заслуга команды OAI в решении проблемы единичного расстояния с помощью 5.5 - теперь это мой любимый пример того, что модели действительно могут объединять разрозненные идеи в новые открытия.
Как и со всеми четырёхминутными милями, нам тоже пришлось попытаться преодолеть это! Оказывается, Mythos решает это мило,... https://t.co/NFymE8P8lu
— Шолто Дуглас (@_sholtodouglas) 26 мая 2026 г.
Всего на этой неделе Anthropic формализовала многовековое доказательство великой теоремы Ферма, а несколько дней спустя OpenAI решила 90-летнюю проблему, через несколько часов после того, как исследователь опубликовал собственное доказательство, став соавтором статьи с исследователем Anthropic.
Именно эта гонка и беспокоит Тао. "Мы уже видели, что даже слух о том, что кто-то работает над проблемой, может вызвать массовые усилия с использованием ИИ, чтобы решить её до того, как первоначальный исследовательский проект успеет достичь своего полного потенциала", - написал он.
Тао утверждает, что это в конечном итоге обращает вспять столетия открытой науки.
Оценивайте процесс, а не только ответ
Предлагаемое Тао решение состоит в том, чтобы пометить некоторые проблемы как "требующие анализа", что означает, что правильный сырой ответ мало что значит, если он не сопровождается рассуждениями, раскрывающими что-то о смежных проблемах. Он сравнил это с продовольственными банками, которые перестали принимать любые пожертвования, которые были просто съедобными.
Это либо это, либо запрет ИИ в математике - решение, которое, по словам Тао, "технически неосуществимо".
Предложение пока нигде не превратилось в политику, и, судя по поведению крупных ИИ-лабораторий, даже это может быть технически неосуществимо прямо сейчас.
