ainews
Теренс Тао: ИИ может вызвать кризис математики масштаба теорем Гёделя
Математик Теренс Тао предупреждает: ИИ уже решает исследовательские задачи за десятки долларов, но угрожает разрушить систему ценностей математики — что считается вкладом, кто автор доказательства, как учить студентов. Это не про способности моделей, а про то, ради чего вообще существует математика как наука.
Это первый серьёзный сигнал от топ-математиков: AI меняет не только инструменты, но и саму систему ценностей науки. Если вы делаете AI-продукты для образования или науки, придётся перестраиваться с бенчмарков на объяснимость и сохранение человеческого авторства.
Что произошло
Теренс Тао (медалист Филдса, один из сильнейших математиков мира) опубликовал эссе для Международного математического конгресса-2026. Главный тезис: математика стоит на пороге кризиса ценностей, сравнимого с потрясением 1900-1930-х годов (парадокс Рассела, теоремы Гёделя).
Только тогда под вопросом была истина, а сейчас — само понятие математического вклада.
Тао приводит результаты First-Proof Project: 10 неопубликованных исследовательских задач тестировали на 4 AI-системах. 7 из 10 получили хотя бы одно проходное решение (почти идеальное или с мелкими правками). Цена: десятки-сотни долларов за задачу.
Проблема не в том, может ли ИИ решать задачи (может), а в том, что происходит с самой дисциплиной:
- Доказательств станет больше, чем людей, способных их проверить (база задач Эрдёша уже завалена AI-решениями без верификации)
- AI-отполированные тексты читаются легко, но из них невозможно учиться (стёрты следы человеческой борьбы с идеей)
- Закон Гудхарта в действии: когда метрика (публикация, формальная верификация) становится целью, она перестаёт быть полезной
Тао предлагает правило: если авторы не могут дать экспертный доклад по своему результату, работу публиковать нельзя. Даже если ИИ формально всё доказал.
Для студентов — жёсткие ограничения на AI-инструменты, потому что цель обучения не в правильных домашках, а в формировании мышления. Сам Тао использует ИИ для поиска литературы, диаграмм, автодополнения текста и конвертации слайдов в статьи.
Автор: Сергей Ефимов · Источник: the-decoder.com
Разработчикам. Если ваш AI-продукт генерирует формальные доказательства или код, готовьтесь к новым стандартам: не достаточно, чтобы решение было верным — нужна объяснимость для человека, воспроизводимость рассуждений, возможность обучения. Появится спрос на инструменты для верификации AI-генерированной математики и на системы, которые сохраняют следы рассуждений, а не только полированный результат.
Бизнесу. Рынок AI-ассистентов для науки и образования столкнётся с новым запросом: не просто решать задачи, а помогать учиться и сохранять авторство. Компании, которые делают ставку только на бенчмарки и скорость, рискуют попасть под регулирование со стороны академических институтов. Растёт ценность инструментов для проверки подлинности человеческого вклада.
Инвесторам. Сектор EdTech и scientific AI входит в зону турбулентности: академическое сообщество начинает выставлять барьеры против AI-generated content. Одновременно открывается ниша для инструментов формальной верификации, explainable AI в науке, платформ для коллаборации человека и машины. Долгосрочная ставка — не на замену учёных, а на гибридные системы с прозрачным разделением ролей.
- Верификационные платформы для AI-генерированных доказательств и кода — сервис проверки подлинности и качества решений, востребован в науке, образовании, индустрии
- Explainable AI для математики и программирования: инструменты, которые не просто дают ответ, а показывают ход мысли, сохраняют черновики и ошибки для обучения
- EdTech с жёсткими ограничениями AI: платформы для студентов, где ИИ помогает учиться, но не решает за них — акцент на процессе, а не результате
- Консалтинг для академических институтов: разработка политик использования ИИ, стандартов публикации AI-ассистированных работ, протоколов верификации
- Инструменты для детекции AI-contribution: кто автор — человек или машина? Спрос в издательствах, грантовых фондах, университетах
- Академическое сообщество может ввести жёсткие барьеры на AI-генерированный контент, что сузит рынок для AI-ассистентов в науке и образовании
- Переоценка способностей моделей к genuine novelty: пока ИИ решает известные типы задач за деньги, но с настоящими прорывами беда
- Гонка за бенчмарками приведёт к AI-мусору: формально верные, но бесполезные для понимания доказательства, которые некому проверять
- Конфликт ценностей: финансовые стимулы AI-индустрии (быстрые демо-результаты) против академических (глубина, воспроизводимость, обучение)
Тао попал в точку: мы все обсуждаем, может ли GPT пройти олимпиаду, а вопрос в другом — если машина сделала работу, кто автор и зачем нам вообще математики? База задач Эрдёша уже завалена AI-решениями, которые некому проверять, студенты генерят домашки, издатели не знают, публиковать ли формально верное, но необъяснимое доказательство. Это не хайп, это реальная турбулентность в академии.
Для индустрии важно: если продолжать гнаться за бенчмарками и демо-результатами, академия выставит барьеры. Выиграют те, кто строит прозрачные гибридные системы — не заменяют учёных, а помогают с сохранением авторства и процесса мышления. Рынок верификации, explainable AI и EdTech с умными ограничениями ИИ — там деньги ближайших лет.
Комментарии