Двадцать пять лауреатов Филдсовской премии, высшей награды в математике, опубликовали совместное заявление, в котором предупреждают: цели AI-индустрии и цели математики «серьёзно рассогласованы». Среди подписавших — Terence Tao, Pierre Deligne (1978), Peter Scholze (2018), Maryna Viazovska (2022), Martin Hairer (2014), Cedric Villani (2010), Manjul Bhargava (2014) и лауреат этого года Yu Deng. Значение этого выходит за рамки одной дисциплины: авторы описывают модель, с которой, по их словам, может столкнуться всё человечество по мере того, как AI меняет характер работы.
Что говорится в заявлении
Технический прогресс подписавшие не оспаривают. Большие языковые модели за последние месяцы настолько продвинулись в математике, что способны решать «крупные нерешённые задачи во многих областях математики». Именно это и беспокоит авторов. По их мнению, AI-компании относятся к математическим задачам как к бенчмаркам, которые нужно покорить, и такой подход вредит и науке, и сообществу вокруг неё. Заявление появилось на фоне конфликта двух математиков с OpenAI: исследователи обвиняют компанию в том, что она услышала слухи о частичном решении задачи из списка Millennium Prize Problems и попыталась опередить их ради публичности. Главный исследователь OpenAI Pachocki во время анонса Astra говорил, что компания сознательно решила не оптимизировать модель под математику; вскоре после этого OpenAI, судя по всему, всё же обучила математические модели — по-видимому, прямо в ответ на эти слухи.
Суть аргумента — в том, чего стоит решённая задача. Известные нерешённые проблемы, говорится в заявлении, «часто служили ориентирами и маяками, по которым можно измерять улучшение понимания этого ландшафта». Когда кто-то решает такую задачу, ответ значит меньше, чем мышление, потребовавшееся для его получения. Затем математики годами разбирают это мышление в «долгом и трудном процессе докладов, обсуждений, упрощений». AI угрожает замкнуть этот этап: «Решение задач — лишь инструмент и приблизительный показатель на пути к главной цели — концептуальному пониманию и проникновению в суть», — пишут авторы. Поток ответов на машинной скорости способен, по их формулировке, «уничтожить плодородную почву вместо того, чтобы вдохнуть жизнь в новые идеи».
Механика этого ущерба уже видна в том, как результаты AI попадают в науку. Решения объявляются без «времени на нормальное изложение, выделение новых методов и идей и ссылки на соответствующую предыдущую работу других», что порождает «серьёзные вопросы об авторстве и плагиате». В заявлении указано и на человеческую цепочку, превращающую результат в признанное знание: «Без готовых математиков, которые должны заниматься их развитием и включением в математический канон, идеи, зачатые AI, никогда не станут полностью живыми», — говорится в тексте, и «критически важная цепочка передачи знаний между математиками была бы утрачена». Подписавшие описывают это как «общую угрозу интеллектуальному труду»: годы обучения «служили не только получению окончательного ответа или продукта, но и развитию понимания и способности формулировать новые вопросы и идеи», а когда AI выдаёт «результаты такой работы напрямую», эти цели расходятся.
Что это значит для бизнеса
Для компаний, внедряющих AI, заявление — напоминание о том, что оценка в бенчмарке и пригодная к использованию способность — разные вещи. Математики не призывают к запрету: AI «даёт потенциал усилить и ускорить подлинное математическое исследование и понимание», и профессии придётся адаптироваться. Но «принесут ли эти изменения в итоге пользу области или окажут разрушительное действие, во многом определят решения людей, контролирующих эту новую технологию». Та же логика применима к любой команде, заменяющей работу младших специалистов моделью: результат появляется, а способность его оценить, развить и объяснить не обязательно возникает вместе с ним.
Заметнее всего разрыв в образовании: домашние задания всё чаще можно выполнить с помощью AI, тогда как на экзаменах его по-прежнему запрещают, и разрыв между этими двумя уровнями результатов, измеряемый в оценках, растёт. В исследовательской работе Университета специальных операций NATO недавно описана родственная модель — «трагедия когнитивных общих ресурсов»: каждая компания, заменяющая AI начальные должности, получает выигрыш в эффективности, но издержки эрозии экспертизы распределяются по всему кадровому пулу. То, что исследователь описывает для целых профессий, математики уже наблюдают в своей области. Для небольшой компании компромисс острее, потому что у неё меньше запаса, чтобы восстановить утраченную экспертизу; для крупной риск медленнее и незаметнее — он накапливается в командах, которые больше не готовят замену.
Чего заявление не решает — так это вопроса измерения. В нём нет порога, после которого помощь AI перестаёт строить понимание и начинает его подменять, и нет механизма атрибуции результатов, созданных машиной. Именно это и должно быть предметом разговора с поставщиком: как инструмент фиксирует и цитирует предыдущую работу, кто в команде ещё способен проверить ответ без него и что происходит с цепочкой рассуждений, когда модель недоступна. Подписавшие говорят, что «эти вопросы нужно решать срочно», и обращаются к математическому сообществу, компаниям, создающим такие инструменты, и «обществу, которое столкнётся с аналогичными проблемами во многих других формах интеллектуального труда».
Следить стоит за самим списком подписавших. Он открылся 25 именами и уже включает лауреатов с 1978 по 2026 год; если он продолжит расти за пределами одной дисциплины, а компании, названные в споре об авторстве, ответят конкретными практиками документирования, а не заявлениями, беспокойство перейдёт из внутренней дискуссии в критерий выбора поставщика. До этого практический вывод для бизнеса уже: относиться к любому результату, созданному AI, как к черновику, ценность которого зависит от того, способен ли кто-то в команде восстановить ход рассуждений за ним.
