Коли штучний інтелект розв’язує відкриті математичні проблеми, що залишається для геніальності?

Математика довгий час розглядалася як найчистіша міра інтелекту. На відміну від більшості наук, вона не залежить від лабораторного обладнання, експериментального шуму чи вимірювальних інструментів. Доведення або правильне, або ні. Ця ясність пояснює, чому великі нерозв’язані проблеми – гіпотези, які опираються кожній відомій техніці, – стали певним інтелектуальним Еверестом.

Історія схильна розповідати одну й ту саму історію: питання висить у повітрі протягом десятиліть чи століть, поки рідкісний розум не з’являється – хтось із незвичайною сумішшю терпіння, креативності та технічної сили, щоб побачити шлях, якого ніхто інший не бачив. Ми святкуємо “одинокого геніального” людини, тому що в математиці ця розповідь часто підходить.

Але новий шаблон починає з’являтися. У кінці 2025 та на початку 2026 року онлайн-обговорення навколо кількох проблем Ердьоша (відомого набору відкритих проблем, зібраних Палом Ердьошем) свідчили про те, що докази, допоможені штучним інтелектом, можуть вирішити кілька пунктів у незвичайно короткий термін. Деякі з цих ескізів доведень, як повідомлялося, були розглянуті провідними математиками, включаючи Теренса Тао, який публічно говорив про зростаючу роль штучного інтелекту як математичного співробітника. Все ж таки, найважливіша застереження залишається: математика не працює на заголовках. Широке визнання зазвичай вимагає часу – незалежної перевірки, ретельних написань та іноді формалізації в системах перевірки доведень.

Даже з цією обережністю, ширша точка залишається: світ отримує свій перший справжній погляд на те, що відбувається, коли штучний інтелект не просто обчислює, підсумовує чи шукає закономірності, а бере участь у процесі мислення. Якщо штучний інтелект може надійно допомогти розв’язати проблеми, з якими люди боролися протягом поколінь, це змушує поставити глибше питання:
Що буде робити людська геніальність далі – коли машина може досягти вершини першою?

Механіка “кремнієвого мислення”

Чтобы зрозуміти, чому цей момент здається іншим, допоможе розрізняти дві версії штучного інтелекту, які люди часто змішують.

Раніші покоління моделей мови часто описувалися (справедливо) як системи, які передбачають наступне ймовірне слово. Вони могли виглядати вражаючими, але вони також були схильні до “впевненого нісенітниці”, оскільки вони мали обмежену можливість сповільнитися, перевірити ідеї чи самокоректуватися.

Нові системи все частіше покладаються на інший підхід: доведення у час тестування (іноді обговорюється як “обчислення у час тестування”). Замість того, щоб відразу ж генерувати відповідь, модель може витратити більше часу на одну проблему – генерувати кандидатські підходи, перевіряти, чи логічно слідують кроки, повертатися назад, коли вона натикається на суперечності, та досліджувати альтернативні маршрути. У людських термінах це нагадує те, що математик робить на дошці: спробувати щось, розбити, виправити та повторити.

Це має значення у математиці, оскільки прогрес рідко є прямою лінією. Більшість перспективних ідей провалюються. Можливість повернутися назад – без его, втоми чи розчарування – може перетворити неможливий пошук на здійсненний.

Сучасні системи штучного інтелекту перейшли за межі простих обчислень, пропонуючи чотири практичні можливості, які роблять їх схожими не на калькулятори, а на співробітників. Вони досконалі у великомасштабному синтезі, з’єднуючи ідеї по всьому величезному корпусу літератури та нішевих підполів, де ключові леми рідко цитуються. Вони також дозволяють швидку ітерацію, перевіряючи багато “маршрутів” доведень швидко та відкидаючи мертві кінці, зберігаючи перспективні підструктури. Крім того, ці машини іноді пропонують незвичайні евристики – проміжні конструкції, які відчуваються чужими для людської інтуїції, але залишаються логічно звичайними. Нарешті, вони генерують висновки, дружні до верифікації, які можуть бути перекладені на формальних помічників доведень, таких як Lean або Coq, надаючи спільноті шлях до вищої впевненості.

Важливо, що це не означає, що штучний інтелект “розуміє” математику так, як люди. Це означає щось більш конкретне: під правильними обмеженнями він може генерувати ланцюги мислення, які витримують перевірку. У математиці це те, що має значення.

Чому проблеми Ердьоша мають сенс як перші цілі

Не всі математичні фронтири однаково “вразливі” до прискорення штучним інтелектом. Деякі проблеми вимагають цілком нової теорії, нових визначень або глибоких концептуальних стрибків, які не мають багатьох опор у існуючій літературі. Але інші проблеми – особливо ті, що належать до комбінаторики, теорії чисел та дискретної математики – часто мають іншу форму:

• Твердження достатньо просте, щоб пояснити неспеціалістам.
• Відомі інструменти численні, розкидані по паперах, і легко їх пропустити.
• Прогрес часто досягається шляхом поєднання існуючих результатів у хитрий спосіб.

Проблеми Ердьоша часто відповідають цьому профілю. Вони відомі тим, що їх легко сформулювати і важко розв’язати, і вони живуть у доменах, де доведення можуть включати нашивку технік: ймовірнісні методи, екстремальна комбінаторика, теорія ергодичності, гармонічний аналіз та ін.

Це робить їх корисними як “тест на витривалість” для штучного інтелекту. Якщо система може запропонувати правдоподібну стратегію доведення для проблеми, яка опиралася широким зусиллям людини, це має значення – навіть якщо виявиться (як іноді буває), що ключова ідея була вже імпліцитна в попередніх роботах, або що доведенню потрібно політувати, перш ніж воно стане канонічним.

Іншими словами: історія не полягає в тому, що “штучний інтелект замінює математиків”. Історія полягає в тому, що штучний інтелект може зменшити відстань між “результат існує десь” і “спільнота може насправді побачити це”.

Коли штучний інтелект знову відкриває те, що люди забули

Одним із найцікавіших шаблонів у сучасній науці є не те, що людям бракує знань, а те, що їм важко відновити знання.

Математика величезна. Результати розкидані по десятиліттях журналів, записів семінарів та спеціалізованих підполів зі своїми мовами та конвенціями. Навіть видатні математики можуть пропустити теорему, яка є “очевидною” всередині нішевого домену. З часом цілі ланцюги мислення можуть бути поховані – не тому, що вони були неправильними, а тому, що увага зсунулася в інше місце.

Штучний інтелект змінює цю динаміку, будучи готовим шукати у нудних кутках, де люди рідко дивляться, тому що вони схильні до модних областей. Він також служить для мостування діалектів, перекладаючи між мовами різних підполів та вирівнюючи ідеї, які люди традиційно тримають окремо.

Це те місце, де багато людей бачать найглибший обіцянку. Навіть коли штучний інтелект не винаходить зовсім нову математику з нуля, він може функціонувати як надпотужний “екскаватор знань”, повертаючи забуті структури в поле зору та рекомбінуючи їх способами, які відчуваються новими.

“Великий математичний” зсув: від письменника доведень до диригента

Якщо штучний інтелект продовжить покращуватися, то найбільша зміна може полягати не в тому, що машини розв’язують більше теорем. Це може полягати в тому, що роль людини-математика змінюється.

Століттями займатися математикою означало витратити величезну кількість зусиль на саме доведення – знайти маршрут, перевірити кожен крок та написати його так, щоб інші експерти могли перевірити. Ця праця є частиною ремесла. Але це також вузьке місце. Багато перспективних ідей гинуть просто тому, що людський час, необхідний для повного виконання та формалізації їх, надто високий.

У світі, прискореному штучним інтелектом, доведення стає менш дефіцитним. Це не робить математику тривіальною. Це змінює місце, де живе важка праця.

Математик як картограф, а не калькулятор

Якщо доведення вже не є основним вузьким місцем, “геніальність” зсувається до завдань вищого рівня. Вибір найбільш цінних питань для розв’язання стає центральною людською відповідальністю, а також проектування нових абстракцій, таких як інваріанти та визначення, що поєднують поля. Крім того, великі розуми будуть зосереджені на будівництві програм досліджень шляхом картографування ландшафтів гіпотез та оркестрування відкриття, а також перекладу абстрактних результатів у функціональні інструменти для інших галузей.
Підумайте про це, як про зміну в шахах після комп’ютерів. Людська гра в шахи не закінчилася, коли двигуни перевершували нас. Замість цього елітна гра еволюціонувала. Люди навчилися ставити краще питання машини, інтерпретувати її рекомендації та розробляти стратегії, які поєднують інтуїцію з обчисленнями.

Математика може пройти подібну трансформацію – окрім того, що ставки ширші. Нові математичні інструменти можуть змінити криптографію, оптимізацію, машинне навчання, фізику та економіку. Якщо штучний інтелект зменшить вартість відкриття, ефекти вниз по лінії можуть бути величезними.

Чи це “вільне мислення”, або просто надзвичайно швидке пошук?

Розумний скептик міг би сказати: це не інтелект, а просто сила. Дайте машині достатньо обчислень, і вона наткнеться на щось, що працює.

Є реальна точка тут. Штучний інтелект дійсно приносить масштаб. Він може спробувати багато маршрутів. Але найцікавіші випадки не є випадковим натиканням – вони включають структуровану синтезу: з’єднання концепцій, повторне використання лем у незнайомих контекстах та збір ланцюга мислення, який є досить узгодженим для експертів, щоб підтвердити.

На практиці лінія між “пошуком” та “мисленням” стає розмитою. Людські математики теж шукають – через ідеї, через аналогії, через часткові результати. Що має значення, це те, чи процес надійно генерує нову, перевірену правду.

Якщо штучний інтелект стане здатним до цього, то ярлик має менше значення, ніж результат. Фронт змінюється в будь-якому випадку.

Які фронтири можуть впасти наступними?

Якщо штучний інтелект продовжить покращуватися, ми повинні очікувати певного шаблону: проблеми, які впадуть першими, часто будуть тими, де знання вже присутнє, але фрагментоване, де існуючі техніки можуть бути рекомбіновані, та де формальна верифікація може швидко підвищити впевненість.

Ймовірними короткостроковими цілями є:

• Екстремальна комбінаторика та теорія графів: багаті інструментарії, багато відомих лем, і багато проблем, визначених у чистих, дискретних термінах.
• Адитивна теорія чисел: родючий ґрунт для доказів, що поєднують техніки, та “мостових” аргументів, які з’єднують поля.
• Оптимізація та питання, суміжні з складністю: не найглибші “P проти NP” питання спочатку, а багато менших структурних результатів навколо алгоритмів та меж.
• Формалізовані піддомени: області, вже частково закодовані у помічники доведень, де штучний інтелект може прискорити переклад з ідеї у перевірене твердження.

Великі, знамениті проблеми – як проблеми тисячоліття – можуть все ж таки потребувати глибоких концептуальних винаходів. Але навіть там штучний інтелект міг би подрібнити навколишню територію: доводячи леми, досліджуючи спеціальні випадки та будуючи підтримку, яка робить останній людський (або гібридний) стрибок більш ймовірним.

Філософський поворот: повернення питання-аскера

Когда ми автоматизуємо механіку доведення, ми змушені зіткнутися з реальністю, яка існувала з початку дисципліни: математика є, і завжди була, підмножиною філософії. Історично цінувалися видатні інтелекти нашого виду, які могли боротися з найбільш значущими питаннями життя. Греки не розрізняли вивчення чисел від вивчення існування; для них “ірраціональність” числа була кризою душі так само, як і логічної кризи.

У сучасну епоху ми змінили оцінку людської “геніальності” у бік майстра-калькулятора – розуму, який міг перемолоти через густу, ручну працю тристорінкового доведення. Ми ототожнювали інтелект з можливістю функціонувати як біологічний процесор. Але коли штучний інтелект починає досягати вершини цих доведень першим, технічна криза зникає. Це не зменшує людський інтелект; це змушує його мігрувати “вгору по стеку”.

Відзнакові інтелекти майбутнього не будуть тими, хто може виконувати відомий процес з крайньою ефективністю, а філософами, які можуть визначити, що варто відкрити спочатку. Коли “як” стає товаром, забезпечуваним кремнієм, “чому” стає єдиною залишиною дефіциту. Ми повертаємося до епохи полімата, де здатність поставити життєво важливе питання – уявити новий рубіж значимості – є верховним умінням. Як зсув від лопати до екскаватора, ми більше не цінуємо нашу здатність копати руками, а наше бачення щодо того, де потрібно розбити землю.

Висновок: Майбутнє, де геніальність рухається вгору по стеку

Якщо штучний інтелект може допомогти розв’язати проблеми, які раніше вимагали інтелекту століття, це не означає, що ми вичерпали математику. Це означає, що ми змінюємо спосіб її виконання.

У світі, де доведення стають дешевшими, дефіцитною ресурсом стає щось інше: хороші питання, корисні абстракції та здатність інтерпретувати, що математика означає.

“Унікальний інтелект” майбутнього може виглядати менше як одинокий фігура, яка тертиється через доведення протягом десятиліть, а більше як картограф ідей – хтось, хто може побачити, які гори варто підніматися, та як координувати новий вид експедиції, де люди та машини піднімаються разом.