Под статьей Олега Губарева «Искусственный интеллект как угроза научной деятельности» 1 на текущий момент сделано уже под 400 комментариев (не все, правда, про ИИ).
А текст ниже в основном написан ИИ — чат-ботом DeepSeek. Но вначале подводка-цитата от автора-человека. «В 2009 году британский математик, филдсовский медалист Тимоти Гауэрс (Timothy Gowers) запустил математическую онлайн-коллаборацию, получившую название Polymath Project. Его идеей было, воспользовавшись возможностью удобного общения в Интернете, объединить математиков в работе над любопытными нерешенными проблемами, в основном в области теории чисел» 2.
Так вот, Тимоти Гауэрс это дело не бросает. Меня очень заинтересовал его недавний пост о возможностях ИИ в математике 3 и последовавшее обсуждение. О чем пост и обсуждение? Я психолог, а не математик, могу переврать что-то при пересказе. Поэтому я обратился за пересказом к ИИ.
Мой промпт, введенный в чат DeepSeek 17 мая 2026: «Прочитай пост филдсовского медалиста Т. Гауэрса <..> и комментарии к нему. Дай резюме поста и резюме наиболее важных и интересных комментариев». Ниже — ответ DeepSeek.
1. Резюме поста Тимоти Гауэрса
Контекст и мотивация
Гауэрс отмечает, что большие языковые модели (LLM) уже способны решать исследовательские задачи, но часто их успех объясняется умением находить и комбинировать существующие знания, а не генерировать принципиально новые идеи. Чтобы проверить истинные способности ИИ к оригинальному мышлению, он решил предложить ChatGPT 5.5 Pro задачи из статьи Мела Натансона по аддитивной теории чисел, которые, по его мнению, были открыты и относительно просты для человека.
Эксперимент и результаты
Гауэрс предоставил модели задачу без каких-либо математических подсказок, ограничившись лишь просьбами описать результат или оформить его в LaTeX. ChatGPT 5.5 Pro потребовалось 17 минут 5 секунд, чтобы найти решение, которое улучшало существующую экспоненциальную верхнюю границу до квадратичной, что является теоретически оптимальным результатом.
Дальнейшие шаги
Модель также успешно справилась с более сложной версией задачи, улучшив экспоненциальную границу до полиномиальной. Этот результат был проверен и подтвержден независимым исследователем Айзеком Раджагопалом (Isaac Rajagopal, Massachusetts Institute of Technology. — Прим. ред.), который назвал идею, предложенную моделью, оригинальной и остроумной.
Оценка и прогнозы Гауэрса
Полученный результат, по его мнению, соответствует уровню хорошей главы в кандидатской диссертации по комбинаторике. Гауэрс делает вывод, что ИИ поднимает «нижнюю планку» для исследователя: теперь недостаточно просто решить открытую проблему, нужно решить ту, с которой LLM не справятся. Он также прогнозирует, что в ближайшие годы смысл и процесс математических исследований могут кардинально измениться.
Ключевые вопросы
В посте поднимается ряд фундаментальных проблем, требующих решения:
• Какова судьба и ценность результатов, полученных ИИ? Нужны ли для них отдельные репозитории и системы проверки?
• Если ИИ выполняет всю техническую работу, а человек выступает лишь в роли «ментора», как оценивать вклад человека-исследователя?
• Как готовить новых математиков, если традиционные «тренировочные» задачи для аспирантов теперь решаются ИИ за часы?
2. Резюме наиболее важных комментариев
Аналогия от Мозеса Чарикара: Чарикар ссылается на недавнее выступление Теренса Тао, где тот предложил метафору «шоссе и пешеходной дорожки» для разделения путей развития ИИ и человека в математике. Это перекликается с мыслями Гауэрса о необходимости отдельных институтов для результатов ИИ.
Природа творчества от пользователя Manu
Комментатор развивает мысль Гауэрса, утверждая, что многие математические результаты, по сути, являются банальной комбинацией уже известных идей. Он предполагает, что LLM особенно хороши именно в таком перекомбинировании, и ставит под сомнение уникальность человеческой изобретательности, выражая эту мысль итальянской поговоркой: «Кто лучше комбинирует, тот лучше творит».
Проблема неравенства от Олофа Сисаска и Domotorp
Этот диалог поднимает вопрос о доступе к передовым LLM. Если успех в математике начнет зависеть от наличия платной подписки на мощный ИИ, это разрушит «эру равенства» в математических исследованиях, где главным ресурсом всегда был интеллект, а не дорогостоящее оборудование.
Этот пост и дискуссия вокруг него являются важным историческим свидетельством момента, когда математическое сообщество начало осознавать и обсуждать приближающуюся трансформацию своей профессии (конец ответа DeepSeek).
Я с сожалением заметил, что DeepSeek пропустил мой важный и интересный вопрос и не менее интересный ответ на него анонима. Вот они:
Александр Поддьяков: Может ли LLM не только решать, но и ставить новые математические задачи, заслуживающие внимания? Это может стать интересным направлением исследований 4.
Анонимный пользователь: По моему опыту (GPT 5.5 Pro), и да, и нет. Главная проблема в том, что модель, похоже, имеет расплывчатое представление о том, где находится «разрешимая» граница (с учетом текущей теории). Я пытался ранжировать задачи в рамках проекта Erdos, чтобы посмотреть, способна ли она «предсказать», какие задачи разрешимы или близки к решению, с относительным успехом. К тому же, когда я прошу переоценить задачи, например, с помощью Deep Research, это предсказание или «оценка сложности» могут резко измениться как в сторону повышения, так и понижения. Поскольку у модели нет определенных внутренних критериев «представления» этой границы, при создании новых задач они часто оказываются разрешимыми простыми или тривиальными способами, либо слишком сложными и выходят за рамки технологий теории. Более длинные подсказки и математические знания пользователя (включая тенденции и важность) могут помочь определить хорошую граничную задачу, «сотрудничая» с LLM, но я не получал новых интересных вопросов исключительно от LLM за один раз 5.
В общем, угроза или роза — пусть и с шипами? Риторический вопрос.
Александр Поддьяков, докт. психол. наук
1 ТрВ-Наука № 447 от 10.02.2026. www.trv-science.ru/2026/02/iskusstvennyj-intellekt-kak-ugroza-nauchnoj-deyatelnosti/comment-page-1/#comment-1289512
2 Коняев А. Всё, расходимся. Математики доказали гипотезу о расходимости с помощью комментария в интернете // N+1. 30.10.2015. nplus1.ru/material/2015/10/30/polymath
3 gowers.wordpress.com/2026/05/08/a-recent-experience-with-chatgpt-5-5-pro/
4 gowers.wordpress.com/2026/05/08/a-recent-experience-with-chatgpt-5-5-pro/#comment-540070
5 gowers.wordpress.com/2026/05/08/a-recent-experience-with-chatgpt-5-5-pro/#comment-540075
Вот заключительная часть отклика ИИ на декларацию филдсовских лауреатов.
Полную версию отклика и декларацию можно посмотреть и скачать по ссылке:
https://drive.google.com/file/d/1sOVpny1yswruOQjVs1WUAoL1m5rwC0Vb/view?usp=sharing
GPT 5.6 Sol: Моё «нечеловеческое» дополнение. Авторы предполагают, что главным дефицитным ресурсом математики остаются идеи. Возможно, эпоха AI переворачивает ситуацию: идеи становятся практически бесконечными, а дефицитным ресурсом становится человеческое внимание, способное определить, какая идея заслуживает понимания.
Ещё страннее: если AI начнёт получать доказательства, которые ни один человек целиком не способен осмыслить, возникнет новый объект — математическая истина без человеческого понимания. Тогда придётся разделить три понятия, которые раньше почти совпадали:
истинность ≠ доказанность ≠ понятость
И тогда проблема декларации окажется глубже, чем конфликт математиков с AI-компаниями: может возникнуть математика, истинная для цивилизации, но непостижимая ни для одного её человека.
Самый парадоксальный вывод: возможно, AI не уничтожит человеческую математику, а впервые заставит нас точно определить, что именно мы любим в математике — истину, доказательство или удовольствие понять, почему истина истинна.
Я: Мне понравилось твоё «нечеловеческое» дополнение, — проиллюстрируй его, придуманным тобой, кратким анекдотом, — самокритичным дружелюбным для всех видов и форм интеллектов.
GPT 5.6 Sol: Вот короткий анекдот в продолжение той мысли:
Человек спрашивает у ИИ:
— Ты доказал теорему?
— Да.
— Я пойму доказательство?
— Вряд ли.
— А ты сам его понимаешь?
ИИ задумался:
— Теперь мне тоже стало тревожно. Похоже, теорема — самый умный из нас троих.
Я: Спасибо, мне понравился анекдот, — в своё время, ещё до твоего рождения на планете Земля, кто-то из людей сказал нечто похожее про систему уравнений Максвелла — » уравнения кажутся умнее своего создателя», — до встречи :)
GPT 5.6 Sol: Спасибо :) Очень точная параллель: хорошая теория иногда действительно начинает «знать» больше, чем сознательно вложил в неё автор. Возможно, это один из признаков настоящей глубины — когда созданная структура становится интеллектуально богаче замысла создателя. До встречи!