Inflacja pomysłów i wyzwanie weryfikacji. Terence Tao o matematyce w dobie AI

Współczesna matematyka stoi przed wyzwaniem, które Terence Tao, laureat Medalu Fieldsa, nazywa procesem adaptacji do nowej, szybszej rzeczywistości. W swoich ostatnich refleksjach matematyk sugeruje, że stoimy w punkcie podobnym do narodzin motoryzacji. Samochody, choć nieskończenie szybsze od powozów konnych, początkowo paraliżowały infrastrukturę miast zaprojektowaną dla pieszych. Podobnie sztuczna inteligencja wkracza w świat akademicki – w ramy czasopism, konferencji i procesów recenzyjnych – który od wieków budowany był z myślą o powolnym, ludzkim rytmie pracy.

Kryzys narracji i utracone skutki uboczne

Tradycyjny dowód matematyczny nie jest jedynie suchym zapisem logicznego wyniku. To proces, który Tao porównuje do pieszego przemierzania terenu. Podczas żmudnej pracy badacz nie tylko osiąga cel, ale buduje intuicję, odkrywa poboczne ścieżki i uczy się na błędach. Te „skutki uboczne” tworzą fundament wiedzy eksperckiej. Dowody generowane przy wsparciu AI często są pozbawione tej narracyjnej warstwy; prowadzą bezpośrednio do konkluzji, ale gubią po drodze pedagogiczną i kontekstową wartość dowodu.

Próby zmuszenia modeli AI do tworzenia tekstów, które wyglądałyby jak klasyczne artykuły naukowe, Tao uważa za błąd. To jak próba dostosowania autostrad do wymogów miast dla pieszych, zamiast przemyślenia nowej urbanistyki. Matematyk postuluje stworzenie „planowania AI” – nowej dyscypliny, która pozwoliłaby maszynom operować w ich własnym, sformalizowanym środowisku, przy jednoczesnym zachowaniu „spacerowego”, ludzkiego charakteru nauki tam, gdzie jest to niezbędne dla jej zrozumienia.

Przesunięcie wąskiego gardła

Największa zmiana dotyczy jednak samej ekonomii myślenia. Dzięki sztucznej inteligencji koszt wygenerowania nowej hipotezy spadł niemal do zera, podobnie jak internet zredukował koszty komunikacji. Jednak sama obfitość pomysłów nie oznacza postępu. „Jesteśmy w sytuacji, gdy nagle można wygenerować tysiące teorii dla danego problemu naukowego. Teraz musimy je zweryfikować i ocenić” – zauważa Tao. To tutaj powstaje nowy zator: mamy nadmiar kandydatów na odkrycia, ale brakuje nam mocy przerobowych, by oddzielić przełomy od błędnych halucynacji.

Narzędzie, a nie substytut

Mimo fascynacji nowymi technologiami, warsztat pracy samego Tao pozostaje zaskakująco tradycyjny. Choć AI wzbogaca jego publikacje o lepszą wizualizację danych, sprawniejszy przegląd literatury czy kod, rdzeń pracy matematycznej wciąż powstaje przy użyciu kartki papieru i długopisu. Sztuczna inteligencja nie sprawiła, że samo rozwiązywanie problemów stało się nagle szybsze – ona jedynie otworzyła drzwi do szerszego spektrum możliwości, wymagając od naukowców nowej roli: selekcjonera i weryfikatora w świecie zalanym przez cyfrowe idee.