📐 Выдающийся французский математик Сильвия Серфати на лекции студентам-математикам заявила, что нужно перестать отрицать реальность и им нужно готовиться работать с ИИ-ботами или они никому не будут нужны. По её мнению «не менее 400 результатов OpenAI заслуживают медали Филдса», а «Доказательства ИИ обладают невероятной сложностью и порой поражают своей впечатляющей красотой. Поэтому у людей больше нет монополии на красоту математики».

В отличие от многих математиков, занятых абстракциями, у Сильвии огромный вклад в теоретическую физику.

Модель Гинзбурга — Ландау и вихри: Серфати первой провела систематический асимптотический анализ этой модели сверхпроводимости для случая больших параметров. Она детально описала динамику вихрей и доказала, что в двумерном пространстве они образуют треугольную решётку (так называемую «решётку Абрикосова»), связывая эту задачу с теорией чисел.

Кулоновские системы и случайные матрицы: Она разработала новые математические методы для анализа систем частиц с кулоновским взаимодействием (которые одновременно отталкиваются и вынуждены находиться вместе). Её работы пролили свет на поведение логарифмических газов и бета-ансамблей, используемых в теории случайных матриц.

За эти работы она получила Премию Европейского математического общества (2004), Премию Анри Пуанкаре (2012), Премию Мариам Мирзахани (2024) и Премию Римана (2025). Медаль Филдса не получила потому, что к моменту публикации ключевых работ ей стало больше 40 лет, а у этой премии есть возрастное ограничение как поддержка талантливых математиков на взлёте карьеры.

Важно тут ещё понимать, что вендоры как OpenAI или Anthropic совсем не ради хайпа взяли математику в фокус тренировок LLM, как и программирование. Что мы видим — лишь «побочные эффекты» куда большего — ИИ-сингулярности. Чтобы ИИ мог эффективно развивать самого себя, он должен хорошо программировать свою среду, но также иметь очень высокие знания математики. Хотя сами нейросети построены на 95% просто на умножении матриц, но аналитические модели предсказания их поведения часто очень сложная математика. Причём настолько сложная, что не всем разработчикам LLM со степенью PhD по математике доступна. Например, сравнительно небольшое количество работ по интерпретируемости мышления ИИ внутри связано с тем, что математический аппарат для интерпретации отличается от аппарата для обучения LLM, поэтому даже как рецензенты работ по интерпретируемости не всегда математики из «обучателей» могут выступить.

Фактически мы наблюдаем, как OpenAI или Anthropic делают гениального ИИ-математика, который создаст ещё более мощный ИИ. Это и есть их основная цель, а не математические премии. Это просто тесты мощного ИИ, основная цель которого — делать следующее поколение ИИ.