Пару месяцев назад один выдающийся математик говорил в лекции о том, что развитие ИИ-математики радикально повысит значение понимания доказательств - proof digestion, включая их объяснение, рецензирование, публикацию и включение в общепринятую математическую теорию. Этим математиком был не Альберт Эйнштейн, а Теренс Тао. Так что написанное выше далеко не оригинально.

На следующем слайде в своей ставшей знаменитой лекции (этот слайд почти никто не постит) Тао поясняет свою мысль с лекарством, разработанным ИИ. Что если это лекарство вас в итоге убьёт? Конечно, если у вас четвёртая стадия - вам уже плевать на риски. Но что если стадия не такая поздняя и есть альтернатива, созданная людьми, понимающими хотя бы примерно, как это работает?

Основной пойнт Тао не в том, чтобы запретить ИИ заниматься математикой - требовать этого просто бессмысленно. Он боится того, что широкая общественность отреагирует на новые достижения примерно так: раз ИИ научился решать математику, значит, финансировать математику больше не надо. Никто же не финансирует сегодня газовое освещение или дилижансы. В реальности выложенные OpenAI семьсот решений математических проблем, как считают сами математики, часто просто нечитабельны, часто доказывают не то, что заявлено, часто содержат ошибки. Сами по себе теоремы и их доказательства не имеют значения. В физике вам достаточно, скажем, узнать состав и способ изготовления нужного для ваших задач материала - и дальше можно начать его производить. Доказанную или опровергнутую теорему невозможно "производить". Её можно где-то применить, а для этого сначала надо хотя бы понять, о чём вообще эта теорема. Дело не только в финансировании. Математический ИИ-слоп может разрушить культуру понимания, культуру общения математиков, создаваемую веками. Не говоря уже о том, что перестают работать привычные метрики: раньше "силу" математика можно было определить по сложности решённых им проблем, а как теперь?

Но есть основания рассчитывать на прямо противоположный исход. "Навье-Стокс момент" (по аналогии со Sputnik moment и AlphaGo moment) может стать для математиков примерно тем же, чем стали Ford T и массовый конвейер для автопрома. Легко представить, что математики - те, кто занимаются самой что ни на есть фундаментальной, чистой математикой, не прикладной - станут незаменимы во всех областях науки и техники, как сегодня незаменимы программисты. Если они выйдут из своих белоснежных башен, в одной из которых, судя по примеру с лекарством от рака, проживает Теренс Тао. Они смогут перерабатывать гигантские объёмы новых математических знаний в те самые летающие автомобили. Не знаю, правда, где можно взять столько очень умных и усидчивых людей.

Кстати. Все в школе учились решать квадратичные уравнения. Ну помните - дискриминант, теорема Виета, икс один, икс два. Многие, наверное, даже формулы вспомнят. А теперь попытайтесь с ходу привести пять ситуаций, в которых эти уравнения могут понадобиться. Даже для школьника, готовящегося к ЕГЭ и приучившегося решать квадратичные уравнения на автомате, этот вопрос будет непростым.

Всё это, повторюсь, лишь досужие размышления - и повод для вас поразмышлять самостоятельно. Мы не знаем, с какой скоростью будет развиваться ИИ. Может быть, модели быстро научатся не только решать математические задачи, но и находить применения этим решениям. Правда, если этот ИИ будет понимать устройство реального мира лучше нас с вами, не совсем понятно, что нам с вами останется делать. Но это уже другой вопрос. Если я в шестой раз буду рассказывать про лошадей, прогнозы Леонтьев и Бринйолфссона, меня засмеёт Баженов.

А Тао и Копену, наверное, стоит прекращать громко рыдать, веселить биотехнологов в твиттере и блокироваться с шизонеолуддитами, а готовиться стать гига-Жуковскими, гига-Лузиными - людьми, которые создадут разветвлённые группы учеников, способных поменять мир. Будем оптимистами.

начало поста