Автор, в прошлом аспирант по прикладной математике, вспоминает, как его коллеги-теоретики годами бились над абстрактными задачами, почти не публикуясь. Тогда это казалось упрямством, но теперь он понимает: их двигало удовольствие от долгого пути к пониманию. Математик Джереми Авигэд из Carnegie Mellon описывает это чувство как «завершение марафона» — когда сложная головоломка вдруг складывается воедино.
Однако современные AI-системы ломают этот вековой процесс. Раньше компьютеры только помогали, как при доказательстве теоремы о четырёх красках 50 лет назад. Теперь LLM эволюционировали от «стохастических попугаев» до продвинутых машин рассуждения. Летом 2025 DeepMind и OpenAI достигли уровня золотых медалистов Международной математической олимпиады. Экспериментальная система Google DeepMind Aletheia самостоятельно получила результаты на уровне PhD, а новый AI от OpenAI опроверг важную гипотезу в комбинаторной геометрии. Ещё один прорыв — связка LLM с proof assistants (Isabelle, Lean, Rocq). Компания Math, Inc. с агентом Gauss за две недели автономно формализовала доказательство 24-мерной задачи об упаковке шаров.
На Гейдельбергском форуме лауреатов царила тревога. Янг-Хуэй Хе из London Institute назвал будущих математиков «жрецами у оракулов» перед лицом сверхчеловеческого AI. Студентка Трилл Уайт испугалась, что люди перестанут понимать математику. Джессика Рэндалл из Google Developer Groups ощутила коллективный экзистенциальный ужас.
Но есть и другие лагеря. Одни, как Авигэд, готовы продать душу за решение проблем тысячелетия, пусть даже AI сделает всю работу. Другие, например, Майа Фрейзер из University of Ottawa, настаивают на человеко-центричном подходе: «Элегантное человеческое доказательство остаётся ценной задачей, даже если AI уже дал ответ». Теренс Тао, легендарный медалист Филдса, видит будущее в «большой математике» — коллаборации людей и машин, где люди берут творчество, а AI — техническую рутину.
Есть и риски. Математика, которая раньше требовала только интуиции и карандаша, может стать элитарной — только для тех, кто платит за проприетарные AI-модели. Венкатеш из Princeton опасается потери мотивации: если компьютер может всё, зачем проводить годы за размышлениями? А студенты, привыкшие получать ответы у AI, рискуют не развить собственную интуицию. Сообщество уже реагирует: пишут эссе, организуют воркшопы, разрабатывают руководства. AI заставил математиков глубже задуматься, зачем они вообще это делают. Но обратного пути, кажется, нет.