ИИ часто приписывают прорывы в математике, но дело может быть проще: у него огромная рабочая память. Человек удерживает в уме немного элементов, а модель держит в контексте всю задачу, сотни промежуточных уравнений, отброшенные подходы и определения. Это не обязательно более глубокое мышление — просто снято биологическое ограничение.
Рабочая память у людей действительно узкая. Попробуйте перемножить два трёхзначных числа в уме: операции простые, но трудно сохранить промежуточные результаты. Бумага не делает умнее — она расширяет память. В математике так и работают: записывают, чтобы не потерять нить. Эксперты группируют информацию в знакомые блоки, но предел остаётся.
Исследования подтверждают: рабочая память предсказывает успехи в математике даже после контроля IQ. Alloway и Passolunghi (2011) нашли, что вклад рабочей памяти в математические навыки не сводится к общим вербальным способностям. Alloway и Alloway (2010) в шестилетнем исследовании показали, что ранняя рабочая память предсказывает грамотность и счёт лучше, чем IQ. Blankenship с коллегами (2015) тоже получили уникальный вклад в математическую беглость, а мета-анализ Friso-van den Bos и коллег (2013) подтвердил связь в начальной школе. Это не значит, что тренировка памяти сделает гения, но у детей с одинаковым IQ те, кто лучше удерживает и обновляет информацию, считают лучше.
У ИИ нет такой активной внутренней памяти, как у человека. Его устойчивая память — это уже сгенерированные токены. Он «мыслит наружу»: текст становится частью механизма рассуждения. Модель может выписать x=6, потом x+3=9 и вернуться к этому. Масштаб другой: человек удержит пять условий, а ИИ — сотни. Правда, длинный контекст не значит идеальное извлечение: модель может отвлечься или потерять детали.
Математика идеально подходит для такого внешнего мышления, потому что всё можно записать символами и проверить. Социальные вопросы — нет: причина может быть скрыта, слова неоднозначны. Огромный блокнот не поможет, если данных не хватает.
Поэтому успех ИИ в математике — не обязательно «эйнштейновская» глубина. Вигнер писал, что не встречал ума более быстрого и острого, чем у фон Неймана, но понимание Эйнштейна считал более глубоким. ИИ сейчас похож на машиноусиленного фон Неймана с бесконечным блокнотом: быстрый, широкий, но не переосмысляющий задачу. Настоящий прорыв будет, когда ИИ поймёт, что проблема поставлена неверно, и изобретёт новый способ мышления.