Как ИИ изменил ежедневную работу математика

Автор эссе описывает личный опыт работы с ИИ в математике осенью 2026 года. По его ощущению, ещё в 2024 году языковые модели были игрушками, летом 2025-го стали интересными, а к началу 2026-го превратились в инструмент, без которого многим уже трудно обойтись. При этом собственную продуктивность он оценивает лишь примерно на 50% выше прежней, хотя отдельные задачи модель решает за минуты вместо нескольких часов. Причина в устройстве работы. Математик придумывает теоремы, строит доказательства, записывает их и перестраивает изложение ради ясности. ИИ заметно ускоряет лишь часть этапов. Автор также признаёт, что продолжает автоматизировать старый процесс вместо полного его переосмысления, хотя дешёвые доказательства со временем могут изменить саму организацию математической работы. Главное слабое место моделей он видит не в стилистике, а в построении абстракций. Их доказательства напоминают спагетти-код: длинные рассуждения с запутанными зависимостями, где трудно понять предположения и роль отдельной формулы. Даже разбиение на леммы может порождать громоздкие формулировки. Однако в споре с моделью человек способен предложить более удачное разбиение. После нескольких итераций доказательство нередко становится короче, а иногда новая структура позволяет получить более сильный результат. Поэтому автор считает такие человеческие абстракции полезными объективно, а не только удобными для читателя. Другой источник потерь — почти удачные ответы. Пользователь часами просит исправить результат, кажется, что цель уже близко, но в итоге ничего не получает. Начать заново и жёстче ограничить задачу иногда оказывается быстрее. Из простых приёмов автор отдельно хвалит просьбу провести независимую критическую проверку несколькими агентами. Оптимистичный сценарий для него — дисциплинированная совместная работа: человек сам занимается математикой, а ИИ быстро проверяет идеи, ищет ошибки, строит иллюстрации и интерактивные визуализации. Текст может оказаться наполовину написан моделью, но коллега обязан понимать содержание и отвечать за него, а не просто пересылать сгенерированный результат. Вместе с тем автор сомневается в долговечности человеческого преимущества даже во вкусе и редактировании. Он критикует поток посредственных статей ради публикаций и задаётся вопросом, будут ли люди читать новое доказательство, если его можно объяснить через другой ИИ. Главную неопределённость он видит уже не только в скорости работы, но и в мотивации создавать математические результаты.