Terence Tao: matematyka wchodzi w erę nadmiaru dowodów generowanych przez AI

Terence Tao, jeden z najwybitniejszych żyjących matematyków i laureat Medalu Fieldsa, ogłosił na Międzynarodowym Kongresie Matematyków, że jego dziedzina wchodzi w okres, jakiego nigdy wcześniej nie doświadczyła. Zamiast niedoboru dowodów matematycznych, badacze zaczynają mierzyć się z ich nadmiarem, generowanym coraz częściej przez modele sztucznej inteligencji.

Wykład Tao, zatytułowany 'Mathematics in the Age of AI', był jednym z najgłośniej komentowanych wystąpień tegorocznego kongresu. Zamiast koncentrować się na pytaniu, czy sztuczna inteligencja poradzi sobie z zaawansowaną matematyką, Tao przesunął dyskusję o krok dalej: skoro coraz więcej wskazuje na to, że poradzi, co powinno teraz optymalizować środowisko matematyczne, a czego musi bronić za wszelką cenę.

Od sceptycyzmu do akceptacji

Zmiana w poglądach Tao nie nastąpiła nagle. W 2022 roku, po pierwszym kontakcie z ChatGPT, chwalił płynność modelu, ale wskazywał na brak głębi w jego rozumowaniu. Pod koniec 2024 roku, testując model o1, ocenił go jako 'przeciętnego, ale niecałkiem niekompetentnego studenta studiów doktoranckich'. Na początku 2026 roku przyznał, że jego wcześniejsza prognoza sprzed lat sprawdziła się niemal co do dnia, model osiągnął poziom porównywalny z młodszym współautorem badań.

Punktem przełomowym była marcowa konferencja IPAM 'Accelerating Math and Theoretical Physics with AI', gdzie Tao ogłosił, że narzędzia AI są 'gotowe na główną scenę', bo w matematyce i fizyce teoretycznej oszczędzają więcej czasu, niż go marnują. Na co dzień korzysta z modeli do przeszukiwania literatury naukowej, pisania kodu, tworzenia wykresów i szybkiego sprawdzania, czy dane podejście do problemu w ogóle ma sens, zanim zainwestuje w nie tygodnie pracy.

Kryzys wartości, nie możliwości

Centralna teza lipcowego wykładu brzmi inaczej niż wcześniejsze wypowiedzi Tao. Matematyk twierdzi, że dziedzina stoi w obliczu pierwszego od stu lat kryzysu wartości i praktyk, nie kryzysu możliwości. Skoro modele AI potrafią już generować dowody na dużą skalę, pytaniem nie jest już, czy potrafią, lecz co środowisko powinno z tym zrobić.

Tao rozbił proces powstawania dowodu na pięć etapów: generowanie, weryfikację, opracowanie merytoryczne, publikację i włączenie do kanonu wiedzy. Jego zdaniem AI radykalnie przyspiesza pierwszy etap, ale tworzy poważne zatory na etapach, które wymagają ludzkiego zrozumienia i konsensusu społeczności.

W matematyce możemy w pełni sprawdzić i zweryfikować wyniki, i to naprawdę odsiewa dużo bzdur - Terence Tao

Wąskie gardło się przesuwa

Według Tao prawdziwym ograniczeniem przestaje być wytworzenie dowodu, a staje się nim ustalenie, któremu dowodowi można zaufać. Opisuje to jako wariant paradoksu Simpsona: jakość pojedynczych wyników rośnie, ale łączny stosunek sygnału do szumu w całej dziedzinie się pogarsza, bo AI przyspiesza generowanie znacznie bardziej niż opracowywanie i wyjaśnianie wyników. Ostrzega też przed skażeniem otwartych problemów, niekontrolowane rozwiązywanie znanych, nierozstrzygniętych zagadnień przez AI niszczy ich wartość jako motorów badań, co porównuje do zepsucia zakończenia filmu.

Trzy rekomendacje dla środowiska

Tao przedstawił konkretne propozycje dla środowiska matematycznego. Po pierwsze, postuluje normalizację jawnego ujawniania udziału AI w pracach naukowych, wraz z publikowaniem pełnych logów rozmów z modelami. Po drugie, chce zmniejszyć prestiż związany z byciem pierwszym autorem rozwiązania na rzecz prac poświęconych wyjaśnianiu i porządkowaniu wyników. Po trzecie, proponuje uzależnienie publikacji od zdolności autorów do zaprezentowania wyników na żywo przed ekspertami.

W wywiadzie dla magazynu Nature z maja 2026 roku Tao podkreślił, że środowisko naukowe musi samo wypracować odpowiedzi na te pytania, zanim zrobią to za nie firmy technologiczne rozwijające modele AI.

Jeśli sami nie zadamy tych pytań, to zostaną one rozstrzygnięte za nas przez firmę technologiczną - Terence Tao

Dla polskiego środowiska naukowego wystąpienie Tao ma znaczenie wykraczające poza samą matematykę. Podobne pytania o rolę AI w recenzowaniu, publikowaniu i przypisywaniu autorstwa dotyczą też fizyki, informatyki teoretycznej czy inżynierii, dziedzin rozwijanych na polskich uczelniach i w instytutach badawczych, gdzie modele językowe coraz częściej wspierają pracę nad dowodami formalnymi i weryfikacją kodu. Sam Tao podsumowuje swoje stanowisko krótką formułą: obecne modele są 'niezawodne, ale potężne', co oznacza, że wymagają interaktywnego stosowania i stałej weryfikacji wyników przez człowieka.