AI w matematyce: 50 zwycięstw Erdősa według Tao

AI w matematyce: 50 rozwiązań z katalogu Erdősa i fundamentalne ograniczenia modeli

Terence Tao, laureat Nagrody Fieldsa, ocenił postępy AI w matematyce na podstawie katalogu problemów Erdősa. Modele rozwiązały około 50 zadań, ale 600 pozostaje otwartych. Autonomiczne rozwiązania się skończyły, teraz sukces osiąga się zbiorowymi wysiłkami z udziałem kilku modeli i ludzi.

Autonomia AI wyczerpała się

Tao opisuje trzy systematyczne przejścia czołowych modeli przez cały katalog Erdősa. AI znajduje znane rozwiązania z literatury lub generuje obserwacje, ale nie ma nowych, w pełni autonomicznych przełomów. Okres, kiedy modele rozwiązywały zadania samodzielnie, dobiegł końca.

Obecne podejście jest zbiorowe:

• Jeden specjalista pyta model o strategię.
• Inny korzysta z drugiego modelu do krytyki.
• Trzeci przeprowadza przegląd literatury z pomocą AI.

Przy pełnym przejściu przez katalog wskaźnik sukcesu wynosi 1–2%. Skala pozwala znaleźć rzadkie zwycięstwa, które potem afiszuje się w mediach społecznościowych.

Metafora górskiego grzbietu

Tao proponuje analogię: matematyka jak górski grzbiet w ciemności z występami o różnej wysokości — od niskich po pionowe skały. Matematycy zapalają świece, rysują mapy, wyczuwają ścieżki.

AI to skaczące maszyny z wyskokiem do dwóch metrów, wyższym niż ludzki. Przeskakiwały niskie występy, ale nie zatrzymują się na pośrednich wysokościach:

• Docierają na szczyt — pełne rozwiązanie.
• Spadają z powrotem — bez postępu.

Kluczowe ograniczenie: brak częściowego postępu. Modele nie gromadzą zrozumienia w połowie drogi.

AI jako współautor: spełniona prognoza

Prognoza Tao z 2023 roku ziściła się: do 2026 roku AI stało się niezawodnym współautorem. Artykuły Tao teraz zawierają więcej wykresów, kodu i przeglądów literatury. Bez AI taka szerokość zajęłaby pięć razy więcej czasu.

Jednak rdzeń badań się nie zmienił:

• Trudna część zadania rozwiązywana jest długopisem i kartką.
• AI poszerza, ale nie pogłębia pracy.

Tao podkreśla: bez AI nie pisałby tak szczegółowo. Modele zmieniają format publikacji, ale nie istotę odkryć.

Różnica między bystrością a inteligencją

Praca z ludzkim kolegą zakłada stopniowe budowanie zrozumienia: adaptację strategii, utrwalanie pośrednich wyników. AI tego nie potrafi:

• W nowej sesji zapomina poprzedni kontekst.
• Nie adaptuje się w locie.

Tao widzi przyszłość w symbiozie:

• Ludzie zapewniają głębię.
• AI — szerokość zasięgu.

Nauka musi przebudować metodologię: od ludzkiej głębi do maszynowej skali.

Co ważne

• AI rozwiązało 50 zadań Erdősa, ale 600 jest otwartych; autonomiczne rozwiązania się skończyły.
• Wskaźnik sukcesu przy systematycznych przejściach — 1–2%, potrzebne zbiorowe wysiłki.
• Ograniczenie: brak zdolności do pośredniego postępu, jak skaczące maszyny bez zatrzymywania się.
• AI przyspiesza artykuły pięciokrotnie, ale rdzeń matematyki pozostaje ludzki.
• Przyszłość — symbioza człowieka i AI z przebudową naukowych podejść.

— Editorial Team