Czy AI znowu zrewolucjonizuje matematykę? Terence Tao pilnie zabiera głos: przestańcie tworzyć kult jednostki!
Nowiny Nowej Inteligencji
Nowiny Nowej Inteligencji
【Przegląd Nowej Inteligencji】Kiedy AIsamodzielnie rozwiązuje trudne problemy i staje się legendą, Terence Tao publikuje w nocy post demaskujący: nie wyciągajcie pochopnych wniosków, pojedynczy przypadek nie oznacza, że AI posiada zaawansowane umiejętności matematyczne. Podkreśla, że AI jest bardziej jak narzędzie – świetne w wyszukiwaniu, przeredagowywaniu, formalnej weryfikacji i stosowaniu schematów, ale prawdziwa dusza matematyki wciąż należy do ludzi.
Możliwe, że trafiłeś już na takie sensacyjne nagłówki: „AI całkowicie samodzielnie rozwiązała nierozwiązany od pięćdziesięciu lat problem matematyczny! Matematycy są zbędni!”
Dla tych, którzy pragną być świadkami narodzin AGI, to niewątpliwie kolejny zastrzyk motywacji. A dla matematyków, którzy strzegą godności ludzkiego umysłu, to jakby ostatnia twierdza upadała.
Wraz ze wzrostem wpływu tych artykułów, w końcu ktoś postanowił ostudzić nastroje.
Co ciekawe, tą osobą jest jeden z najbardziej aktywnych promotorów badań matematycznych z AI – Terence Tao.
Tao nie neguje zdolności AI w zakresie badań matematycznych, po prostu chce przywrócić dyskusję do rzeczywistości.
Dziś nad ranem Tao napisał, żezdolności AI do rozwiązywania problemów matematycznych są przesadnie wyolbrzymiane poprzez wyciąganie ich z kontekstu.

Na stronie GitHub projektu Erdős Problems zamieścił on bardziej systematyczne wyjaśnienia i ostrzeżenia.
Podkreśla, że interpretacje sukcesów AI w rozwiązywaniu problemów Erdősa są często przesadne,szczególnie gdy pojedynczy sukces traktuje się jako dowód na „zaawansowane umiejętności matematyczne AI”.
Co dokładnie Tao wyjaśnia? Do jakiego stopnia AI radzi sobie z problemami Erdősa?
Przede wszystkim, Tao wcale nie neguje postępów AI w matematyce.
Przeciwnie, odrzuca on przede wszystkim uproszczoną narrację:zamianę „AI potrafi wygenerować weryfikowalne wyniki w niektórych problemach” na „AI już umie uprawiać matematykę, innowować i zastępować ludzi”.
Na zaktualizowanej stronie „AI contributions to Erdős problems” podkreśla, że patrząc na osiągnięcia AI w problemach Erdősa, nie można skupiać się wyłącznie na liczbie rozwiązanych zadań, lecz należy zwrócić szczególną uwagę na poniższe kwestie:
Poziom trudności zadań jest bardzo zróżnicowany, „liczba rozwiązań” nie jest miernikiem:Problemy Erdősa mają bardzo szeroki zakres trudności – od uznanych za bardzo trudne, po liczne zadania „z długiego ogona”, rzadko badane i przez nikogo dokładniej nieprzeglądane. Te ostatnie to często „nisko wiszące owoce”, w których AI może się wykazać. Problem polega na tym, że trudno bez eksperckiej wiedzy ocenić, do której kategorii należy dane zadanie. Porównywanie „kto rozwiązał więcej” nie jest więc porównaniem na tym samym poziomie trudności.
Wielu zadań oznaczonych jako „nierozwiązane” nie jest takimi naprawdę:Na stronie brakuje systematycznych przeglądów literatury, więc etykieta „Open” (nierozwiązane) jest często tymczasowa. Gdy AI rozwiązuje zadanie, okazuje się –że ktoś już to zrobił w literaturze(być może inną metodą). To sprawia, że narracja o „pierwszym rozwiązaniu przez AI” łatwo się sypie.
Większość sukcesów AI widzimy, a porażki są ukryte:Strona nie rejestruje wszystkich prób AI, szczególnie tych nieudanych.
Niektóre zadania mają nieprecyzyjne sformułowania i mogą być „oszukane” przez AI:W rzadkich przypadkach zadania Erdősa mogą być nieścisłe lub błędne – aby zrozumieć pierwotny sens, trzeba polegać na kontekście i doświadczeniu. Ten etap jest subiektywny.
Wartość matematyczna to nie tylko odpowiedź, ale „łączenie sieci wiedzy”:Matematyka to nie tylko udowodnienie twierdzenia, ale też inspiracja dla innych dziedzin, powiązania z istniejącą teorią, czy metody do przeniesienia. Człowiek pisząc dowód, naturalnie dodaje takie konteksty: tło, motywację, porównanie z literaturą, granice metody. Jednakdowody prowadzone przez AIczęsto tego nie mają, więc ich wartość użytkowa dla społeczności matematycznej jest niższa.
Rozwiązanie rzadkiego zadania nie oznacza publikacji w topowym czasopiśmie:Nie każde rozwiązanie nierozwiązanego problemu nadaje się do publikacji. Zwłaszcza, jeśli zadanie jest niszowe, a metoda to drobna modyfikacja znanych schematów, to trudno oczekiwać publikacji w dobrym czasopiśmie.
Formalizacja dowodów AI w Lean zwiększa wiarygodność, ale nie wyklucza oszustw:Na przykład: formalizacja ukradkiem wprowadza dodatkowe aksjomaty, problem sformułowany błędnie, lub wykorzystanie „zakamarków” biblioteki matematycznej/gramatyki. Szczególnie, gdy dowód jest podejrzanie krótki lub wyjątkowo rozwlekły – należy zachować ostrożność.
Mówiąc prościej, Tao uważa, że postępy AI w problemach Erdősa są warte uwagi,ale naprawdę należy patrzeć na poziom trudności zadań, weryfikację literatury, odtworzenie sensu, integrację wiedzy i solidność łańcucha weryfikacyjnego.
To, że AI osiąga wyniki, nie oznacza, że posiada pełne umiejętności matematyczne.
A więc co AI faktycznie robi w rzeczywistości?
Na stronie GitHub Tao dzieli wkład AI na kilka kategorii.
AI generuje pełne (lub częściowe) rozwiązania, AI czasem myśli, że problem jest nierozwiązany, a okazuje się, że już był, AI pomaga w przeszukiwaniu literatury, AI formalizuje dowody w Lean, AI pomaga ludziom przepisywać istniejące argumentacje itd.
Na przykład, na stronie wymieniono problem #728 który 6 stycznia 2026 został w pełni rozwiązany przez Aristotle i ChatGPT 5.2 Pro (Lean potwierdził poprawność),problem #729 również został w pełni rozwiązany (Lean potwierdził poprawność) w dniach 8-10 stycznia.
Oznacza to, że w niektórych typach zadań, na pewnym poziomie trudności, AI rzeczywiście potrafi stworzyć „działającą strukturę dowodową”, a nawet wejść w proces formalnej weryfikacji.
Niektóre problemy zostały całkowicie rozwiązane przez AI, lecz później okazało się, że ktoś już je wcześniej rozwiązał.
Tao specjalnie wyróżnił kategorię „AI-powered literature review (przegląd literatury napędzany przez AI)”: AI wykorzystywane jest do sprawdzania, czy istnieją już wyniki, oraz czy status Open jest właściwy.
Opieranie się na pojedynczych przypadkach, by stwierdzić, że „AI jest niepokonane w matematyce”, jest oczywiście jednostronne.
Ale z drugiej strony, twierdzenie, że AI nie potrafi robić matematyki, to także pominięcie jej prawdziwej wartości.
Dokładniej rzecz ujmując, AI uczy się wykonywać „fizyczną” i „inżynieryjną” stronę matematyki: stosuje schematy, łata luki, formalizuje, pisze i poprawia teksty, przeszukuje literaturę.
A prawdziwa „dusza” matematyki – stawianie głębokich pytań, tworzenie nowych pojęć, osadzanie wyniku w sieci wiedzy – nadal silnie zależy od ludzi.
I na tym polega główny przekaz nocnego posta Tao.
Być może przyszły matematyk nie będzie już samotnym myślicielem, lecz stanie się dowódcą armii krzemowej inteligencji: na szerokich polach matematyki to człowiek wyznacza kierunek, a AI toruje drogę i buduje mosty.
Nie mitologizuj AI przez wyciąganie rzeczy z kontekstu, ale nie lekceważ tej siły, która przeobraża sposoby odkrywania prawdy.
Zastrzeżenie: Treść tego artykułu odzwierciedla wyłącznie opinię autora i nie reprezentuje platformy w żadnym charakterze. Niniejszy artykuł nie ma służyć jako punkt odniesienia przy podejmowaniu decyzji inwestycyjnych.
Może Ci się również spodobać
Jak Beisent dokona „odkupu amerykańskich obligacji skarbowych”? Pierwsze oznaki pojawią się dziś wieczorem
Dziś o godzinie 23:00 czasu pekińskiego Departament Skarbu USA ogłosi skalę operacji odkupu długoterminowych obligacji skarbowych – to pierwsze ujawnienie od zapowiedzi z 19 sierpnia o „co najmniej podwojeniu odkupu”. Rynek spodziewa się, że skala przekroczy 400 milionów dolarów, Morgan Stanley szacuje górny limit na około 1 miliard dolarów, a Wrightson ICAP uważa, że rozsądny punkt początkowy to 500-600 milionów dolarów. Ogłoszenie pojawi się na kilka godzin przed aukcją 10-letnich obligacji skarbowych; zarówno skala przekraczająca oczekiwania, jak i mniejsza od oczekiwań mogą wywołać zmiennoś ć na rynku.
Nagły wzrost jena wywołuje obawy o zamykanie pozycji arbitrażowych, ale Morgan Stanley uspokaja: odporność pozostaje, nie ma powodu do paniki!
Morgan Stanley twierdzi, że arbitraż może zabezpieczyć przed wpływem umocnienia jena.

Ryzyko „wielkiego powrotu” japońskiego kapitału rośnie! Rentowność japońskich obligacji zbliża się do najwyższego poziomu od 30 lat, a ponad bilion dolarów amerykańskich obligacji znajduje się w centrum uwagi
Wraz ze wzrostem rentowności japońskich obligacji skarbowych do poziomu najwyższego od prawie 30 lat, ponownie pojawia się obawy dotyczące ryzyka od dawna dyskutowanego na światowych rynkach – czy ogromne japońskie środki ulokowane za granicą zaczną powracać na krajowy rynek.

Giełda amerykańska na zamknięciu | Trzy główne indeksy spadły, Dow Jones spadł o ponad 600 punktów, SK hynix (SKHY.US) wzrosło o 4,8%
Na zamknięciu sesji indeks Dow Jones spadł o 626,72 punktów, co stanowi spadek o 1,17%, do poziomu 52787,53 punktów; indeks S&P 500 spadł o 44,98 punktów, czyli o 0,58%, do poziomu 7673,62 punktów; indeks Nasdaq Composite spadł o 85,58 punktów, czyli o 0,32%, do poziomu 26421,41 punktów.

