Για αιώνες τα Μαθηματικά προχωρούσαν με έναν γνώριμο τρόπο: ένας μαθηματικός διατύπωνε ένα πρόβλημα, δοκίμαζε ιδέες, έκανε υπολογισμούς, αποτύγχανε, ξαναδοκίμαζε και, μερικές φορές έπειτα από χρόνια, έφτανε σε μια απόδειξη.
Τι συμβαίνει όμως όταν σε αυτή τη διαδικασία μπαίνει ένας νέος συνεργάτης που μπορεί να εξετάζει χιλιάδες πιθανές κατευθύνσεις σε ελάχιστο χρόνο;
Αυτό ακριβώς θέλει να παρακολουθήσει το Quanta Magazine με τη νέα εβδομαδιαία στήλη του Transformation, που ξεκίνησε τον Σεπτέμβριο του 2026 και είναι αφιερωμένη στις εξελίξεις στη συνάντηση Μαθηματικών και Τεχνητής Νοημοσύνης.
Μέχρι πριν λίγο καιρό, αυτό φαινόταν μακρινό
Ο δημοσιογράφος και συγγραφέας της στήλης Konstantin Kakaes παραδέχεται κάτι ενδιαφέρον: όταν άρχισε, το φθινόπωρο του 2025, να ερευνά την επίδραση της AI στα Μαθηματικά, περίμενε ότι θα ανακάλυπτε απλώς μερικές χρήσιμες αλλά περιορισμένες εφαρμογές.
Τα μεγάλα γλωσσικά μοντέλα έκαναν ακόμη λάθη και μπορούσαν να παρουσιάσουν με μεγάλη αυτοπεποίθηση λανθασμένους συλλογισμούς. Η ιδέα ότι θα μπορούσαν πραγματικά να μεταμορφώσουν τη μαθηματική έρευνα φαινόταν υπερβολική.
Μέσα σε λίγους μήνες, όμως, η εικόνα άρχισε να αλλάζει.
Το καλοκαίρι του 2026 άλλαξε το τοπίο
Συστήματα AI άρχισαν να συμμετέχουν σε πραγματικά ερευνητικά προβλήματα, να βοηθούν στην αναζήτηση αποδείξεων, να εξερευνούν τεράστιους χώρους πιθανών λύσεων και να συνεργάζονται με μαθηματικούς σε προβλήματα που βρίσκονταν για χρόνια —ή ακόμη και δεκαετίες— στα όρια της ανθρώπινης γνώσης.
Χαρακτηριστικό παράδειγμα είναι η πρόσφατη αναστάτωση γύρω από τις εξισώσεις Navier–Stokes, αλλά και μια εντυπωσιακή εξέλιξη σε ένα γεωμετρικό πρόβλημα που παρέμενε ανοικτό από το 1947: την ύπαρξη μιγαδικής δομής στην εξαδιάστατη σφαίρα \(S^6\).
Η τελευταία περίπτωση είναι ιδιαίτερα ενδιαφέρουσα, επειδή ένα μεγάλο γλωσσικό μοντέλο χρησιμοποιήθηκε για την κατασκευή μιας λύσης σε ένα πρόβλημα που είχε αντισταθεί επί σχεδόν οκτώ δεκαετίες στις προσπάθειες των μαθηματικών.
Αν μια AI μπορεί να συμμετέχει στην ανακάλυψη μιας απόδειξης που κανένας άνθρωπος δεν είχε βρει, ποιος είναι πλέον ο ρόλος του μαθηματικού;
Δεν είναι μόνο θέμα ταχύτητας
Η σημαντικότερη αλλαγή ίσως δεν είναι ότι οι υπολογιστές γίνονται ταχύτεροι. Οι υπολογιστές ήταν πάντα καλοί στους υπολογισμούς.
Το νέο στοιχείο είναι ότι τα συστήματα AI αρχίζουν να χρησιμοποιούνται σε δραστηριότητες που θεωρούσαμε πολύ πιο κοντά στη μαθηματική δημιουργικότητα: αναζήτηση στρατηγικών, δημιουργία εικασιών, εξερεύνηση πιθανών αποδείξεων και σύνδεση διαφορετικών μαθηματικών ιδεών.
Αυτό δημιουργεί καινούργια προβλήματα. Αν μια AI παράγει μια απόδειξη εκατοντάδων σελίδων, ποιος θα την ελέγξει; Αν η απόδειξη είναι σωστή αλλά κανένας άνθρωπος δεν καταλαβαίνει πραγματικά γιατί λειτουργεί, έχουμε αποκτήσει μαθηματική γνώση ή απλώς μια σωστή απάντηση;
Τι θα σημαίνει στο μέλλον «είμαι μαθηματικός»;
Αυτό είναι ίσως το βαθύτερο θέμα που θέλει να παρακολουθήσει το Transformation.
Θα μπορεί μια AI να θεωρείται συν-συγγραφέας μιας μαθηματικής εργασίας; Πώς θα γίνεται η αξιολόγηση μιας απόδειξης που δημιουργήθηκε με τη βοήθεια χιλιάδων υπολογιστικών agents; Πώς θα αλλάξουν τα επιστημονικά περιοδικά και το peer review; Και ποια κομμάτια της μαθηματικής δημιουργίας θα παραμείνουν κατεξοχήν ανθρώπινα;
Ο Fields Medalist Akshay Venkatesh έχει διατυπώσει την αλλαγή με έναν ακόμη πιο ριζικό τρόπο: η μηχανική συλλογιστική δεν πρόκειται απλώς να αλλάξει τον τρόπο με τον οποίο κάνουμε Μαθηματικά· μπορεί να μας αναγκάσει να επανεξετάσουμε τι θεωρούμε ότι είναι τα ίδια τα Μαθηματικά.
«Μπορεί η Τεχνητή Νοημοσύνη να κάνει Μαθηματικά;»
αλλά:
«Τι θα γίνουν τα Μαθηματικά όταν άνθρωποι και μηχανές αρχίσουν να τα δημιουργούν μαζί;»
Κανείς δεν γνωρίζει ακόμη την απάντηση. Και ακριβώς γι' αυτό η νέα στήλη του Quanta έχει ιδιαίτερο ενδιαφέρον: επιχειρεί να καταγράψει αυτή τη μεταμόρφωση την ώρα που συμβαίνει.
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου